自駕車在近年成為發燒議題,不論是GM、Volvo、Toyota等傳統車廠,或是新進業者Telsa、UBER、Waymo、Nuro.ai等,都積極透過實驗車輛路測蒐集環境資訊,建構自駕車所需的高精度地圖以及AI深度學習所需的路況資料。做為自駕車的「眼睛」,道路實測的自動駕駛車輛同時配備有影像感測等多種感知系統,其中處於關鍵地位的就是光達(LiDAR)感測器。光達的作用是可測量周圍車輛、物體等的距離,建立3D空間影像並加以辨識。現階段主要應用領域包括遙測、工廠自動化設備,以及鐵路、隧道等社會基礎建設的災害防範監視用途等。
相較於運用可視光範圍的影像感測裝置,由於光達使用近紅外線,不易受環境中光線的干擾,光達感測主要具有多項優點,包括在可接收反射光的範圍(車用產品約可達200公尺甚至300公尺)內均可辨識,不受環境中光線強弱或陰影的影響;紅外線、毫米波等感測器主要應用於測量距離,若由影像感測建立3D視覺,則需仰賴複數台數的影像感測裝置;光達可使用一台感測器來建立立體環境掃描資訊;光達在遠距離使用情境下較能維持量測精準度。
目前自駕車道路測試使用的光達均出自光達大廠Velodyne,但此局面正在改變。除後進的Quanergy、Ibeo、Luminar等業者,尚有自動駕駛業者Waymo自行開發,還有傳統車廠GM收購光學雷達新創公司 Strobe、人工智慧公司Argo AI收購Princeton Lightwave,跨足光達領域。
未來在提升精確度、降低光達價格及縮減光達體積等技術競爭上,Velodyne將面對更多新進挑戰者,在車廠及新興自駕車解決方案業者積極投資下,預期業者家數及產品將日漸增多,並朝多樣化類型發展。
在新光源方面,垂直共振腔面射型雷射(VCSEL)逐漸受到矚目,優點包括輸出功率較高、雷射陣列體積較小及可降低光束發散程度等,使光線的有效傳輸距離及量測範圍增加;束波成型則是藉由調整光線收發的干涉程度強化訊號,以提升訊號接收穩定度,達到實際增加量測距離的效果。
Google、Waymo、Uber等業者也發展包含光達的感測器融合技術,將光達感測技術回傳資訊與其他類型感測器偵測的資訊整合,並給予不同的權重與勘誤邏輯,以提升整體辨識精確度,做為未來自駕車所需之人工智慧深度學習訓練與推論的基礎資訊。
「無機械結構化」技術是設法去除目前光達可動結構技術。光達主要結構是由對周圍照射近紅外線雷射光的發射光線模組,以及接收反射物體光線的接收光線模組構成,建立環境立體模型的原理,是根據照射光與接收到光線的時間差計算距離。
其中發射光線執行掃描的功能,即是透過馬達等可動結構來運作,可動機械結構占體積較大,且調校費時不易大量量產,為當前光達價格居高不下主因。
目前光達價格約8萬美元,一般消費性應用難以導入。為縮減體積與降低成本,各家廠商開始採用以MEMS(微機電系統)設計機構,或導入可控制折射率、依循光線方向來掃描的機構等方式更新設計。光達領導業者Velodyne已在2016年底發表無機械結構的產品,未來價格可望大幅降低;法國車電業者Valeo在2016年5月宣布與LeddarTech開發無機械結構的產品,Toyota的一階車電供應商DENSO在2016年4月投資開發無機械結構光達的美國新創業者TriLumina。
無機械結構式的結構設計變化將是影響光達產業發展的關鍵,未來價格若能大幅下降,除現有應用領域及自駕車外,亦有機會導入掃地機器人等自動化家電領域,擴大光達整體應用市場。
(本文刊登於經濟日報 2018/9/16 A12版)