滚动新闻 →
哈马斯高级指挥官在加沙南部空袭中被击毙 广西平南城管冲突事件:摊贩反击致执法人员倒地 三星杯四强产生 申真谞 卞相壹双双晋级 南加州或迎18英尺巨浪 气象局发布预警 沈栋驳斥卖中国AI芯片维持其落后的荒谬逻辑 加拿大如何提前知道自己可能需要补税 中共海外追税1600亿 富人加速资产转移 百艘共艇集结西太平洋 无声军演围堵台湾 多地医院急诊停诊引发医疗资源配置争议 美国柴油价格回落至6美元以下 欧洲同步下跌 北京101中学学生坠楼事件引争议 校方要求删除视频 加拿大反歧视法律如何形成 美中俄三方峰会将举行 分析称象征意义为主 韩国税务师考试榜首承认AI作弊并自首 意大利监管机构对Meta处以8.87亿美元罚款 未获用户授权访问相册 宾夕法尼亚为何成为宗教宽容之地 冷门绝学学院设立引争议 学者质疑其政治意图 三方会谈聚焦核裁减 中共战略困境凸显 天花板出现水渍一定是屋顶漏水吗 江西维权事件连环爆发 中航诈骗案受害者持续围堵金融监管局 安徽老党员推墙让路?官媒集体转发 舆论大翻车 贝森特称婚外情属次要 重点应聚焦芯片出口管制 流水线并行怎样把模型分布到不同 GPU,实际部署中如何处理流水线空闲时间 巴林两次发布警报应对伊朗无人机袭击美军设施 章家敦:中国经济崩溃威胁全球市场 黄仁勋辞职风波:卢比奥情报备忘录成导火索 万斯或退出2028大选,共和党中期失利成关键因素 法国周六抗议再起冲突 全国约两百人被拘 菲澳深化军事合作应对南海安全挑战 Google Cloud 混合云架构怎么做,本地数据中心与云端应用应该如何连接 MySQL ALTER TABLE 很慢怎么办?生产环境数据库迁移需要注意什么 电脑随机死机但没有蓝屏,内存故障有哪些典型特征 卢比奥中期选举后首度发声 小女儿登台介绍父亲释放政治信号 横滨三溪园菊花展绽放传统之美 迈阿密机场两架客机滑行道相撞 机上172人安全撤离两人轻伤 Windows 11 DNS 怎么修改?了解公共 DNS 和自动获取的区别 路透社曝光黄仁勋与黄乐旧照 2024台北电脑展亲密互动 钢琴家齐默尔曼天津演出遇冷 音乐厅未供暖致发挥失常 江苏兴化油脂厂深夜爆炸 火光数公里外可见 PHP 网站分页功能怎么实现?MySQL 查询和前端页码应该如何配合

为什么有些智能汽车使用激光雷达

发布时间: 2026-10-26 11:45:01    最后更新: 2026-11-14 23:40:39    阅读:79  约6 分钟阅读     

为什么有些智能汽车使用激光雷达
图片说明:示意图   图片来源:Public Domain(公有领域)
智能汽车为什么要在车顶或车身前部安装一个价格不低的激光雷达?答案并不是“摄像头看不见东西”,也不是激光雷达一定比摄像头更先进。不同传感器实际上是在测量不同的信息。摄像头擅长获取颜色、纹理、文字和道路视觉信息,毫米波雷达擅长测量目标的距离和相对速度,而激光雷达则能够主动向环境发射激光,并直接获得大量三维空间测量数据。对于需要建立精确环境模型的驾驶辅助系统来说,这种信息具有独特价值。

激光雷达的基本工作原理是向外发射激光脉冲,然后测量光线从传感器传播到目标物体再返回所需要的时间,由此计算目标距离。传感器连续获得大量距离测量结果后,可以形成所谓的点云(Point Cloud),从而描述车辆周围物体的空间位置、轮廓和高度。

这里需要纠正一个常见误解:激光雷达并不是任何时候都能够达到“厘米级精度”。实际测量精度取决于雷达类型、距离、反射率、扫描方式、环境条件以及具体产品设计。它真正重要的优势,是能够提供相对直接的三维几何信息。例如道路上的车辆、路缘、护栏、锥桶、行人以及其他障碍物,都可以通过空间位置和形状获得比较清晰的几何描述。

摄像头和激光雷达之间并不是简单的替代关系。摄像头可以看到物体的颜色、纹理和文字,例如交通标志上的具体内容、红绿灯颜色、车辆灯光状态以及道路标线的视觉特征,这些都是激光雷达不擅长直接提供的信息。激光雷达则可以提供非常丰富的深度数据,因此在判断物体距离、空间位置和三维轮廓方面具有明显优势。

这也是为什么很多采用激光雷达的智能汽车仍然会安装多颗摄像头。车辆可能同时使用前视摄像头、环视摄像头、侧向摄像头、毫米波雷达、超声波传感器以及激光雷达。自动驾驶系统再通过传感器融合(Sensor Fusion)把这些不同来源的数据结合起来。

