2020年7月，日本科学技术厅JST旗下的战略创新研究促进业务集团CoreResearchforEvolutionalScienceandTechnology（CREST）从市场上购买了四个品牌的10个Lidars，用于与企业，研究所和学术界（称为OPERA）的OpenInnovationPlatform进行比较测试。 ）。在这10个激光雷达中，有5个来自Velodyne，两个是来自国内的Hesai，两个是来自Ouster，另一个是来自速腾。第一轮评估和比较是激光雷达的感知性能，分为5个小选项，即二次反射Sec.Reflections，强度偏差Int.Aberrations，晕轮晕，丢失点MissingPoints，交通标志可视化LineVisibility。激光反射不止一次，合理使用可以增加点云的密度，但是有时强反射目标的二次反射会形成虚像。通过算法可以过滤重复点，但最好不要出现。在10个激光雷达中，只有VLP-32C和OS1-16具有次反射虚像。还希望合理地使用多重反射。例如，通过汽车法规的法雷奥SCALA具有三个反射回波。强度偏差会使目标的反射强度值太大可能会产生噪音。为了增加激光雷达的检测范围和信噪比，有必要增加功率密度，这容易产生这种噪声。在10个激光雷达中，在25米内出现128行VLS-128，而HDL-64，OS1-64和OS1-16应该出现在整个可测量范围内。光环类似于太阳强烈时产生的彩色光环，或者当我们用手按压液晶时发生的颜色变化，这两个Ouster激光雷达都非常明显。缺少点的原因是忽略了一些弱反射目标或小的反射区域。奥斯特（Ouster）也很糟糕。最后是交通标志的视觉识别，主要是车道线。车道线的油漆表面与道路表面明显不同，这将在激光雷达上清楚地反映出来。对于诸如“停止”字符之类的字符也是如此。在路边和路上。这种物理方法是：识别可靠性远高于视觉算法，并且不受浅色，浅水和雪的影响。道路边缘的高度发生了显着变化，并且激光雷达可以识别出高度变化。顺便说一下，立体双目的道路边缘检测和识别效果更好。交通标志可视化分为五个级别：“非常好”，“很好”，“可接受”，“差”和“非常差”。 VLS-128明显胜出。毕竟，它是最昂贵，最密集的线束和最高分辨率。 Hesai的两个模型都有失真，但是可以接受。 Velodyne的最低端VLP-16也表现良好。接下来是测量距离精度的比较。在此，介绍了RMSE均方根误差（也称为中值误差）的概念，这是一种用于测量观测值准确性的数字标准。也称为“标准误差”。或“均方根偏差”。在相同观察条件下，一组真平方误差的平方根。由于不容易找到真实误差，因此通常使用通过最小二乘法获得的观测值的校正数来代替真实误差。它是观察值和真实值之间的偏差的平方与观察数n之比的平方根。在实际测量中，观察值n总是受到限制，并且只能用最可靠的（最佳）值代替真实值。在近距离时，Ouster和Velodyne之间的误差相对较大，尤其是旧的Velodyne 64线激光雷达，这就是为什么现在几乎没有人使用它，而Hesai 64线非常好，整个测量区域都非常好，难怪国外许多制造商都在使用Hesai Lidar。某些激光雷达的有效范围很短，RMSE太大而无法包含在有效测量范围内。 Ouster的表现非常差。 64行仅65米，而OS1-16仅25米。接下来是点云数比较测试。奥斯特的表现非常糟糕。 64线不如Velodyne的32线，而85-120米不如16线，甚至比Hesai的40线还差。 Hesai的性能非常好，40线几乎接近Velodyne 64线的水平。 Hesai的64线压倒了Velodyne的64线的车辆点云密度非常惊人。 VLP-32C也表现良好。行人点云密度很高，VLS在近距离处领先，远距离仍不如Hesai的64条线。显然，他