Velodyne Acoustics曾是硅谷一家生产高保真低音炮和家庭影院设备的厂商,当时创始人David Hall和他的兄弟Bruce以Team DAD——即Digital Audio Drive——的名义,用一辆车参加了2005年DARPA大挑战赛。在研发这辆赛车的过程中,他们撞上了每支队伍都会撞上的那堵墙:市面上的激光雷达扫描仪只能盯住一条固定的视线,而以摄像头为核心的导航又无法可靠地测量距离。瓶颈在传感器,不在软件。

Hall的答案是机械式的。他把64束激光装在一个每分钟旋转数百次的转头上,覆盖360度的水平视场,每束光通过飞行时间报告距离。Velodyne的传感器每秒产生约一百万个数据点,而早期系统约为5,000个。2007年Velodyne没有让自己的车辆参赛;它把HDL-64卖给了城市挑战赛的十支参赛队伍,而六支完赛队伍中有五支——包括冠军——靠它来转向。

这款衍生传感器成了自动驾驶时代的默认之眼。谷歌该项目技术负责人Chris Urmson称安装在车顶的Velodyne 64线激光为“我们系统的心脏”,当时Prius原型车已累计行驶超过19万自动驾驶英里;史密森尼学会将一台原型机收入其机器人收藏。Nokia Here、Bing Maps、TomTom和百度的移动测绘车队则使用更小的HDL-32E,2016年福特和百度投资1.5亿美元以扩大生产。

这一地位的脆弱性后来显现出来:Waymo通过将传感器自研内部化,把激光雷达成本削减了约90%,而Velodyne本身于2020年通过SPAC上市,后于2023年并入Ouster。但业内每一套自研激光雷达栈描述世界的方式,仍然是Hall那个旋转头最早展示的样子——一朵实时的360度点云。

旋转64束激光;时时刻刻看见一切

制约因素是覆盖范围,而非光束质量;旋转64束光将数据率放大了200倍,而无需等待任何扫描镜。

让传感器在场景中移动,就把时间变成了视场——每一帧都返回整条街道,因此软件可以依据一张完整的地图来规划。

一家消费音响店懂得旋转组件和振动,因此原型机的花费只相当于业余赛车的钱,而国防承包商还在写方案。

一次性卖给十支参赛队伍(包括对手),让一款未经证实的传感器在一个比赛周期内就成了事实标准。

当覆盖范围是瓶颈时,就改变运动的东西:让整个传感器旋转,让机械来完成工作。把这项突破一次性卖给所有对手队伍,使它瞬间成为标准。

旋转多线设计定义了此后十年的自动驾驶感知:到2011年,谷歌的Prius原型车已在HDL-64E上累计行驶超过19万自动驾驶英里,全球测绘车队也采用了HDL-32E。福特和百度于2016年投资1.5亿美元,但随着Waymo等公司将激光雷达自研内部化,成本大幅下降——到2017年成本降低约90%——Velodyne于2020年通过SPAC上市,后于2023年并入Ouster。360度点云仍是每个竞争者赖以构建的标准表示。

从这里,追溯依据

参考来源

  1. Engines of change Government Computer News (Internet Archive snapshot) · web.archive.org ·
  2. How Google's Self-Driving Car Works IEEE Spectrum · spectrum.ieee.org ·
  3. Ford, Baidu bet $150M on Velodyne laser radar USA Today · usatoday.com ·
  4. Google's Waymo invests in LIDAR technology, cuts costs by 90 percent Ars Technica · arstechnica.com ·
  5. Static Calibration and Analysis of the Velodyne HDL-64E S2 for High Accuracy Mobile Scanning Remote Sensing (MDPI) · doi.org