[首發(fā)于智駕最前沿微信公眾號]在自動(dòng)駕駛中，激光雷達(dá)一直是非常重要的感知硬件，而在評價(jià)激光雷達(dá)的性能時(shí)，一個(gè)最常被提及的指標(biāo)就是“線數(shù)”。所謂線數(shù)，是指激光雷達(dá)在垂直方向上能夠同時(shí)發(fā)射和接收激光束的數(shù)量。每一束激光都會(huì)掃過環(huán)境并返回反射信號，形成一個(gè)測距點(diǎn)，成千上萬個(gè)點(diǎn)組合在一起，就構(gòu)成了三維的點(diǎn)云圖。

在行業(yè)發(fā)展初期，16線、32線雷達(dá)是主流，而如今128線甚至更高級別的雷達(dá)已成為旗艦車型的標(biāo)配。隨著線束越來越多，不知道大家是否會(huì)有一個(gè)疑問，那就是既然線數(shù)越高，產(chǎn)生的數(shù)據(jù)量就越大，那計(jì)算機(jī)處理起來肯定越費(fèi)勁，對算力的要求是否也就越高？

其實(shí)事實(shí)恰恰相反，在自動(dòng)駕駛感知系統(tǒng)中，高線數(shù)激光雷達(dá)反而能降低對芯片算力的壓榨，而低線數(shù)雷達(dá)雖然傳感器端數(shù)據(jù)稀疏，卻會(huì)成為算力消耗的黑洞。

點(diǎn)云密度決定了算力大小

要理解為什么會(huì)出現(xiàn)這個(gè)現(xiàn)象，首先要明白激光雷達(dá)是如何構(gòu)建世界的。線數(shù)其實(shí)直接決定了垂直角分辨率，線數(shù)越高，點(diǎn)云就越密集。我們可以將這想象成數(shù)碼相機(jī)的像素，16線雷達(dá)產(chǎn)生的圖像就像是一張極其模糊、滿是馬賽克的低分辨率照片；而128線雷達(dá)則能提供一張細(xì)節(jié)分明的高清影像。

此外，低線數(shù)雷達(dá)的垂直角分辨率通常在0.5度以上，這意味著隨著距離的增加，激光束之間的間隙會(huì)迅速擴(kuò)大。當(dāng)探測目標(biāo)處于50米甚至100米開外時(shí)，原本就稀疏的掃描線可能只會(huì)從一個(gè)行人身上掃過一兩下，甚至完全漏掉如馬路牙子或井蓋等低矮的障礙物。

圖片源自：網(wǎng)絡(luò)

這種物理上的“信息缺失”給后端的計(jì)算機(jī)視覺算法帶來了巨大的麻煩。自動(dòng)駕駛系統(tǒng)需要通過這些破碎、稀疏的點(diǎn)去還原出障礙物的真實(shí)三維輪廓、精確位置和運(yùn)動(dòng)狀態(tài)。

由于原始數(shù)據(jù)無法提供足夠的幾何細(xì)節(jié)，算法不得不開啟“腦補(bǔ)”模式。此時(shí)，計(jì)算中心需要調(diào)動(dòng)大量的算力資源，通過復(fù)雜的概率模型或深度神經(jīng)網(wǎng)絡(luò)來推斷那些在掃描線縫隙中消失的信息。

而高線束雷達(dá)在探測階段就通過密集的激光脈沖完成了這一任務(wù)，它輸出的點(diǎn)云本身就包含了清晰的邊界、平整的平面和細(xì)膩的結(jié)構(gòu)。對于計(jì)算機(jī)而言，處理這種“所見即所得”的數(shù)據(jù)，遠(yuǎn)比處理那些需要反復(fù)推敲的殘缺信號要輕松得多。

稀疏數(shù)據(jù)的補(bǔ)全代價(jià)

