激光雷达开始看颜色了，摄像头还有什么用？

过去，激光雷达主要提供目标的距离和三维空间结构信息，却不擅长直接提供颜色与纹理。

摄像头则能够捕捉丰富的视觉细节，识别红绿灯、车道线和交通标志。但普通单目图像本身并不直接包含目标的绝对距离，系统还需要通过视觉几何、深度估计或结合其他传感器信息，进一步判断目标的空间位置。

如今，这种分工正在出现新的变化。

2026年4月，禾赛发布第五代6D全彩激光雷达芯片平台毕加索（参数丨图片）SPAD-SoC，将RGB彩色感知与ToF测距在芯片层面融合，使输出的三维点云原生携带颜色信息。基于这一平台升级的ETX系列激光雷达最高支持4320线全彩感知。

激光雷达开始同时获取颜色和空间信息后，一个问题随之而来，如果它既能测距，又能提供颜色信息，摄像头还有什么不可替代的价值？

01

全彩激光雷达

究竟改变了什么？

想要理解全彩激光雷达，需要先弄清楚传统摄像头与激光雷达之间的差异。

摄像头采集的是二维图像。

系统可以从图像中提取颜色、纹理和形状等特征，判断前方可能是车辆、行人还是交通标志。但要准确获取目标的三维位置，系统还需要利用视觉几何、深度估计或其他传感器提供的信息。

激光雷达则通过测量激光往返时间等方式获取距离，再将测量结果转换为空间坐标，形成三维点云。它能够直接提供目标的距离和空间结构信息，但传统激光雷达点云通常不包含原生的RGB颜色信息。

这就让两者实现了互补，但两种传感器采集的数据来自不同的硬件。系统需要通过空间标定、时间同步和数据配准等处理，将图像中的像素与点云中的三维点对应起来。

标定误差、采样时间差，以及目标运动造成的位置变化，都可能影响这种对应关系。

如车辆前方有一个路锥。摄像头能够捕捉它的颜色和外观，激光雷达能够测量它的距离与空间位置。但如果图像与点云没有准确对齐，系统就可能难以准确判断图像中识别出的路锥，对应点云中的哪些位置。

禾赛推出的6D全彩激光雷达，改变的正是颜色信息与空间信息的获取方式。

按照禾赛公布的技术方案，毕加索将彩色感光与ToF测距集成在同一颗芯片上，使输出的每个点同时携带RGB颜色信息与XYZ空间坐标。

在禾赛这项技术的定义中，6D指三维空间坐标XYZ与三通道颜色RGB的组合，并不是车辆运动学中常说的六自由度。

也就是说，对于该传感器自身输出的彩色三维数据，系统不必再完全依赖独立摄像头图像与激光雷达点云之间的后续配准，就能建立颜色与空间位置的对应关系。

不过，芯片级融合并不意味着整个智驾系统从此不需要标定，也不代表所有感知误差都会消失。

如果车辆仍然使用其他摄像头或传感器，跨传感器融合所需的标定与数据关联工作依然可能存在。芯片级融合主要改变的是该传感器内部颜色与深度信息的获取和对应方式。

02

激光雷达有了颜色

摄像头就能被替代吗？

从功能上看，全彩激光雷达能够同时提供颜色和三维空间信息，的确可以让原本需要通过不同传感器数据建立的部分对应关系，在数据产生阶段就得到解决。

对于红绿灯、车道线、施工标志等道路要素，如果颜色与三维位置能够准确对应，就有助于系统综合判断目标的类别、位置和空间关系。

但这也不是说传感器可以仅凭颜色就完成对所有道路要素的识别，具体效果仍然取决于感知算法、数据质量和实际环境。

对于远距离的小目标，这种信息对应关系也更有价值。

如远处的路锥在图像中可能只占据少量像素，而激光雷达能否获得足够的空间采样点，还取决于目标距离、反射特性、探测性能和传感器分辨率。

全彩三维数据能够同时提供颜色与空间位置，为目标识别提供更多信息，但最终能否提高识别率，还需要通过实际场景测试验证。

更重要的是，能够提供颜色信息，不等于具备与摄像头完全相同的成像能力。

摄像头的优势不只是识别颜色。高分辨率图像能够保留丰富的纹理、边缘、细小文字和局部外观信息。

对于交通标志上的细小文字、信号灯的局部细节、道路标线的纹理，以及复杂场景中的细粒度语义识别，高分辨率摄像头仍然具有重要价值。

全彩激光雷达能否在这些任务中达到相近水平，仍需结合具体产品的成像与感知性能进行验证。

除此之外，两种传感器面对环境变化时的表现也不同。

摄像头的成像容易受到强光、逆光和低照度等条件影响。激光雷达通过主动发射激光测距，在获取距离信息时不完全依赖环境光，但雨雾造成的激光衰减、目标反射特性等因素仍可能影响测距表现。

对于全彩激光雷达，颜色信息的获取也需要考虑实际照明和感光条件，不能仅凭主动测距能力，就认定其在所有复杂光照环境下都优于摄像头。

因此，全彩激光雷达的出现，很难直接取代摄像头。更准确地说，它让激光雷达能够提供更丰富的感知信息，也让颜色与空间位置之间的对应关系有机会在数据产生阶段就得到解决。

未来是否能够减少摄像头数量，还要看具体的感知需求、传感器性能、系统冗余设计与整车验证结果，不能仅凭全彩这一项能力下结论。

03

智驾传感器正从看得见走向看得懂

过去几年，激光雷达行业的重要竞争方向之一，是提高测距能力、增加点云密度、扩大探测范围，让系统获得更丰富的三维空间信息。

如今，随着智驾模型不断发展，传感器提供的数据是否容易被模型利用、不同信息能否准确对应，也开始成为值得关注的技术方向。

对于智驾系统来说，采集到更多数据，并不等于可以获得更多有效信息。

如果图像中的目标与三维空间中的目标无法准确对应，系统就需要投入额外的计算和处理来解决数据关联问题。

这种问题不仅影响车辆实时感知，也会影响训练数据的生产。

有些研发人员希望利用真实道路数据训练模型，既需要知道场景中出现了什么目标，也需要知道目标位于什么位置、与其他交通参与者有什么空间关系。

传统多源数据处理涉及时间同步、外参标定、数据配准和三维标注。原生RGB-D数据有望减少其中部分处理环节，为数据标注和模型训练提供更直接的输入。

禾赛的6D全彩激光雷达，也将应用方向延伸到了物理AI和机器人领域。

对机器人而言，识别一个物体只是任务的一部分，系统还需要理解它的位置、形状，以及自身与物体之间的空间关系。

不过，原生RGB-D数据并不是说所有标注都能自动完成，模型仍然需要学习目标语义、空间关系和具体任务所需的行为能力。

从这个角度看，全彩激光雷达的价值不只是让点云拥有更多颜色，而是尝试让颜色与三维空间信息从采集之初就建立更直接的联系。