限制L3/L4大規模推廣的因素很多，激光雷達也是其中之一。目前最常見360度旋轉型激光雷達在車規、外觀、風阻、成本方面都難以滿足汽車產業的要求。而激光雷達又是無人駕駛必不可缺的傳感器。進入2019年，激光雷達的發展方向一是純固態的Flash激光雷達，二是法雷奧Scala這樣的鏡子往復運動反射光線的激光雷達。
主流的360度旋轉型激光雷達很難過車規，車規包括環境適應性、溫度、防塵、防水、震動、沖擊、設計壽命、可靠性、一致性、EMC等多個方面，最基礎的車規是溫度。電子系統的車規沒有統一的標準，各廠家都有自己的標準體系，最基礎的車規是AEC-Q和TS16949。
要進入車輛領域，打入各一級(Tier1)供應商的供應鏈，必須取得兩張門票，第一張是由北美汽車產業所推的AEC-Q100(IC)、101(離散元件)、200 (被動零件)可靠度標準；第二張門票，則要符合零失效(Zero Defect)的供應鏈品質管理標準ISO/TS 16949規范(Quality Management System)。
目前AEC-Q100最新的為2014年9月的G版，AEC-Q100最主要是溫度測試，分別為最高的0級-溫度從零下40度到150度，1級-溫度從零下40度到125度，2級從零下40度到105度，3級從零下40度到85度。
上圖為最常見的Velodyne的激光雷達產品參數表。運行溫度一般都是-10°到+60°。
而目前唯一通過車規的Valeo的激光雷達Scala的參數如下：
兩者在溫度上差別比較大，Scala可以做到-40°到85°。水和塵土安全保護等級上，Velodyne達到IP67，Scala達到IP5K4K\IP9X9K。Scala在防塵上不如Velodyne，但防水等級遠超Velodyne的任何產品，達到IPX9K。Scala之所以能過車規，還有兩項特殊技能，一是能夠主動加熱激光雷達前的玻璃，防止起霧。二是具備主動清洗功能。大雪天激光雷達被白雪覆蓋、超低溫雨水天氣下激光雷達被冰凍困擾、高速行駛下蚊蟲尸體布滿車頭等都能解決。
汽車行業牽涉到人的安全，因此研發周期特別長，也必須這樣做，汽車行業必須慢一點，必須對生命有足夠的敬畏。Scala的車規化歷時7年，Scala的原型是2009年就有IBEO LUX，2010年法雷奧與IBEO簽署合作協議，拿到IBEO的生產和技術授權，然后花了五年時間將其改造為可量產的車規級傳感器，花兩年進行了足夠的車規驗證。2017年正式量產裝配在奧迪A8L上，初創公司要做好坐5年以上冷板凳的心理準備。法雷奧是年收入200億美元的大廠，擁有豐富的汽車傳感器經驗。
法雷奧在年初也宣布獲得4家整車廠5億歐元的激光雷達訂單，這4家可能是現代、奔馳、寶馬和奧迪。法雷奧仍然是全球唯一激光雷達量產的廠家，車規的驗證和研發周期太長了。
來源：麥姆斯
有了第一代的經驗，法雷奧的第二代Scala進度比較快，大約在2016年啟動第二代研發，預計量產在2021年。與第一代相比，第二代最大的變化是從4線增加到16線，垂直FOV拓寬了3倍，也采用更高傳輸速率的以太網，點云達到26萬點，為保證角分辨率，水平FOV縮窄至133度。
未來激光雷達發展方向是Flash激光雷達和單光子陣列（SPAD）激光雷達。Flash激光雷達無任何轉動部件，是真正的純固態，因此易過車規。體積小，易安裝，易融入車的整體外觀設計。設計簡潔，元件極少，成本低。信號處理電路簡單，消耗運算資源少，整體成本低。刷新頻率可高達3MHz，是傳統攝像頭的10萬倍，實時性好。缺點是有效距離比較近。
單光子激光雷達擁有Flash激光雷達全部優點，同時采用全半導體，也就是說它就是一片芯片，成本可以大幅度降低到100美元以下，就像是攝像頭用的圖像傳感器芯片。也解決了有效距離，理論上單光子激光雷達做到幾公里幾十公里的有效探測距離都很輕松。同時還具備超過360度旋轉型激光雷達的信噪比。單光子激光雷達實際和手機上熱門技術ToF完全一致�？梢钥醋鍪欠糯蟀娴腡oF。
目前最接近量產的Flash激光雷達是德國大陸汽車的HFL110，刷新頻率3MHz，水平FOV為120度，有效距離大約50米，像素為4096點，目前已有樣品提供。