在處理低線數(shù)雷達(dá)數(shù)據(jù)時(shí)，最核心的算力消耗環(huán)節(jié)在“深度補(bǔ)全”和“上采樣”中。當(dāng)輸入的原始點(diǎn)云極度稀疏時(shí)，為了保證感知的安全可靠，感知系統(tǒng)就需要引入點(diǎn)云超分辨率重建的技術(shù)。

這種技術(shù)利用深度學(xué)習(xí)模型，參考攝像頭的RGB圖像信息，通過跨模態(tài)融合的方式將稀疏的16線點(diǎn)云“偽裝”成高密度的稠密深度圖。這一過程涉及極其復(fù)雜的數(shù)學(xué)計(jì)算，尤其是大規(guī)模的卷積神經(jīng)網(wǎng)絡(luò)運(yùn)算，每一幀數(shù)據(jù)的補(bǔ)全都需要消耗大量的浮點(diǎn)運(yùn)算資源。

有研究顯示，如果僅使用極低線數(shù)的點(diǎn)云（如降采樣至1%），感知的準(zhǔn)確度會(huì)大幅下降，為了提升這種條件下對車輛和行人的識別置信度，算法必須增加網(wǎng)絡(luò)深度和參數(shù)量，這直接導(dǎo)致了處理器（如GPU）的功耗飆升。

此外，低線數(shù)雷達(dá)在遠(yuǎn)距離探測上的劣勢，迫使系統(tǒng)必須增加“時(shí)空對齊”的計(jì)算頻率。由于單幀數(shù)據(jù)點(diǎn)數(shù)太少，系統(tǒng)很難僅憑一幀圖像就斷定前方是一個(gè)行人還是一個(gè)靜態(tài)的路樁，因此需要調(diào)取前幾幀的數(shù)據(jù)進(jìn)行累加和運(yùn)動(dòng)補(bǔ)償，這在計(jì)算機(jī)科學(xué)中被稱為時(shí)序融合。頻繁的數(shù)據(jù)存儲(chǔ)、讀取和多幀對齊操作會(huì)產(chǎn)生嚴(yán)重的延遲和內(nèi)存壓力。

與之形成鮮明對比的是，高線數(shù)雷達(dá)輸出的單幀點(diǎn)云就足以讓模型產(chǎn)生極高的置信度。由于數(shù)據(jù)本身具有極高的保真度，后端算法可以使用更加輕量化的骨干網(wǎng)絡(luò)。

這意味著，雖然雷達(dá)傳來的“原始快遞”重了，但“拆件分揀”的邏輯變簡單了，總體感知的延遲反而得以縮短。

高線數(shù)如何賦能算法？

高線數(shù)雷達(dá)對算力的釋放，還體現(xiàn)在它讓“規(guī)則類算法”重新回到了舞臺(tái)中央。在感知邏輯中，深度學(xué)習(xí)雖然強(qiáng)大，但它像是一個(gè)黑盒，且極其耗能。如果激光雷達(dá)的分辨率足夠高，系統(tǒng)就可以采用更簡單的幾何邏輯來識別物體。

如利用相鄰激光環(huán)（Ring ID）之間的高度突變來直接提取物體邊緣，或者通過地面點(diǎn)剔除算法迅速鎖定障礙物。這種基于物理規(guī)則的算法計(jì)算復(fù)雜度極低，甚至不需要?jiǎng)佑冒嘿F的AI算力平臺(tái)，可以在一些低成本的嵌入式芯片上實(shí)時(shí)運(yùn)行。

圖片源自：網(wǎng)絡(luò)

像是VoxelNet（體素網(wǎng)絡(luò)）或PointPillars（點(diǎn)柱網(wǎng)絡(luò)）這類經(jīng)典的點(diǎn)云處理架構(gòu)中，點(diǎn)云的密度分布對效率有著決定性影響。當(dāng)點(diǎn)云稠密且分布均勻時(shí)，體素化的填充率更高，算法可以更高效地利用稀疏卷積技術(shù)跳過空曠區(qū)域，直接聚焦于有意義的特征點(diǎn)。

