原创 EETOP编译

最近Quanergy公司展示了其业界首个基于固态 OPA（光学相控阵）技术的 LiDAR（激光雷达），希望能够减轻尺寸、可扩展性和成本限制。使得LiDAR 可以在自动驾驶和其他领域大放异彩。

过去十年中，LiDAR（光探测和测距）已成为一种流行的三维成像技术，被应用于从自动驾驶汽车到移动电话等设备。

像雷达一样，但用的是光，它通过使用一个包含移动激光二极管和光电二极管的系统来工作，用于将光脉冲反射到物体和从物体反射回来，确定它们与传感器之间的相对距离。

通用 LiDAR 系统的示例。图片由Quanergy 提供

一般来说，LiDAR 数据然后被处理成 3D 地图，其中包含有关物体或陆地的形状和表面特征的精确信息，使这些传感器能够为不同类型的车辆提供 3D 视觉，如机器人、汽车、飞机以及智能基础设施和工业机器等固定系统提供3D视觉。

目前激光雷达技术的使用仍然面临一些挑战，传统上这些传感器体积大且价格昂贵，因为它们使用机电元件来控制激光和接收系统。此外，机械传感器的运动部件在冲击或振动时容易受到干扰，这在安装在汽车或机器人上时很常见。

机械激光雷达的挑战促使工程师们开始研究其他技术，以开发小型、低功率、低成本的设计，即不使用移动部件固态激光雷达。取而代之的是，可以使用诸如MEMS(即使是微电子机械，这种技术仍然被认为是固态的)或相控阵等技术来来将光束导向特定方向。

Quanergy Systems 是一家致力于固态 LiDAR 创新的公司。本周，Quanergy 宣布了其最新推出的 S3 系列激光雷达，这应该是第一个使用光学相控阵（OPA）的真正的固态激光雷达，也是可扩展的，具有成本效益的，并可用于大规模市场生产。

本文将介绍 LiDAR 系统中使用的 OPA、Quanergy 的“行业首创”传感器是什么样的，以及 LiDAR 技术的未来可能是什么样子。 

LiDAR 系统中的光学相控阵

如前所述，Quanergy公司最新LiDAR系统的一个关键特征是使用OPA。OPA是为多种用途（主要是LiDAR传感器）开发的需要随机访问光束生成、指向和转向的半导体光子技术。

OPA的一般原理 

该技术使用放置在 2D 阵列中的硅元件。每个单元都是同相和振幅完全可控的像素，包括同相位和振幅，允许通过在表面上创造一个相位梯度来对光束进行电子转向，使OPA成为真正的固态装置，因为它没有任何移动部件。 

对于LiDAR的使用，OPA可能能够克服机械传感器的限制，同时也有可能实现更大的分辨率和保真度。

与机械部件相比，硅芯片不仅生产成本更低，而且体积更小，消耗的能量更少。这些优点使其能够无缝集成到许多技术中，而不会表现出自身的干扰，也不会干扰其嵌入的系统。

现在已经更好地理解了 OPA 的一般概念，让我们深入了解 Quanergy 的最新传感器。 

Quanergy 基于 OPA 的 LiDAR

Quanergy 开发的 S3 系列 LiDAR 传感器是使用CMOS技术制造的基于 OPA 的设计。由于工程师已经熟悉这种类型的半导体制造，因此 Quanergy 相信设计人员可以利用具有成本效益的工艺轻松扩展其传感器以进行大规模市场生产。 

使用发射器、接收器和处理器以及用于波束成形和转向的 OPA

Quanergy公司与亚利桑那州一家名为ZEV（Zero Electric Vehicle）的电动车解决方案公司合作，提供可持续和可获得的车队电气化，以演示该传感器的相关功能。

在演示中，一辆测试车辆配备了 OPA LiDAR 传感器和用于地形视觉的常规摄像头。该测试包括在明亮的环境中在长达一百米的多个距离内跟踪目标车辆。

据 Quanergy 称，OPA 传感器的演示不仅比机械 LiDAR 具有显着优势，而且与其他固态 LiDAR 技术相比也具有显着优势。 

测试车辆能够在明亮的环境中始终保持安全，即使使用只有 10% 能见度的目标物体，模拟其他传感器很难检测到的物体。

Quanergy 表示，其 S3 系列传感器可以提供超过 100,000 小时的平均故障间隔时间，这对于机械 LiDAR 来说只有数千小时。由于该传感器专为汽车行业而设计，旨在满足检测物体和避免碰撞方面最严格的汽车法规要求。其面向大众市场生产的目标价格为 500 美元，并计划提供更远的距离、更大的垂直视野和更高的数据速率。 

激光雷达的未来

Quanergy公司展示的技术可用于其他行业和科学领域，而不仅仅是用于自动驾驶。以前，这项技术看起来像一个安装在车辆顶部的大型旋转装置。这项测试表明，LiDAR有可能变得像信用卡一样小而不易被人察觉。

大规模生产这些微型和低功率 LiDAR 传感器的能力将为未来集成到已经建立的基础设施和系统中打开大门。通过消除困扰传统 LiDAR 的许多挑战，固态 OPA 传感器可能对该技术的大规模采用和集成至关重要。