机器也能看见世界 这背后的技术是什么？

　　既攻克了视觉方案的瓶颈，又继承了其成本低廉的优势，这样的方案看似很完美。但它依然存在两个缺陷：首先，基于三角测距法的激光雷达没有摆脱测距范围短的缺陷，大多数产品都在5-6m范围内；其次，因为发射的是单点激光，再加上一般厂商的激光出点数只有4k左右，其重构三维信息的速度会比较慢。如果应用在扫地机器人上，这样的参数是绰绰有余的，目前国内的思岚科技和国外的Neato用的就是这一方案。

    ToF（TimeOfFlight）的原理是通过测量光脉冲之间的传输延迟时间来计算对象物体的距离。使用ToF的激光雷达在测出物体轮廓边沿与设备间的相对距离后，这些轮廓信息可组成点云数据，最终得出3D环境地图，这种激光雷达的精度可以做到厘米级别。它是目前最适合无人驾驶汽车的技术之一，谷歌无人驾驶汽车上使用的就是国外厂商Velodyne的64线实时性激光雷达。

　　这种激光雷达在无人驾驶汽车当中充当了眼睛的角色。Velodyne的员工曾拆解够上述这款64线激光雷达，其硬件构造由发射系统、接收系统、信息处理等部分组成（如下图）。

　　激光从两侧发射，遇到障碍物之后反射的信息被中间接收处接收，通过折返的时间进行一系列的数据分析，最后就可以得出障碍物的距离以及轮廓信息，需要注意的是，在无人驾驶汽车行驶的过程中，这个64线激光雷达也在不停地转动以记录全方位的环境信息，激光接收端收集到的数据实际上是无数个数据组成的点云数据。遗憾的是，Velodyne并不提供点云数据算法，最终的数据处理还是要交到汽车厂商手上。

　　然而，Velodyne阉割掉的环节正是激光雷达的关键环节。因为激光雷达的难点就在于如何通过硬件进行高速数据采集并通过算法实时处理，获得高精度原始点云数据。硬件系统可以支持一秒进行上百万次的测量，所以软件算法需要不断优化，减少计算量并提高精度，通俗点讲，没有点云算法，激光雷达的硬件条件再好也没有办法完成高精度的测量。

　　这就是为什么我们会说实时性激光雷达软件算法的技术壁垒很高，纵观全球市场能提供点云算法的厂商屈指可数，国内具备这一实力的更是凤毛麟角。有人说，国外占据了激光雷达的主导位置，我却不这么认为。因为国外的激光雷达产品一直居高不下，而且产品成熟度并不高，即便是目前车用激光雷达市场的代表——Velodyne也被贴上了“低性价比”的标签（Velodyne64线激光雷达目前售价7万5千美元）。所以几乎可以认为大家都是站在同一起跑线上的，这对国内厂商来说是个空前的机会。以深圳腾聚创科技为例，虽然创立只有两年的时间，但公司的技术团队在点云算法上有10年的经验积累，而且取得了重大突破，目前，速腾已经和国内汽车厂商展开了合作，在性能和价格上都能颠覆现有的激光雷达，预计今年下半年会正式推出。