激光雷达到底有什么作用

激光雷达（LiDAR，Light Detection and Ranging）在自动驾驶系统中的真正价值，并不是简单地“看得更远”，而是为车辆提供一种与摄像头完全不同的三维几何信息。它主动发射激光脉冲，测量光线从传感器到物体再返回所需要的时间，由此计算距离，并进一步形成车辆周围环境的三维点云。Waymo对其自动驾驶系统的描述就是让激光雷达建立车辆周围环境的三维图像，而摄像头和毫米波雷达分别提供其他类型的信息。

理解激光雷达最简单的方法，是把它看成一个能够主动“测量空间”的传感器。摄像头看到的是二维图像，算法需要根据图像中的纹理、阴影、透视关系和连续运动推断物体的位置；激光雷达则可以直接获得大量空间距离信息。于是，一辆汽车、一名行人、一根路桩或者路边的墙，在点云中都会形成具有空间结构的几何轮廓。Waymo公开的自动驾驶数据也使用激光雷达三维点云进行物体形状重建和三维目标处理。

这项能力在城市道路中特别有价值。车辆不仅需要知道前面“有一个东西”，还需要判断这个东西距离自己多远、位于什么方向、占据多大的空间，以及它与道路和其他目标之间是什么关系。对于行人、自行车、车辆、路障以及其他道路参与者，三维几何信息能够帮助感知系统建立更加明确的空间模型。

不过，激光雷达并不是一个万能的“汽车眼睛”。它最擅长的是几何和距离，而不是识别颜色、文字和交通信号状态。红绿灯究竟是红色还是绿色，路牌上写着什么文字，前方车辆是什么品牌，通常仍然需要摄像头提供视觉信息。Waymo目前的传感器架构也明确采用这种分工：激光雷达负责三维几何，摄像头负责包括交通灯和道路标志在内的视觉语义信息，毫米波雷达则提供距离和速度等信息。

这也解释了为什么自动驾驶公司通常不会简单地在“激光雷达和摄像头”之间二选一。不同传感器看到的是同一个世界的不同侧面。摄像头拥有丰富的颜色和纹理信息，适合识别车道线、交通灯、文字和道路标志；毫米波雷达能够直接测量目标的距离和径向速度，而且在雨、雾、雪等情况下通常比纯视觉更加稳定；激光雷达则能够提供高精度三维几何结构。三种信息结合之后，感知系统可以进行传感器融合，而不是把所有判断押在一种传感器上。

激光雷达的另一个重要价值，是帮助系统判断目标之间的空间关系。例如一名行人站在一辆汽车旁边，如果只依赖二维图像，系统需要通过视觉特征和历史信息判断两者的相对位置；三维点云则能够直接提供空间距离和轮廓信息。对于自动驾驶，这种信息不仅用于“发现障碍物”，还可以参与目标跟踪、占用空间估计、路径规划和碰撞风险判断。

激光雷达的探测距离并没有一个适用于所有产品的固定数字。不同型号会针对远距离、中距离或者近距离任务进行设计，而且汽车通常可能同时采用不同视场和不同量程的激光雷达。Waymo公开的数据集中就使用一个中距离激光雷达和多个短距离激光雷达，其公开数据对中距离雷达的范围截取为75米、短距离雷达为20米。这说明“激光雷达统一都是10到200米”这样的说法并不准确。

同样，不能简单用扫描频率判断一台激光雷达是否先进。机械式、MEMS以及其他固态或半固态方案，在扫描方式、视场角、线束数量、角分辨率、点云密度、刷新率和有效探测距离方面都有不同设计。对于自动驾驶系统，真正重要的是整套传感器能否及时、稳定地提供足够的信息，而不是单纯追求一个最高Hz数字。

激光雷达也有明显局限。雨、雪、雾、道路喷溅、灰尘以及强反射物体都可能影响激光回波，从而造成点云稀疏、噪声增加或者局部失真。传感器表面如果积水、结冰或者沾染泥污，同样会影响有效探测。因此，现代自动驾驶系统通常不会把安全性建立在激光雷达单一传感器之上。Waymo最新一代Driver仍然采用激光雷达、摄像头和成像雷达的多模态传感器组合，并明确把不同传感器之间的冗余作为系统设计的一部分。

这也解释了汽车厂商之间为什么会出现完全不同的技术路线。特斯拉选择的是高度依赖摄像头视觉和神经网络的路线，并从2021年开始取消部分车辆的雷达传感器。特斯拉后来在官方资料中明确表示，其部分Autopilot和主动安全功能已经从依赖前向雷达转向Tesla Vision，也就是以摄像头视觉为基础的方案。

另一边，Waymo则继续采用激光雷达、摄像头和雷达融合的方案。2026年Waymo公布的第六代Driver仍然采用这三类核心传感器，并进一步强调激光雷达在三维几何和精确距离测量方面的作用，同时利用雷达增强恶劣天气环境下的感知能力。 这两条路线的存在本身就说明，激光雷达不是自动驾驶的“必选答案”，但也不能因此认为它没有价值。

对于自动泊车和低速复杂环境，激光雷达尤其适合提供近距离三维几何信息。车辆需要知道墙壁、柱子、其他汽车以及行人距离车身有多近，这类任务本质上是空间测量问题。激光雷达可以提供大量距离采样，因此能够成为摄像头和超声波等传感器之外的一层感知信息。

到了高速道路，情况又有所不同。车辆需要提前发现远处目标、判断相对速度，并持续预测其他车辆的运动。这里毫米波雷达的速度测量能力和摄像头的目标识别能力就非常重要，激光雷达则可以提供更加精细的空间几何信息。最终进入车辆决策系统的，并不是某一个传感器的单独结论，而是多个传感器融合之后的环境模型。

因此，激光雷达真正解决的问题可以概括为一句话：它让自动驾驶系统更直接地获得“空间长什么样”。摄像头告诉系统这个东西可能是什么，雷达帮助系统判断它在哪里以及怎样运动，而激光雷达则提供非常丰富的三维几何信息。现代自动驾驶真正困难的地方，也正是如何把这些不同来源的数据准确地融合起来，并在传感器出现冲突、遮挡或者恶劣天气时仍然保持可靠的判断。

对于普通消费者来说，购买一辆配备激光雷达的汽车，并不意味着它就自动拥有更高级的自动驾驶能力。真正应该看的，是整套驾驶辅助系统能够实现什么功能、适用什么道路和天气条件、驾驶员需要承担什么责任，以及车辆的软件和传感器融合能力如何。激光雷达是一种非常有价值的感知工具，但它既不是自动驾驶的全部，也不能单独承担自动驾驶安全的全部责任。