据麦姆斯咨询报道，日本东芝（toshiba）将深入开发汽车lidar（激光雷达）半导体业务，主要面向：（1）lidar中使用的光接收元件；（2）测量ic（模拟前端ic）；（3）电源ic（图1）。东芝目前正在研发这三项技术，预计到2020年完成前期开发并达到实际应用水平，然后计划将其商业化。其高精度测量ic技术和错误检测去除技术，可使lidar传感器的探测范围相比传统方案提高约1.8倍。

图1 典型lidar结构框图

2025年市场需求将达3000万台

东芝对汽车lidar市场寄予厚望。根据该公司预测，未来l3级或更高级别的自动驾驶汽车数量将持续增长，这将推动lidar需求迅速增长。市场预计一辆汽车将安装多个lidar传感器，到2025年，每年的市场需求将超过3000万台。在此之后，汽车lidar市场仍将保持继续增长，东芝预测2025~2035年的复合年增长率（cagr）将达到18%。

东芝开发的测量ic专为采用“直接tof（飞行时间）”距离测量方法的lidar传感器而设计。 利用直接tof距离测量方法，从红外激光器发射脉冲光，然后利用光接收元件将从物体反射回的光转换为电信号，并将其输入到测量ic，利用激光从发射到反射光返回的时间估算距离。 为了获取二维距离图像，通常使用多面镜扫描激光束。在测量ic中，执行距离图像生成等处理。

车载lidar需要更远的探测距离和高像素的距离图像（多个距离测量点）。例如，以时速120公里的速度行驶的车辆，其lidar传感器探测距离需要达到200m。

为了实现远距离探测和高像素，有必要提高测距精度（准确率）的同时，降低错误检测。

sat智能累积技术，紧盯目标物体

为了提高测距精度，东芝开发了一种被称为“sat（smart accumulation technique，智能累积技术）”的方法，即使在各种不同的噪音环境中也能更准确地实现距离测量，该研究成果已于2018年2月在isscc上公布。

在上述直接tof距离测量方法中，随着被测物体的距离增加，入射到光接收元件上的太阳光量也随着反射光返回而增加（图2）。此时太阳光等背景光线便成为噪音，使snr（信噪比）下降。因此，需要通过累积远距离图像的多个像素来提高snr。然而，如果采用简单地累积，远距离图像的图像质量会将低，如同进行了模糊处理，使lidar系统难以探测并识别诸如行人和骑行者等物体（图3）。

图2 太阳光等强烈的背景光为lidar带来的挑战

图3 简单平均处理的画质问题，降低了行人的识别率

对此，sat对每个物体（如汽车和电线杆）进行反射光分类，仅累积并平均处理来自目标物体的反射光（图4），并在处理中抑制图像质量劣化。与传统累积技术相比，东芝sat分辨率获得了4倍提高，由此实现高达200m的高画质lidar成像。

图4 sat智能累积技术概览

以上是网络信息转载，信息真实性自行斟酌。