自动驾驶终于有了彩色三维眼睛：它能同时看清物体的颜色和距离吗

汽车已经能测出物体有多远，却未必知道它是什么颜色

一辆车在夜间接近十字路口。传感器发现前方有一个圆形灯具，距离约30米，三维位置也测得相当精确。

但如果系统不能可靠判断这个灯发出的是红光还是绿光，光知道距离并不能帮车辆做出正确决定。

这里藏着一个容易被忽略的事实。摄像头和激光雷达看到的根本不是同一种东西。

摄像头采集的是颜色、纹理、文字和图像细节，适合识别交通标志、车道线和信号灯的状态。激光雷达发射激光脉冲，根据光往返的时间计算距离，反复扫描后拼出一张三维点云，擅长回答"东西在哪里"这个问题。

传统方案把这两套数据硬拼在一起，让系统知道图像里那个红色信号灯，究竟对应三维空间里的哪一个点。

问题出在拼接这一步。摄像头和激光雷达往往安装在不同位置，有不同的视角、分辨率和采样时刻。车一旦动起来，近处物体的相对位置变化特别明显，标定或同步稍微有点偏差，颜色就可能被贴到错误的空间坐标上。

美国公司Ouster今年5月推出的Rev8系列，想解决的正是这个拼接环节的麻烦，把颜色信息和深度信息直接整合进同一套传感器架构。

机器看见一个物体，和机器知道这个物体在三维空间里的准确位置，原本是两件事。

把两套数据拼起来这么麻烦，能不能从传感器设计阶段开始，就让颜色和距离天然对应？

真正的变化不是给激光雷达加一台摄像头，而是让颜色直接进入芯片

先澄清一个容易产生的误解。过去的车并不是完全拿不到彩色三维地图，把摄像头和激光雷达装在同一辆车上，再用算法把彩色图像映射到点云表面，这种融合方案已经相当成熟。

Rev8想改变的，是数据产生的方式，而不是从零开始发明彩色三维感知这件事。

根据Ouster公布的技术资料，这款产品的L4芯片采用单光子雪崩二极管探测器，把激光测距和环境光颜色采集整合进了同一套感光架构。激光回波用来算距离，环境光经过光谱过滤处理之后提供颜色信息，芯片把两者在物理层面对应起来，让输出的每一个三维点天然带着颜色。

这里要特别小心一个误区。不是激光打到一个红色物体上，仅凭激光回波本身就能知道它是红色的。测距和颜色采集依赖的是不同的信息来源，只是这次它们被安排在了同一套传感器里同步完成。

可以这样类比。传统方案像两名测绘员分头画地图，一个人专门记坐标，另一个人专门记颜色，最后把两张图拼在一起。原生彩色方案则试图让每一个空间测量点，从生成的那一刻起就自带对应的颜色标签。

Ouster公布的Rev8指标包括48位色彩数据，每秒最高200亿个光子级别的探测能力，旗舰型号OS1 Max的最大探测范围达到500米。这里需要提醒一句，500米是厂商公布的理论最大值，不等于所有目标在这个距离上都能被可靠识别出来。

真正的升级不是机器终于长出了两只眼睛，而是颜色和空间位置不再需要完全依赖后期拼接。

当每一个三维点都带上颜色，机器得到的就不再只是一团轮廓，而是一张带着丰富视觉信息的空间地图。

从20米外的一辆车，到500米级探测范围，机器究竟多看懂了什么？

先说清楚三维点云是怎么来的。激光雷达发射脉冲，接收目标反射回来的光，根据往返时间算出距离，大量这样的测量点累积起来，就构成了物体和环境的三维结构。

如果这些点还带着颜色，系统就能在纯几何结构之外，多拿到一层视觉线索。

在交通场景里，这能帮系统把信号灯颜色、道路标志和它们的三维位置直接对应起来。在工业机器人作业里，这能帮机械臂区分外观相近但颜色不同的零件。在测绘领域，这能让建筑和设备的三维模型保留更直观的表面颜色信息。

Ouster给出的数据是，旗舰型号OS1 Max最大探测范围500米，在反射率只有10%的条件下标称探测距离为200米，采用的是45度视场设计。不同型号的视场角和探测能力并不一样，这不是一个放之四海而皆准的单一数字。

这一步必须提醒读者，探测到一个点，不等于已经正确识别了一个物体。点云的密度、目标表面的反射率、光照条件、天气状况、是否被遮挡，以及后端感知算法的水平，都会影响系统最终能不能准确理解看到的东西。500米这个参数，不能直接等同于"500米外的红绿灯都能被看清楚"。

