将激光雷达和三目放进一套硬件，卓驭激目是怎么工作的？

本文首发于智驾最前沿微信公众号，其实从2024年开始，卓驭就公开展示了激目1.0；2025年，激目2.0进一步亮相。

与常见的摄像头、激光雷达分别安装不同，激目2.0采用的是激光雷达+惯导三目视觉的一体化方案，并提出了前前融合的设计思路。

那么，这套硬件究竟由什么组成？激光和视觉又是怎样协同工作的？

01

激目里面到底有什么？

从技术架构来看，激目并不是单独的一颗激光雷达，而是一套将激光雷达、惯导和三目视觉集成在一起的感知硬件。

卓驭公开资料显示，激目1.0由惯导双目、长桥单目和激光雷达组成；激目2.0进一步升级为激光+惯导三目的一体化方案，并采用舱内安装方式。

这里的变化并不是简单增加摄像头数量，而是把视觉与激光雷达放进一个更加紧密的硬件体系中。

图片源自：智驾最前沿制作

三目视觉负责获取图像信息，可以提供颜色、纹理、轮廓以及交通参与者的视觉语义；

激光雷达则通过激光回波测量目标距离，形成三维点云，为系统提供空间几何信息。

惯性测量单元则获取车辆运动相关信息，为视觉和激光数据提供运动参考。

因此，激目一次采集的并不是一种数据，而是图像、三维几何以及车辆运动信息。

这也是理解激目的一个关键点。

它并不是单纯将一颗激光雷达塞进摄像头旁边，而是让原本由不同传感器获取的信息，在硬件层面就建立更加紧密的关系。

02

前前融合到底在融合什么？

传统的摄像头和激光雷达通常独立工作。摄像头输出图像，激光雷达输出点云，后续算法再把两种数据对应起来。

这种工作形式其实存在一个问题，那就是摄像头看到的是二维图像，而激光雷达得到的是三维空间中的点。

系统需要知道图像中的某个目标，对应点云中的哪些点，同时还要考虑两个传感器采集数据时的时间差，以及它们各自的坐标系。

这也是多传感器融合中标定和同步的重要原因。

卓驭针对激目采用了前前融合的设计。

公开资料显示，这一设计属于舱内激光视觉前融合方案，从硬件层面对激光雷达和相机进行联合设计。

图片源自：网络

这一设计可以让激光雷达原始回波信号和图像建立更加紧密的时空对应关系，并简化传统分立式传感器方案中的部分整车标定工作。

这里的前前融合也不能简单理解成所有数据都在激目内部完成融合。

更准确的理解，应该是其将激光和视觉的协同尽可能前移到感知链路的前端，同时在硬件层面对两类传感器进行联合设计。

这与两个独立传感器采集数据，最后再在算法层面进行匹配的思路有所不同。

不过，一体化设计也不是说从此不需要标定。

车辆装配误差、挡风玻璃、污染以及传感器长期使用后的状态变化，依然需要持续的标定和算法补偿。

它真正改变的是传感器之间的相对关系和系统集成方式，使部分原本需要在整车层面解决的问题能够在传感器设计阶段得到处理。

03

从激目到域控，数据怎么走？

理解完前面的硬件和融合关系，接下来再看激目是如何接入智驾系统的。

车辆行驶时，激目同时获取视觉图像、激光雷达数据和惯导信息。

与传统激光雷达直接完成大量点云处理后再输出结果不同，卓驭的激目2.0采用集中式计算架构，将辅助驾驶域控制器的计算能力用于处理激光雷达原始回波。

卓驭官方称，这种设计可以减少激光雷达自身的端侧计算需求，从而有利于缩小传感器的体积和重量。

因此，激目并不是一个采集、融合、感知全部在内部完成的独立黑盒，其更像是智驾系统前端的一体化感知入口。

它负责把视觉和激光雷达的数据采集起来，并通过硬件和数据链路上的联合设计，让这些信息能够更高效地进入后端计算系统。

图片源自：网络

域控制器再利用这些数据完成后续的环境感知和智驾算法处理。

激目2.0还有一个比较有意思的设计，那就是感知范围并不是完全固定的。

卓驭公开信息显示，激目2.0具备变焦感知能力。

在低速城区场景下扩大视场，以覆盖更大的区域；在高速场景下则收窄视场，同时提升探测距离和点云密度。

之所以会有这样的设计，是因为车辆低速行驶时，横向进入道路的目标更加值得关注，因此需要更大的覆盖范围；

高速行驶时，车辆运动速度更高，远距离目标的重要性增加，感知资源也需要更多地集中到前方。

所以，激目2.0除了改变传感器的组合方式，也在尝试根据车辆所处场景调整激光感知资源的分配。

从目前公开的技术路线来看，卓驭还将激目数据用于端到端（End-to-End，端到端）算法训练。

其公开资料提到，在跨构型训练中会使用激目等多模态数据，并利用其中的高精度几何信息对端到端算法进行约束。

这意味着，激目提供的三维信息并不一定只用于传统意义上的检测一个障碍物、测量一个距离，还可以作为模型学习道路和目标空间关系的数据来源。

04

小编观点

聊了这么多，激目的整个架构其实可以简单理解为用三目视觉获取环境的视觉语义，用激光雷达获取三维几何，用惯导提供运动参考，再通过前端的一体化设计和前前融合让这些信息更紧密地进入智驾计算体系。

因此，激目真正值得关注的地方，并不是里面有多少个传感器。

而是它试图把视觉和三维几何从采集阶段就组织到同一个感知架构中，再利用集中式计算把原始感知数据交给智驾系统处理。