2020年7月，日本科學技術振興機構JST下屬戰略創造研究推進事業小組Core Research for Evolutional Science and Technology (CREST)聯合日本Open Innovation Platform with Enterprises, Research Institute andAcademia（簡稱OPERA）從市面上直接采購了10款4個品牌的激光雷達做了對比測試。

這10款激光雷達中，Velodyne的有5款，國產禾賽的兩款，Ouster的兩款，速騰的一款。

第一輪評測對比的是激光雷達感知性能，分5個小選項，分別是二次反射Sec.Reflections、強度偏差Int.Aberrations、光暈Blooming、丟失點MissingPoints、交通標識視覺化LineVisibility。

激光反射不止一次，合理利用能夠增加點云密度，但有時強反射目標的二次反射會形成虛像，或許可以通過算法過濾重復點，但最好不要出現。10款激光雷達中只有VLP-32C和OS1-16有二次反射虛像，合理利用多次反射也有可取之處，如已過車規的法雷奧SCALA就是三次反射回波。

強度偏差使反射強度值過大的目標可能導致噪音，激光雷達為增加探測距離和信噪比，就要增加功率密度，就容易出現這種噪音。10款激光雷達中，128線的VLS-128出現在25米內，HDL-64、OS1-64、OS1-16應該是整個可測量范圍內都會出現。

光暈類似于陽光強烈時產生的五顏六色的光暈圈，或者像我們用手按壓液晶出現的色變，Ouster的兩款激光雷達都很明顯。

丟失點的原因是有些弱反射目標或小反射面積被忽略了，Ouster的同樣很糟糕。

最后是交通標識視覺化識別，主要是車道線，車道線漆面材質與路面差別明顯，激光雷達上會有明顯反映，路沿和路上的諸如“stop”的字符也是如此，這種物理方式的識別可靠性遠高于視覺算法，同時不受光線和淺積水積雪影響。路沿是高度有明顯變化，激光雷達能夠識別出高度變化。順便說一句，路沿檢測識別立體雙目做得更好。 交通標識視覺化分非常好、好、可接受、差、非常差5個級別，VLS-128明顯勝出，畢竟它最貴，線束最密集，分辨率最高。禾賽的兩款有扭曲失真，但還可以接受。Velodyne最低端的VLP-16表現也不錯。

接下來是測量距離精度對比，這里引入RMSE均方根誤差概念，又稱中誤差，衡量觀測精度的一種數字標準。亦稱“標準誤差”或“均方根差”。在相同觀測條件下的一組真誤差平方中數的平方根。因真誤差不易求得，所以通常用最小二乘法求得的觀測值改正數來代替真誤差。它是觀測值與真值偏差的平方和觀測次數n比值的平方根，在實際測量中，觀測次數n總是有限的，真值只能用最可信賴（最佳）值來代替。 近距離情況下，Ouster和Velodyne的誤差比較大，特別是Velodyne老64線激光雷達，這也是現在幾乎沒人用的原因，而禾賽64線非常優秀，整個測量區域內都很優秀，怪不得國外廠家很多在用禾賽激光雷達。有些激光雷達有效距離近，RMSE過大，已經不計入有效測量范圍，Ouster表現很差，64線只有65米，OS1-16只有25米。

接下來是點云數量對比測試，Ouster表現非常糟糕，64線還不如Velodyne的32線，85-120米連16線都不如，更不如禾賽的40線。禾賽表現非常優秀，40線幾乎接近Velodyne 64線的水準。

車輛點云密度，禾賽的64線壓倒了Velodyne的64線，相當驚人。VLP-32C表現也不錯。

行人點云密度，VLS在近距離領先，遠距離仍然不及禾賽的64線。

很明顯，禾賽的40線完全壓倒了Ouster的64線，速騰的32線也比Velodyne的VLP-32C要強。

衡量激光雷達反射強度分離度的指標為symmetric KL divergence (MKL)，這個值越高，證明強度分離性越好，也就可以激光雷達強度值來做點文章，比如物理方式識別車道線，利用強度成像取得灰度圖像，做高精度定位或道路標識識別。 左邊一列是白色目標與鉆石型Diamond目標之間的平均分離度，右邊一列是白色目標于Velvet目標之間的平均分離度。Ouster還是表現最糟糕。40線禾賽表現最好。

VLP-16近距離表現最好。

禾賽毫無疑問是第一名，Ouster需要更多努力。這也證明，我國的激光雷達絲毫不次于國外的，中國的月亮一樣圓。

原文標題：Velodyne、禾賽、速騰、Ouster四大品牌，十款激光雷達全面對比評測

文章出處：【微信公眾號：佐思汽車研究】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq