无人驾驶之激光雷达深度剖析（四）
挑战
1、材质
由于激光雷达基于对激光脉冲返回传感器所需时间的测量，因此高反射率的表面会带来问题。大多数材料从微观水平上看表面粗糙，并且向所有方向散射光；这类散射光的一小部分返回到传感器，并且足以产生距离数据。然而，如果表面反射率非常高，光就会向远离传感器的方向散射，那么这一区域的点云就会不完整。
2、环境
空气中的环境也可以对激光雷达读数造成影响。记录显示，大雾和大雨会减弱发射的激光脉冲而对激光雷达造成影响。为了解决这些问题，较大功率的激光器投入使用，但它对于较小的、移动或对功率敏感的应用来说并不是一个好的解决方案。
3、行驶速度
激光雷达系统面临的另一个挑战是旋转时的刷新率相对较慢。系统的刷新速率受复杂的光学器件旋转速度的限制。激光雷达系统最快的旋转速率大约是10Hz，这限制了数据流的刷新速率。当传感器旋转时，以60英里/小时行驶的汽车在1/10秒内行进8.8英尺，因此传感器对于在汽车驶过期间在这8.8英尺内发生的变化基本上是看不清的。更重要的是，激光雷达覆盖的范围（在完美条件下）为100-120米，这对于以60英里/小时行驶的汽车来说仅相当于不到4.5秒的行驶时间。
4、成本
也许对于激光雷达来说，高昂的设备成本是它需要克服的最大挑战。尽管自该技术得到应用以来其成本已大幅降低，但仍然是它被大范围采用的一个重要障碍。对于主流汽车工业来说，一个价值2万美元的传感器将无法被市场接受。伊隆·马斯克说：“我不认为它对于汽车的发展是有意义的，我认为它不是必须的。”
5、属性识别
虽然我们将激光雷达视为计算机视觉的一个组件，但点云却是完全基于几何呈现的。相反，人眼除了形状之外还能识别物体的其他物理属性，比如颜色和纹理。现在的激光雷达系统不能区分纸袋和岩石之间的差别，而这本应是传感器理解和试图避开障碍物时考虑的因素。
6、黑客攻击
激光雷达发出去的激光本身是没有编码的。所以接收器自己本身是没办法识别到底这束光线是它隔壁发射器发射出去的还是干扰信号。黑客攻击指的是采取模拟车辆、行人的信号，反馈给激光雷达造成周围存在障碍物假象的攻击手法。最终会导致汽车被强制减速或者刹车。
对激光雷达厂商而言，可以从两个角度去抵御黑客的攻击：如提高激光发射频率，高速激光发射频率在几个微秒，黑客的模拟信号就很难选择什么时候去发射干扰信号为接收器接收。另外，通过算法做一些错误判断，参考之前几频数据过滤掉干扰数据。
激光雷达只是用于给计算机提供物理环境数据的众多传感器之一，但是生成的数据是计算机最容易理解的，并且它也将变得更便宜。Velodyne销售和市场总监Wolfgang Juchmann称，激光雷达的成本在过去7年里下降了10倍。 得益于成本的降低，我们将不断看到新的潜在应用领域。 （来源：传感器技术）
