隨著自動駕駛汽車市場的成熟，傳感器和感知工程師評估系統(tǒng)效率、可靠性和性能等工作變得越來越復雜。許多行業(yè)領(lǐng)導者已經(jīng)認識到，用于激光雷達（LiDAR）數(shù)據(jù)收集的常規(guī)指標，例如幀率（frame rate）、全幀分辨率（full frame resolution）和探測距離（detection range）已不再能充分衡量激光雷達解決自動駕駛實際用例的有效性。

第一代激光雷達被動地搜索場景并使用背景圖案來探測物體，而背景圖案在時間（無法通過快速重新訪問進行增強）和空間（無法在諸如路面或行人之類的高度感興趣區(qū)域額外增加分辨率）兩個維度都是固定的。新型先進固態(tài)激光雷達可實現(xiàn)智能信息捕獲，從而將其功能從“被動搜索”或目標探測擴展到“主動搜索”，在許多情況下，還可以實時獲取目標的分類屬性。

由于早期的激光雷達使用固定光柵掃描，因此行業(yè)采用的是非常簡單的性能指標，無法表達出自動駕駛對所需傳感器的細微要求差別。因此，以AEye在內(nèi)的許多激光雷達行業(yè)領(lǐng)導廠商正提議采用三項新指標來擴展對激光雷達性能的評估。具體而言：對“幀率（Rate）”指標進行擴展，以包括“目標重訪速度”；對“分辨率（Resolution）”指標進行擴展，以獲得“瞬時分辨率”；對“探測距離（Range）”指標進行擴展，以反映更重要的“目標分類距離”。

我們建議將這些新指標與攝像頭、雷達和被動激光雷達性能的現(xiàn)有指標結(jié)合使用。這些擴展的指標可衡量傳感器智能增強感知能力，并對傳感器系統(tǒng)在現(xiàn)實環(huán)境中改善自動駕駛汽車安全性和性能進行更全面的評估。

自動駕駛行業(yè)利用了經(jīng)先進機器視覺研究驗證后的架構(gòu)，并將其應(yīng)用于特定激光雷達產(chǎn)品。事實證明，相比于目標識別，“搜索、采集（或分類）和采取行動”的架構(gòu)具有通用性和指導性。

搜索是探測到所有目標而不會丟失任何目標的能力。

采集被定義為能夠進行搜索探測并增強對目標屬性的理解，以加速分類并確定意圖的能力（可通過對目標類型進行分類或計算來實現(xiàn)）。

采取行動指由車輛感知系統(tǒng)或域控制器經(jīng)過訓練或建議對傳感器定義的響應(yīng)。響應(yīng)大致可分為四類：（1）繼續(xù)對新目標進行掃描，不需要增強信息；（2）對目標繼續(xù)掃描并進一步詢問，收集有關(guān)目標屬性的更多信息以進行分類；（3）對目標繼續(xù)掃描并跟蹤分類為非威脅性目標；（4）對目標繼續(xù)掃描并命令控制系統(tǒng)采取規(guī)避措施。

此架構(gòu)的最終目標就是車輛完全安全運行所要求的性能指標和系統(tǒng)有效性。但是，由于目前大多數(shù)激光雷達系統(tǒng)都是被動的，只能進行基本搜索。因此，用于評估這些系統(tǒng)性能的常規(guī)指標與基本的目標探測功能有關(guān)：幀率（Rate）、分辨率（Resolution）和探測距離（Range）。如果以安全性為最終目標，則“搜索”需要更加智能，“采集（或分類）”操作必須更快速準確地進行，以便傳感器或車輛確定如何立即“采取行動”。

汽車激光雷達系統(tǒng)的制造商經(jīng)常被問及產(chǎn)品幀率，以及技術(shù)是否有能力在一定距離內(nèi)（通常為230米）探測到反射率為10%的物體。我們認為這些是必須的基本指標，但無法證明其捕捉關(guān)鍵細節(jié)（例如目標尺寸，被探測和識別所需的速度，或收集信息的成本），因而無法滿足要求。我們認為，在評估汽車激光雷達系統(tǒng)時，采用更全面的方法將對該行業(yè)產(chǎn)生積極影響。我們必須從整體審視與感知系統(tǒng)相關(guān)的指標，而不是將其作為單一的傳感器，然后問自己：“哪些信息將使感知系統(tǒng)做出更好、更快的決策？”

傳統(tǒng)指標一：10Hz~20Hz的幀率

擴展：目標重訪速度（Object Revisit Rate），對某一點或多點兩次拍攝的時間差

僅定義單點探測距離是不夠的，因為單個詢問點（單次拍攝）很難提供足夠的置信度——僅具有參考價值。因此，被動激光雷達系統(tǒng)需要對同一位置進行多次詢問/探測，或者在同一目標上進行多次詢問/探測以驗證目標或場景。在探測系統(tǒng)中，探測目標所需的時間取決于許多變量，例如距離、詢問模式、分辨率、反射率、物體的形狀和掃描速率。

傳統(tǒng)度量標準缺少的一個關(guān)鍵因素是對時間更精細的定義。因此，我們建議將目標重新訪問速度作為汽車激光雷達的一項新指標，諸如AEye推出的高靈敏度激光雷達iDAR能夠重新訪問同一幀內(nèi)的目標。對目標的第一次測量與第二次測量之間的時間差非常關(guān)鍵，因為較短的目標重訪時間可以縮短關(guān)聯(lián)場景中多個運動目標先進算法的處理時間。當樣本的時間差過長時，關(guān)聯(lián)/相關(guān)多個運動目標的最佳算法可能會出現(xiàn)混亂。冗長的合并處理時間或延遲是該行業(yè)面臨的主要問題。