例如,一辆停在道路旁边的汽车,摄像头可以识别它是什么颜色、车型大致属于哪一类,并通过视觉算法判断车灯、车牌或者其他视觉特征;激光雷达则可以提供车身的三维位置和轮廓;毫米波雷达可以进一步提供距离和相对速度信息。三种传感器提供的信息不同,但组合之后,系统获得的环境模型更加完整。

激光雷达在夜间等低可见光场景中也具有一个重要特点:它属于主动式传感器,并不依赖环境中必须存在足够的可见光。因此,黑夜本身不会像对普通摄像头那样直接成为决定性限制。不过,这并不意味着激光雷达“什么天气都不怕”。大雨、浓雾、积雪、道路飞溅物以及空气中的大量颗粒物,都可能对激光传播和回波质量产生影响。传感器窗口被泥水、冰雪或者灰尘覆盖,也会明显影响实际效果。

激光雷达还有一个重要应用,就是帮助车辆建立更加准确的三维空间模型。在自动泊车、低速环境感知以及部分高级驾驶辅助场景中,车辆需要知道附近障碍物究竟距离车身多远、位于什么方向,以及空间中是否存在可以通过或者不能通过的区域。高密度三维点云能够为这类任务提供非常有价值的数据。

不过,不能把激光雷达简单理解成“装上以后自动驾驶就更安全”。最终驾驶能力取决于整个系统,包括传感器质量、安装位置、计算平台、感知算法、定位系统、规划控制软件以及驾驶员监控机制。一个传感器获得了更多数据,并不意味着软件一定能够正确理解这些数据。

特斯拉长期采用以摄像头和视觉算法为核心的技术路线,而其他汽车制造商和自动驾驶公司则采用包含激光雷达在内的多传感器方案。这两种路线背后的工程取舍不同。纯视觉方案可以减少硬件数量和部分传感器成本,同时依赖更强的视觉算法和计算能力;多传感器方案则可以获得更多类型的原始环境信息,但需要承担额外硬件成本、数据融合复杂度以及系统集成成本。

成本一直是激光雷达大规模普及的重要因素之一。早期车规级激光雷达价格较高,而且体积、可靠性、寿命以及量产一致性都曾经是产业化难题。随着固态化、芯片化以及规模化生产的发展,激光雷达的体积和成本已经明显降低,因此它已经从少数高端车型的配置逐渐进入更多量产车型。不过,最终是否采用激光雷达,仍然取决于车辆定位、辅助驾驶功能、成本目标和厂商的整体技术方案。

从计算角度看,激光雷达也不是免费的午餐。高频率、高密度点云意味着系统需要持续接收、过滤、聚类和融合大量三维数据。车辆的计算平台需要具备足够的算力、内存带宽和实时处理能力,同时还要控制功耗和散热。对于量产汽车来说,这些都是实际工程成本,而不仅仅是软件开发问题。

消费者在购买智能汽车时,也不应该只盯着“有没有激光雷达”。更值得了解的是,这套系统究竟支持什么级别的驾驶辅助功能,传感器具体如何组合,系统在高速、城市道路、夜间和恶劣天气中的功能边界是什么,以及驾驶员是否必须持续监督。硬件数量越多,并不自动意味着驾驶辅助能力越强;真正重要的是硬件、软件和安全策略能否形成可靠的完整系统。

激光雷达存在的核心原因,说到底是为了给汽车增加一种不同于摄像头和毫米波雷达的环境测量能力。它能够主动测量空间距离,并形成高密度三维信息,在某些驾驶辅助和自动驾驶任务中具有明显价值。但它也有成本、天气适应性、计算负担和系统集成等限制。因此,今天汽车行业出现的并不是“激光雷达一定取代摄像头”,而是不同厂商根据自己的算法能力、硬件成本和产品目标选择不同的感知架构。

对于消费者来说,与其简单比较“有激光雷达”和“没有激光雷达”,不如真正了解车辆能够做什么、不能做什么。自动驾驶的竞争最终并不是传感器数量的比赛,而是从感知、定位、预测到规划和控制的整个系统工程。激光雷达只是其中一个重要工具,而不是一颗装上汽车以后就能自动解决所有问题的魔法眼睛。
本文作者
赵凯(Kevin Zhao)
汽车财经与维修专栏撰稿人|汽车技术研究者

喜欢这篇报道?

使用下面的功能,方便以后继续阅读和分享 MNewsTV

设为 Google 新闻首选来源 让 Google 新闻优先显示 MNewsTV 的最新报道 ›
★ 我的收藏 查看已经收藏的文章
关于文章收藏 收藏不需要注册帐号,收藏信息仅保存在当前浏览器中。 删除收藏请进入「我的收藏」进行管理。
分享这篇报道

捐助(Paypal): https://www.paypal.me/observeccp
订阅中国观察电报 Telegram : https://t.me/s/ObserveCCP