AVの背後にある最も重要な技術はおそらくLiDARです。これは、対象物をレーザー光で照らして距離を測定し、GPS、レーダー、その他のセンサーと組み合わせて道路を走行します。
1960年5月16日、ヒューズ研究所 (現在のHRL研究所)、セオドア "テッド" メイマンが初めて機能するレーザーを操作しました。翌年、ヒューズ・エアクラフト社の別の研究者であるマルコム・スティッチが、レーザー焦点画像と距離計算機能を組み合わせた、衛星追跡用の初の光検出および測距 (LiDAR) システム (当初は「コヒーレント光検出および測距」(COLiDAR) と呼ばれていた) を発表しました。
LiDARは、パルスレーザーの形の光を使用して物体までのさまざまな距離を測定する検知方法です。計算で戻り時間と波長を使用すると、センサーの視野内にあるオブジェクトのデジタル3D画像を作成できます。LiDARは、宇宙から地球をマッピングするなど、多くのアプリケーションで使用されてきました。
LiDARは高速で、物理的な物体を検出するために使用でき、先進運転支援システム (ADAS) による衝突の回避を可能にします。ただし、霧、強風、雨など、パフォーマンスと安全性に影響を及ぼす可能性のあるその他の危険を検出することはできません。
初期のAVにおけるLiDARの使用
DARPAグランドチャレンジ レースに参加したチームの多くは、地形をナビゲートするために何らかの形のLiDARを使用しました。
ウィリアム・「レッド」・ウィテカーとクリス・アームソンが率いるカーネギーメロン大学のレッドチームは、大幅に改造された1986年型M998「ハンビー」の「サンドストーム」に数種類の地上LiDARを装備した。
チームは、人間が運転に使うものと同様の感覚ツールをハンビーに搭載したいと考えました。メインのLiDARの範囲は前方75メートル (82ヤード) で、追加の3つのLiDARセンサーにより、Sandstormは20メートル (22ヤード) 以内の広い視野を獲得しました。
これらの制限のあるLiDARシステムは、砂漠の道路で他の車両の後ろを通過するなど、ほこりっぽい環境では問題があったため、CMUチームは障害物を検知するためにレーダーとステレオ カメラ システムをSandstormに装備しました。
同様に、セバスチャン・スラン率いるスタンフォード大学レーシングチームは、車両「スタンレー」に5つのLiDARユニット、カラーカメラ、2つのレーダーセンサーを搭載し、遠距離にある大きな物体を識別できるようにしました。
ベロダインと初期のADASシステム
1983年にオーディオ会社として設立され、シリコンバレーを拠点とするVelodyneは、産業システム向けの最初のLiDARセンサーを開発して以来、LiDARの先駆者として認められています。
2003年、Velodyneの創設者であるDavid HallとBruce Hall兄弟が、第1回DARPAグランド チャレンジ レースに参加しました。彼らは、単一の固定視線のみをスキャンする既存のLiDAR技術は、3D環境をナビゲートするのに適していないことを発見しました。ベロダインは2007年のレースに向けて新しいセンサーを開発しました。
3回目のDARPAレースである2007年アーバン チャレンジでは、Velodyneは少なくとも7社の競争相手にLiDARを販売しました。これにはカーネギー メロン チームとスタンフォード チームへの各2台が含まれます。ベロダインのシステムは64個のレーザーを回転させた毎秒100万のデータポイントを生成し、360度画像を作成します。° 環境の3Dマップ。以前のシステムでは、1秒あたり5,000のデータ ポイントが生成されました。
Googleの創業者ラリー・ペイジ氏が同社の自動運転車（AV）プロジェクトであるChauffeurを開始した後、Velodyneは同社のAV向けLiDARセンサーの唯一のプロバイダーとなった。2010年、ショーファーはベロダインのLiDAR技術を使用してサンフランシスコ湾岸地域の路上で自動運転車のテストを開始した。
2016年、フォード・モーター社と中国の検索エンジン百度は同社に1億5000万ドルを投資することを約束した。当時、Velodyneは25の自動運転車プログラムに取り組んでいました。
ベロダインの主力ADAS製品はHDL-64Eです自律走行車両および海洋船舶の障害物検知とナビゲーション用に設計されています。
最近、CES 2020で、VelodyneはVelabitを発表しました、100ドルのLiDARセンサー。彼らは、地上車両やドローンを含む多くの種類のデバイスで動作するように設計しました。同社のウェブサイトによると、「このセンサーは、Velodyneの最先端センサー製品群と同じ技術と性能を備えており、さまざまな業界で新しい用途に無限の可能性を生み出すきっかけとなるでしょう。」
