从自动驾驶到治理雾霾，再到发掘古迹，激光雷达正在改变人们的生活。

　　古有老马识途，今有自动驾驶带路。

　　在科技浪潮的裹挟下，人类正加速跨入自动驾驶时代。而汽车实现自动驾驶的关键技术，便是拥有抗干扰性强、成像清晰等优势的激光雷达技术。

　　除了让自动驾驶“看见”世界外，激光雷达还可以给人们带来更多惊喜。例如，激光雷达通过连续探测大气颗粒物，认识雾霾发展规律和时空演变，就可以为雾霾防治提供技术支撑。激光雷达还可以搜集城市地理信息，发掘历史遗迹……

　　从自动驾驶，到治理雾霾，激光雷达正在改变人们的生活。那么，激光雷达的发展现状是什么？激光雷达又是如何让自动驾驶汽车“看见”世界？激光雷达未来的发展趋势又是什么？国家杰青、长江学者特聘教授、武汉大学教授杨必胜带你走进激光雷达的世界。

　　国内在装备与应用上落后国外

　　《定位》：激光雷达起源是怎样的？被引入中国后，目前它在中国的发展水平如何？与国外有何差距？

　　杨必胜：激光雷达（LiDAR）是用激光器作为发射光源，采用光电探测技术的主动遥感设备。德国斯图加特大学在上个世纪80年代将激光雷达与惯性测量单元（IMU）结合，最早开展了机载激光扫描系统的研发。

　　1995年左右机载激光扫描系统开始商业化，后续应用在陆地地形测量、森林资源调查、地学研究等领域。20世纪90年代末，中国科学院遥感应用研究所在“863计划”项目的支持下研制了机载激光三维成像仪，并开展了相关的试验。而后，随着技术发展，激光雷达开始应用在机器人和无人驾驶等领域，也就此走进了大众视野。目前国内做装备研制的大多是科研院所，但也有少数民营企业参与其中，如上海机光所、海达数云等。

　　目前激光雷达在国内的发展水平与国外的相比仍有一定差距。从装备上说，国内厂商在激光雷达的核心器件、环境适应性、测量距离、精度等方面仍有上升空间。从应用上说，激光雷达在国内还未形成大规模示范性应用成果，当前国内应用得最早且最成熟的是电力方面，其次是地形测绘方面。

　　《定位》：当前，激光雷达面临的挑战有哪些？我们应该如何去应对这种挑战？

　　杨必胜：当前激光雷达面临的最大挑战是如何利用好采集回来的数据。现在无论是国外还是国内，测量数据后处理的研究相对滞后，都没有较为系统化的处理工具，在一些环节上还需大量的人工干预进行滤波、信息提取等处理。

　　激光雷达通过距离、角度测量数据结合惯性测量单元（IMU）的姿态数据以及差分GNSS定位数据获取观测对象表面点密集三维坐标，为三维信息提取和三维场景重建等提供三维点云，而目前却没有好用的点云处理工具，这导致用户不愿意用。

　　而且，针对数据处理工具的操作，对于二维数据，用户的交互操作只需做简单的放大、缩小、选取等动作即可；但三维数据，它是可360°自由旋转，这对以往的用户操作习惯造成了很大冲击，需要重新培养用户操作习惯。

　　激光雷达面临的另一挑战是满足各种不同需求。不同行业的用户需求不一，比如做测绘的用户要地形图，做市政的用户要提取部件，做道路普查的用户关心周围是否有东西损坏……针对不同的应用场景用户的需求，激光雷达如何能处理好，并挖掘出其中的紧密结合点、需求点、战略关系，也是一大挑战。

　　激光雷达成为自动驾驶的标配

　　《定位》：特斯拉CEO马斯克曾表示，“傻子才用激光雷达，现在谁（做自动驾驶）还要靠激光雷达，那注定完蛋”。您对马斯克的这番言论怎么看？

　　杨必胜：我认为这个观点是片面的。

　　马斯克如此断定激光雷达注定完蛋，我认为很大程度上缘于深度学习驱动下的光学图像目标识别技术。经过深度学习，进行大量数据训练，影像处理变得比以往简单，它能实时跟踪一个人、多辆车、多条车道。

　　但光学图像目标识别技术有一个天然的限制——环境适应性差。在光照条件较差（如夜晚）和光照条件变化剧烈的环境下，图像目标识别也面临较大的挑战。特拉斯自动驾驶主要用的是图像目标识别技术加毫米波雷达。激光雷达目标识别技术需要判断点云的三维几何和语义特征，由于点云密度差异以及不完整性和非结构化，点云三维目标识别复杂。

