随着世界科技向智能化、高效率发展，激光雷达及其应用也受到越来越多的关注。但是，人们对激光雷达技术及性能等方面也存在一些误解。本文将为大家揭开关于激光雷达的六个常见误区。
1、激光雷达应用的技术复杂
虽然激光雷达是由不同硬件组成的复杂传感器，但实际上其基本工作原理相当简单。传感器使用飞行时间法，该探测原理类似于蝙蝠使用声波或雷达使用微波。
如果我们把传感器分解成几个部分，即激光器、探测器和光束偏转单元，激光雷达就不再是一项令人望而生畏的技术了。激光源首先发出激光脉冲，这些脉冲通过微振镜偏转到场景中，探测器检测反射光，根据激光脉冲发射时间和返回时间精确计算出距离。
每秒钟重复数千次甚至数百万次以上这个过程，实时生成精确的3D环境点云。这些3D点云数据易于分析和利用，例如，用于自动驾驶决策。
这项技术是在20世纪60年代早期发明脉冲激光器之后发展起来的，脉冲激光器重复发射光脉冲，而不是采用连续波。
2、在自动驾驶汽车应用中，激光雷达是多余的
埃隆·马斯克(Elon Musk)在2019年的一次会议上忽视了激光雷达在自动驾驶汽车上的用途，这一事件迄今为止滋生了许多关于激光雷达的谬论。他声称，在相机和智能算法的辅助下，激光雷达是多余的，并将一直坚持自己的立场。
摄像机应用不同的图像识别技术，可以采集彩色视觉图像，但仅仅采用一个摄像机，只能捕捉到2D数据，很容易导致视觉错觉和距离误判。有不少的悲惨例子表明，这些缺陷是危险的，有时甚至是致命的。
相比之下，激光雷达可以可靠地捕捉3D数据，并精确识别出距离和物体尺寸。
融合精确的3D激光雷达数据有助于在摄像机“失明”的情况下依然能够感知周围环境，比如在走出隧道后摄像机需要一定时间适应光线变化等场景。
此外，摄像头生成的2D图像，表面上看起来可能足够精确，足以训练自动驾驶汽车的算法。但它们仍然有很多不精确的地方，会降低机器学习模型的准确性，从而降低车辆感知、预测和决策的能力。促进自动驾驶的机器学习能力需要具有可扩展性，并解决“长尾巴”问题。这意味着仅满足道路上车辆所面临的95%的场景是不够的，基于机器学习的自动驾驶功能还要针对5%的棘手情况进行训练，同时不断提高其性能，这需要大量纯相机系统数据用于训练。
相比之下，激光雷达可以提供更多的机器学习预测模型，同时生成更高精度的训练数据。因此，激光雷达是更可靠、更健壮的自动驾驶系统所必需的传感器。
3、激光雷达可以完全被其他传感器取代
关于激光雷达最常见的一个误解是，它可以被相机或雷达传感器替代，这种误解源于人们对这些传感器技术如何以不同方式对物体进行分类缺乏了解。在理解了这些传感器的不同能力和产生的数据类型之后，我们会了解到它们在功能上的互补。相机采集到的是2D图像，提供灰度或颜色信息、纹理和对比度。为了进一步分析这些数据，需要使用图像识别软件。因为相机应用的是被动测量原理，物体需要被照亮来检测。此外，需要两个或更多的相机来创建3D图像，以及高计算能力。
雷达测量三维信息，在确定物体距离和速度方面具有极高的精度。然而，分辨率较低，他们无法精确探测（以厘米为尺度）或对物体进行分类。
激光雷达将采集得到的三维数据创建形成点云，根据点云形状和大小，可以精确地检测物体，将物体分为不同的类别，如人、汽车、建筑物等。