LiDARテクノロジーの他のベンダー
VelodyneはADASおよびAV向けの先駆者であり、大手LiDARベンダーの1つですが、現在、他の企業も市場に参入し始めています。
- トリルミナ: これらは、主に自動車用途向けの低コストLiDARセンサーの設計と製造に最もよく使用されます。同社は、他の技術よりもはるかに小型で安価なLiDAR照明モジュールを提供しています。いくつかのモジュールは10セント硬貨の大きさよりもはるかに小さいです。TriLuminaのWebサイトによると、「TriLuminaの半導体レーザー ソリューションは、自動車、ADAS、その他のアプリケーション向けの低コストのLiDARを実現します。新しいチップは、飛行時間（ToF）機能を向上させながら電力要件とサイズを削減し、高速パルス技術によりLiDARのパフォーマンスとフォームファクタを大幅に向上させます。」
- イノビズ・テクノロジーズ: イスラエルを拠点とする企業Innovizは、LiDARソリューションで業界リーダーとしての地位を確立しつつあります。Innovizは、自動運転車にさらに優れた感知機能を与える専用システム、検出器、MEMS設計など、ADAS向けのその他のテクノロジーも提供しています。後者は、変化する天候、明るい直射日光、複数のLiDAR環境などの困難な状況で役立ちます。
すべてのADASシステムがLiDARに依存しているわけではない
大手自動車会社の多くが高性能ADAS機能のためにLiDARを搭載した新車を開発している一方で、テスラは社用車の自動運転機能にこの技術を採用することを検討していない。
テスラのCEO、イーロン・マスク氏は長年LiDARを嘲笑してきた。「彼らは皆、LiDARを捨てるだろう」とイーロン・マスクは昨年語った。 テスラの自動運転技術を展示するイベントにて。「LiDARに頼っている人は破滅するだろう。」
「LiDARは本当に近道です」とTesla AIの第一人者であるAndrej Karpathy氏は付け加えました。「それは、自律性に必要な視覚認識の基本的な問題を回避します。それは進歩しているという誤った認識を与え、結局は頼みの綱に過ぎない。」
テスラはLiDARの代わりに、高速なGPUベースのコンピュータシステムを使用して、車のカメラで撮影した画像を分析します。彼らは、各ピクセルに距離の推定値を割り当てるアルゴリズムを通じて画像を実行します。人間の脳が距離を計算する方法と同様に、一対のカメラと視差効果を使用してこれを実行できます。
コーネル大学の研究者は、LiDARは完全自律走行車にはオプションとして搭載できると主張しています。 車の周囲に取り付けられたステレオ高解像度カメラを使用して、周囲の正確な3D画像を生成することができました。
コーネル大学の研究者たちは、各ステレオ画像ペアのピクセルを、LiDAR センサーによってネイティブに生成される3Dポイント クラウドに変換しました。次に研究者らは、この「疑似LiDAR」データを、LiDARポイント クラウドを入力として受け取る既存のオブジェクト認識アルゴリズムに入力しました。
「自動運転車業界は、車周辺の安全に不可欠な優れた距離精度を考えると、コストが高くてもLiDARから離れることに消極的だった」と、シブリー機械航空工学部のディレクターで論文の共著者でもあるマーク・キャンベル氏は述べた。「カメラデータの鳥瞰図による距離検出と精度の劇的な向上は、業界に革命を起こす可能性を秘めています。」
それでも、論文の著者の一人であるキリアン・ワインバーガー氏は、「LiDARと非LiDARの間にはまだかなりの差がある」と認めている。コーネル大学のチームは、カールスルーエ工科大学とトヨタが開発した現実世界のコンピューター ビジョン ベンチマークであるKITTIベンチマーク の1つのバージョンで66% の精度を達成した。実際のLiDARポイント クラウド データに同じアルゴリズムを使用したところ、86% の精度が得られました。
コスト以外に、テスラや他の企業がLiDARを避けてきた理由としては、電力消費、重量、そしてそれが車自体のデザインに与える影響などが挙げられる。また、HDL-64Eはケーブルなしで12.7 kg (28ポンド) の重さがあり、約60 Wの電力を消費するため、純粋な電気自動車の航続距離に影響を与える可能性があります。
結論
VelodyneのVelarrayやVelabitなどの新しい小型で低コストのLiDARシステムは、自動車メーカーにさまざまなオプションを提供し、車両にさまざまなADAS機能を搭載できるようにします。技術が進歩するにつれ、LiDARと他のセンサーを組み合わせ、より高速な計算能力と組み合わせることで、将来のほとんどの自動車に高度な自動運転機能が搭載される可能性があります。