　　自动驾驶是在三维的环境下发生的，靠激光雷达进行目标识别更贴合自动驾驶的需求，驾驶员能清楚知道目标在哪里，行驶的方向、距离，甚至包括移动的速度。

　　所以马斯克说激光雷达一定会完蛋，我认为不能一概而论。在短时间内，很难说二者谁完全取代谁，每个技术都有其适用性，二者可以相辅相成。

　　《定位》：为什么大部分自动驾驶厂商把激光雷达作为研究方向？

　　杨必胜：这是因为激光雷达能对一定范围内的目标周围场景进行360°快速扫描，并反馈数据。激光雷达能让驾驶者知道车辆的距离是多少，路槛有多高，前面是行人、围栏还是静止的车辆；而且激光雷达采样频率非常高，对周围空间采样非常密集，非常小的目标都能识别并采集，能让驾驶者更清楚周围环境。我认为这两点是最直接驱动自动驾驶厂商把激光雷达作为主要传感器的原因。

　　激光雷达量产还有较长的路要走

　　《定位》：除了应用于自动驾驶，激光雷达目前还应用在哪些领域？

　　杨必胜：目前激光雷达在典型领域里得到了广泛应用，如深空探测、地球科学研究、森林资源调查、城市形态分析、电力走廊安全巡检、海岛礁测绘及文化遗产数字化保护、地形监测、水利监测、地下数据采集等。尤其在地球科学研究中研究冰川，目前最直接的研究手段便是使用激光雷达来精确判断冰川滑动方向上的细微变化，从而判断冰川容量变化。

　　我们生活在一个三维世界里，需要三维信息，而激光雷达能直接获取三维信息。如做林业调查，以前只需知道这片土地是否有树，有平面图纸即可。而现在，林业有一学科叫“森林经理学”，便是做林业的精准管控：哪些地方长什么树？这棵树是什么类型？它有多高？多粗？树冠有多大？它跟周围树之间的密度是怎样？什么时候可砍树？在哪些地方砍？砍多少？砍完后密度怎样……这些信息，二维数据提供不了，所以林业需要使用激光雷达，以了解每棵树的精准三维垂直结构，便能准确计算出树木碳储量。

　　《定位》：目前激光雷达设备价格居高不下。请问激光雷达何时且通过什么途径，能使其在成本上变得更具量产可行性？

　　杨必胜：我个人认为，激光雷达价格居高不下，主要有两个原因：第一，激光雷达的用户少；第二，生产厂商主要关注激光雷达性能而非应用。

　　目前，激光雷达最广为人知的应用是自动驾驶，显然因其价格高昂，受众不多，而它在其他领域的应用，相对专业和小众，受众也不多，比如测绘领域等。相反，关注图像目标识别技术的人很多，从图像目标识别技术各种会议动辄数万的参与人数便可看出。而激光雷达的会议，有上千人参与就已相当不错。

　　显然，企业都在推动图像目标识别技术发展，关心其应用。图像目标识别技术所拍照片经过图像处理，能迅速发挥不同作用，体现各种应用价值。而激光雷达目标识别技术现阶段处理手段相对落后，处理工具不完善，采集到的海量数据无法发挥应有的作用，在应用范围上暂时无法与图像目标识别技术媲美。

　　激光雷达若要实现大规模应用，我认为需要更多人的共同参与，还有一段较长的路要走。就如图像目标识别技术，在未有深度学习前，智能相机不多，但有了深度学习后，更多的人参与进来，图像处理技术迅猛发展，极大地推动了图像目标识别技术的发展。

　　如果参与激光雷达目标识别技术的人越来越多，更多的需求会被挖掘、满足，从而促进该技术优化。而通过使用者的口碑传播，会吸引到更多的人来使用激光雷达，这样一来价格就会下降，进而促进激光雷达技术发展，从而形成良好闭环。

　　小型化和数据处理便捷化是趋势

　　《定位》：请展望激光雷达的发展趋势。

　　杨必胜：我个人认为激光雷达未来有两大发展趋势：小型化和数据处理便捷化。

　　目前大部分的激光雷达体型都不小。它因体型大无法隐藏在车身内，只能突兀的装置在车顶，影响了车辆的美观。而激光雷达小型化后更方便携带及使用，更利于用户量增长。

　　另外，若激光雷达的数据后处理软件如图像目标识别技术的那般普及，有开源资源，有大量工具可下载使用，即使是小白也可上手尝试，那自然可以吸引更多的人参与并促进其技术发展。以逆向工程为例，扫描得到精细三维后，若其结构、尺寸、大小等数据能自动输出，定能令人惊讶。同时，人类倾向于看到真实、形象的事物，如激光雷达能精确复原，也非常吸引人。所以激光雷达的数据后处理工具还有很大提升空间，数据处理便捷化是其一大趋势。

　　【人物名片】

　　杨必胜，武汉大学测绘遥感信息工程国家重点实验室教授，博士生导师，教育部长江学者特聘教授，国家杰出青年基金获得者，第四批万人计划科技领军人才。担任时空数据智能获取技术与应用教育部工程中心主任。作为第一完成人曾获湖北省科技进步一等奖和教育部自然科学一等奖。主要从事无人机三维测量、激光扫描、三维地理信息获取与应用方面的研究。

　　由于长期从事三维地理信息获取与分析方面的理论与方法研究，杨必胜创新性提出了“广义点云”的科学概念，被国际摄影测量与遥感学会遴选为2016年-2020年的重要研究主题之一。