数据来源:各公司

 

上表为美国5月6日股市收盘时8大激光雷达上市公司市值对比,Luminar排名第一,市值达38.8亿美元,遥遥领先第二名的AEye。不过从跌幅来看,AEye是最坚挺的激光雷达股票,Luminar最高股价达37.73美元,如今只有11.12美元,AEye股价最高时达10.73美元,如今还有5.28美元。大部分激光雷达股票跌幅都超过了65%,跌幅最惨的当属Velodyne,股价最高曾达28.9美元,2021年5月初还有13美元左右,如今仅为1.77美元,跌幅超过90%。

 

图片来源:互联网

 

AEye的豪华投资团如上图,包括了全球第五大Tier1即日本丰田旗下的爱信精机和第六大Tier1德国大陆汽车,还有全球排名前20的已与佛吉亚合并的Hella海拉。整车厂包括了斯巴鲁和通用汽车,此外还有空客风投。英特尔和SK Hynix也有投资。

 

AEye设想的商业模式

 

图片来源:互联网

 

图片来源:互联网

 

AEye最主要合作伙伴是德国大陆汽车,2024年AEye的激光雷达将正式量产,与德国大陆汽车的近距离Flash激光雷达、域控制器、毫米波雷达摄像头配合,可能用于本田的L3级车型,本田虽号称已推出全球第一个L3级车型Legend,但实际这只是噱头,L3级Legend只租不卖,只有100辆,真正的量产车型要到2024年。本田的自动驾驶合作伙伴主要就是德国大陆汽车和日本电产。

 

图片来源:互联网

 

上图是AEye与其他4家公司产品对比,其中A公司就是Luminar的Hydra。

 

图片来源:互联网

 

上图为Hydra的参数,其中分辨率方面,Luminar耍了一个小花招,它写的最小角分辨率,实际平均角分辨率是水平0.1度,垂直0.3度。帧率方面1-30可调,不过一般都是10Hz。

 

图片来源:互联网

 

AEye与Luminar技术路线近似,激光发射方面也是1550纳米光纤激光,Luminar当初并非是要主动选择1550纳米,而是因为光纤激光效率最高的波段是1550纳米,Luminar最主要是看中光纤激光的高功率,和905纳米的激光二极管比,光纤激光可以做到其100倍的功率。光纤激光另一个好处是方便布局,可以放在后备箱里,通过车顶利用光纤将激光送到后视镜处或者任何地方。

 

AEye与Luminar有几点不同,一是AEye采用双MEMS振镜扫描,发射与接收光路分离设计。二是AEye不采用简单的APD二极管做接收,而是用SiPM,将来可能用SPAD。最后,AEye采用的是和摄像头一体的传感器前融合设计。

 

图片来源:互联网

 

上图为AEye激光雷达专利中的双MEMS振镜扫描,Luminar是用两个电机带动的多边形扫描器完成,MEMS振镜的好处是更容易过车规,体积更小,缺点是产量低的情况下价格极高。

 

AEye整个激光雷达光路图

图片来源:互联网

 

SiPM又叫MPPC,MPPC是多像素光子计数器的缩写,该检测器也称为硅光电倍增器(SiPM)。它是一种固态光电探测器,使用在Geiger模式下运行的多个雪崩光电二极管(APD)像素。MPPC的基本元素(一个像素)是盖革模式APD和淬灭电阻的组合,并且这些像素中的大量像素被电连接并二维排列。

 

激光雷达光电检测元件对比

 

图片来源:互联网

 

2006年,日本滨松公司在国际上首先实现了MPPC的商品化。近10年以来,意大利的ITC-irst,爱尔兰的SensL公司(已被安森美收购)以及加拿大的Zecotek公司陆续实现了MPPC的商品化。

 

图片来源:互联网

 

上图为多家MPPC公司的显微镜照片,日本滨松优势明显。

 

图片来源:互联网

 

“MPPC”——Multi Pixel Photon Counter(多像素光子计数器),这个命名是从工作原理角度出发得来的。工作电压(盖革区)在盖革模式(即单光子模式)下,光生载流子通过倍增就会产生一个大的光脉冲,而通过对这个脉冲的检测,就可以检测到单光子。将盖革模式下的APD上连接一个淬灭电阻作为1个像素,就构成了MPPC的基本单元。相比APD,MPPC的增益可达到105-106,这样在理论上,可以在更短的时间内得到更长的距离信息,探测带宽也与APD不相上下。

 

另外,拥有小有效面积、更多像素结构的MPPC不仅具备较快的时间特性(上升时间仅1ns左右),还可利用其独特的光子分辨能力,将不同表面反射率的物体识别出来,从而达到测距同时分辨物体表面特性的目的。

 

国内速腾聚创也使用了SiPM,性能比传统的APD提升很多,不仅是有效距离的提升,还有信噪比的提升,也可以达到像素级图像。

 

图片来源:互联网

 

通过图可以看出,AEye是前融合设计,摄像头为辅,利用摄像头调整扫描器。

 

图片来源:互联网

 

AEye先用摄像头锁定大致图像范围,遇到大面积空洞如天空,激光雷达会跳过这些区域不扫描,遇到物体密集区域,则增加扫描密度。这样不仅提高性能,也避免激光雷达产生空洞。所谓空洞是,激光雷达由远及近靠近过程中,出现的点云“时有时无”的丢失现象被称为“空洞”。障碍物原始点云的“时有时无”会让感知软件难以连续跟踪,从而无法准确判断是不是一个固定障碍物,容易导致危险的急刹车或频繁的“减速加速”现象。

 

AEye的传感器融合流程

图片来源:互联网

 

上图就是“2D”,图片来源:互联网

 

对比消除重复点,这主要解决激光雷达的鬼影,对于高反射率物体,进入到激光雷达视场及测距范围后,输出的点云除了在真实位置有成像以外,还容易在其它位置形成一个形状、大小类似的成像,而这个虚假的成像被称为“鬼影”。不同类型激光雷达产生“鬼影”的行踪各不相同。常见的高反射率物体包括交通指示牌、锥桶、三角指示牌、汽车牌照、尾灯等。还有就是膨胀,对于高反射率物体,另外一个异常现象就是“膨胀”。“膨胀”是指激光扫描高反射率物体后,输出的点云会向四周扩散,看起来就像“膨胀”了一样,因此称为高反“膨胀”。

 

AEye的传感器前融合是一个非常好的思路,如今多线激光雷达的算法仍然是基于BEV的PiontPillar算法,这种将3D变成2D CNN的算法,效率一流,精度不理想,同时也丧失了众多3D信息,让激光雷达称为一个近似摄像头的东西,效果反而不如单纯视觉的特斯拉。激光雷达要发挥全部潜力,不能沿用深度学习这种摄像头领域最常见的算法,必须使用传统的可解释可预测的几何算法,否则激光雷达意义甚微,这恐怕也是激光雷达股价持续暴跌的原因之一。