彩色三维数据提供了更多线索，但机器能不能据此做出正确判断，仍然取决于整套感知系统，而不是某一个传感器单独的参数。

【配图建议：同一条道路的三张对照图，依次是普通摄像头拍摄的彩色图像、传统黑白点云、新型彩色点云，分别标出车辆、路牌、信号灯和路沿的识别效果差异】

颜色和空间信息能在同一传感器里天然对应，听起来很合理，那为什么过去的系统没有直接这样设计？因为把两种功能塞进同一块芯片，远远不是把两个模块焊在一起那么简单。

## 每秒处理200亿个光子，难点不是数字大，而是如何从光里同时提取两种信息

激光雷达要测距，必须精确判断激光回波到达的那个瞬间。时间测量哪怕只有微小误差，距离计算结果就会跟着偏。

与此同时，颜色采集需要区分不同波段的光。传感器既要拿到足够丰富的颜色信息，又不能让环境光干扰到激光测距的精度。

把这两件事放进同一套架构，首先要在光学层面把测距信号和颜色信息尽量分离干净，避免互相污染。其次，激光回波的到达时间决定了最终的距离测量结果，不能因为要兼顾颜色处理，就牺牲掉测距的精度。第三，不同光照条件和不同表面反射特性会让探测到的光发生变化，系统得想办法把颜色尽量稳定地还原出来。第四，高密度的三维点云再叠加颜色信息，对芯片的数据处理和传输能力也是不小的压力。

Ouster公布的数据显示，Rev8能在芯片上实时处理每秒最高1040万个点，测量频率最高达到40千赫兹，并且使用了嵌入式的富士胶片色彩技术。这些都是厂商公布的技术指标，不能直接等同于任何实际场景下的识别准确率。

这里有个挺鲜明的对比。普通相机主要回答的问题是"这个像素是什么颜色"，激光雷达还得额外回答"这个空间点离我多远"。原生彩色激光雷达想做的，是让这两个答案从同一个传感器系统里同步产生出来。

难点从来不是让激光雷达"拍出一张彩色照片"，而是让颜色信息与每一个三维测量点精确对应，同时不能损害测距本身的能力。

【配图建议：芯片内部工作流程图，分别画出激光发射与回波计时、环境光颜色采集、空间点与RGB信息对应这三个环节，最后汇总生成一份彩色三维点云】

这套技术确实减少了后期数据融合的难度，但这不代表摄像头马上就要被淘汰出局。

## 彩色激光雷达会取代摄像头吗？短期内更现实的答案是否定的

摄像头在高分辨率图像、文字识别、细小纹理和视觉语义理解方面，有它自己的优势。激光雷达提供的则是直接的三维测距信息。两者不是简单的谁比谁更先进的关系。

彩色激光雷达确实有可能减少独立摄像头和点云之间的标定工作，但剩下的问题还不少。恶劣天气、雨雾和遮挡都会影响传感器获取可靠信息的能力。目标物体的颜色本身也会受到照明条件和表面反射率的影响而发生偏移。三维点云的密度和普通相机图像完全不是一回事，不能想当然地认为它在所有视觉任务上都能达到同等效果。更重要的是，自动驾驶系统需要综合多种传感器、多套算法和多层安全机制共同决策，不可能仅凭一个传感器的输出就决定车辆的下一步动作。

市场上的竞争态势也说明这项技术还处在早期阶段。中国激光雷达厂商禾赛科技在今年4月已经公布了名为EXT的彩色激光雷达产品，计划随后量产，面向2027年推出的车型供货。路透社的报道里同时提到，并不是所有汽车厂商都认同激光雷达是必需配置，一些厂商依然坚持以摄像头为主的感知路线，典型的例子就是特斯拉。

所以更稳妥的说法，不是彩色激光雷达将要取代摄像头，而是它正在努力成为一种更容易和机器视觉系统协同工作的三维感知设备。

真正值得关注的，可能不只是汽车多装了一种传感器，而是机器人正在获得一种更完整的现实世界数据形式。

当机器人看到的不再只是轮廓，下一步是让它真正理解现实世界

把视角从汽车扩展到更广泛的机器人领域，这件事会显得更有意思。

机器人要在仓库里搬运货物，在工厂里操作设备，或者在陌生环境中自主移动，光知道"前方有一个障碍物"是远远不够的。

它还得弄清楚，这个物体究竟是什么，它处在什么具体位置，表面有哪些可以辨认的特征，和周围其他物体之间又是什么样的空间关系。

彩色三维数据能为这些任务提供更丰富的输入，也可能被用来训练具身智能模型和世界模型，让模型学会现实物体的空间结构、外观特征和周边环境之间的关系。Ouster已经把Rev8定位成一个面向机器人、自动驾驶和物理AI的数据采集与感知平台，而不只是一款汽车零部件。

但这里仍然要把两件事分开看。看见更多，不等于理解得更深。传感器提供的始终只是原始数据，机器能不能真正识别出物体、推断环境的变化、预测其他车辆或行人接下来会怎么做，依然要靠算法、训练数据和一套足够可靠的决策系统来完成。

过去，机器获得三维空间信息和颜色信息，往往要依靠不同传感器各自采集，再由软件把两份数据拼接起来。原生彩色激光雷达尝试把这一步从软件层面前移到传感器内部，让颜色和深度从一开始就建立起对应关系。

它没有让机器一夜之间拥有人类的视觉能力，也没有证明摄像头即将被淘汰。但它确实在改变机器获取现实世界信息的方式。

对自动驾驶和机器人来说，下一步要做的已经不只是看得更远、测得更准，而是让每一份空间数据，从诞生的那一刻起，就能为理解这个现实世界提供更多有效线索。