再有就是今年9月加拿大Leddartech推出的Leddar Pixell。Leddartech沒透露太多參數，看外形，似乎是3個Flash激光雷達合在一起的設計的，FOV能達到180度，安裝在汽車四角，像素不高，單個Flash為768像素。
車規級激光雷達鼻祖IBEO，則一步到位推出了單光子激光雷達。IBEO稱其為Focal Plane Array焦平面，實際也可歸為Flash激光雷達。IBEO加入了VCSEL來控制激光的波束，達到類似機械掃描的效果。VCSEL由AMS提供。福特與大眾合資的Argo也在2017年收購了普林斯頓光機所單光子激光雷達小組。有VCSEL加持，單光子激光雷達幾乎完美無缺。
相對微機械和MEMS，IBEO的可靠性和靈活性要高得多，相對無法掃描的Flash激光雷達也有一定優勢。
IBEO的單光子激光雷達能輸出點云和反射強度信息，部分Flash可能無法輸出反射強度信息。
IBEO稱之為 ibeoNEXT Generic 4D Solid State LiDAR。水平FOV可選擇11.2度、60度和120度。稱之4D是反射強度信息，反射強度信息近似于傳統攝像頭的灰度圖像，可以用傳統的圖像識別算法分類。
今年8月27日，長城汽車與德國激光雷達廠商Ibeo、北京亮道正式簽署了激光雷達技術戰略合作協議，三方合作的產品基礎就是 ibeoNEXT Generic 4D Solid State LiDAR。
對于手機ToF傳感器大廠來說，進入激光雷達領域只是時間問題。 ToF示意圖，跟IBEO的單光子激光雷達示意圖完全一一樣。
像意法半導體、索尼和松下（VIVO使用松下的ToF），他們還擁有晶圓級鏡頭的能力，可以讓激光雷達就是一片芯片大小。VCSEL也是ToF的標配，目前手機的ToF圖像傳感器有效距離大約在0.3-4.5米之間。 松下進展最為迅速，早在2018年6月，就有目標是車用市場的ToF圖像傳感器，有效距離有250米，激光雷達實際就是一個3D圖像傳感器，激光雷達與傳統攝像頭的區別就是一個接受自然光反射成像，一個主動發射激光成像。只不過激光雷達是全天候，可以獲取3D深度信息和反射強度信息，但在分辨率上比傳統攝像頭要稀疏。 激光雷達是無人駕駛必備的傳感器，因為攝像頭和毫米波雷達都有其無法突破的缺點需要激光雷達來挽救。對攝像頭來說，無論單目還是三目，必須分類(classification)目標障礙物才能檢測到目標障礙物，通常也把分類看做識別，也就是說無法識別目標障礙物就無法檢測目標障礙物的輪廓信息與位置信息。單目和三目目前的識別方法是典型的窮舉法，也就是深度學習，深度學習的認知范圍來自其數據集，而數據集是有限的，不可能窮舉所有類型，數據集覆蓋的范圍無論如何都不可能超過真實世界的30%甚至更低。特別在中國，奇形怪狀的車輛很多，穿雨衣的騎車人，帶各種篷子的電動車，拉農作物或白色垃圾的車，掃地車（特斯拉已經連撞兩次掃地車了），灑水車，農用車，消防車等等。真實世界每天都在生成獨特樣本。只有雙目和激光雷達是不識別也可探測。深度學習是一個典型的黑盒子系統，汽車上任何事物都必須具備可解釋性和確定性，深度學習并不具備。傳統車廠盡量避免在直接有關汽車安全領域使用深度學習，當然，深度學習是識別目標準確度最高的方法，不得不用。
傳統的77Ghz毫米波雷達最佳使用場景為ACC和BSD，為了避免地面反射和天橋反射，毫米波雷達都盡量縮小垂直FOV，同時毫米波雷達一般都安裝的很低，遇到底盤高的車輛，毫米波雷達穿過車底部，沒有反射或反射RCS很�。槺阏f下，行人的RCS更小，遠遠低于車輛），會被當做噪音過濾。沃爾沃上由安波福提供的攝像頭雷達一體傳感器效果之所以超過大部分ADAS系統就是因為它的雷達安裝位置很高，但玻璃會讓電磁波大幅度衰減，有效距離縮短。毫米波雷達物體分隔度依賴帶寬，目前77Ghz毫米波雷達帶寬最高500MHz，物體分隔度為75厘米。再加上多普勒效應在切線方向無效，基本上對于比較窄的目標（低于1.5米），橫向移動目標，靜止目標，超寬目標，毫米波雷達表現都很差，即使融合傳感器，提高程度也很有限，遠距離、高底盤車輛、重載車、行人和小目標AEB幾乎完全依賴視覺系統。將來毫米波雷達性能能有比較大的提升，但對靜止和橫向目標依然會很差。
轉自：佐思汽車研究