相反，當(dāng)數(shù)據(jù)過于稀疏且存在大量空洞時(shí)，神經(jīng)網(wǎng)絡(luò)在搜索特征時(shí)會(huì)產(chǎn)生大量的冗余計(jì)算，會(huì)試圖從噪聲中分離出有效信號。因此，在相同的檢測精度要求下，高線數(shù)輸入對應(yīng)的感知管道其實(shí)擁有更高的計(jì)算吞吐量。

此外，高線數(shù)帶來的冗余度也讓系統(tǒng)更加穩(wěn)定。128個(gè)激光器獨(dú)立工作，即使其中少數(shù)出現(xiàn)故障，密集的點(diǎn)云依然能維持基本的輪廓，算法不需要為此額外設(shè)計(jì)極其復(fù)雜的糾錯(cuò)補(bǔ)丁邏輯，這也隱形地節(jié)省了軟件層面的算力開銷。

安全冗余與系統(tǒng)效率之間的博弈

雖然高線數(shù)激光雷達(dá)的物料成本（BOM）明顯高于低線數(shù)雷達(dá)，但它帶來的系統(tǒng)級回報(bào)卻不容小覷。采用高線數(shù)雷達(dá)可以有效減輕自動(dòng)駕駛主控芯片的負(fù)擔(dān)，意味著車企不需要采購最頂級、最昂貴的算力芯片，也能實(shí)現(xiàn)流暢且安全的感知效果。這不僅優(yōu)化了芯片的選型成本，還通過降低芯片功耗簡化了整車的散熱設(shè)計(jì)和電源管理系統(tǒng)。

不僅如此，高線數(shù)激光雷達(dá)能夠顯著改善自動(dòng)駕駛在極端環(huán)境下的穩(wěn)定性。在雨霧天氣或光照條件劇烈變化的場景中，視覺感知會(huì)失效，而低線數(shù)雷達(dá)又可能因?yàn)楣馐⑸鋵?dǎo)致數(shù)據(jù)更加稀疏、不可用。此時(shí)，如果擁有高線數(shù)雷達(dá)提供的豐富三維結(jié)構(gòu)，系統(tǒng)就能在不增加計(jì)算壓力的前提下，維持一個(gè)安全的基礎(chǔ)感知水平。

圖片源自：網(wǎng)絡(luò)

這種由硬件帶來的確定性，是任何通過軟件補(bǔ)全、算法強(qiáng)化所無法完全替代的。隨著激光雷達(dá)技術(shù)的芯片化和制造規(guī)模的擴(kuò)大，線數(shù)的增加不再意味著體積的成倍增長，而是通過集成化設(shè)計(jì)在更小的空間內(nèi)實(shí)現(xiàn)更強(qiáng)大的探測能力。

最后的話

激光雷達(dá)線數(shù)與算力的關(guān)系，本質(zhì)上是物理世界數(shù)據(jù)精度與計(jì)算機(jī)推理復(fù)雜度之間的轉(zhuǎn)換。高線數(shù)雷達(dá)通過在前端投入更多的激光探測資源，極大地降低了感知算法對“缺失信息”進(jìn)行推算的需求，實(shí)現(xiàn)了感知的去復(fù)雜化。

這種“多端少云”的策略，讓自動(dòng)駕駛系統(tǒng)能夠以更輕盈的姿態(tài)運(yùn)行，不僅提升了實(shí)時(shí)性，也為后續(xù)的決策和規(guī)劃留出了更充裕的算力裕量。在通往更高級別自動(dòng)駕駛的道路上，更高線數(shù)的激光雷達(dá)不僅是提升清晰度的工具，更是優(yōu)化系統(tǒng)全局效率、實(shí)現(xiàn)硬件與算法完美協(xié)同的關(guān)鍵基石。

審核編輯 黃宇