此外,双楔形棱镜方案扫描出来的点云图呈现花瓣型,属于非线性扫描,点云数据离散度高,属于非结构性数据。对于自动驾驶公司以及车企来说,这种非线性扫描方式有两大缺点:一是点云图示中心的位置密度大,而在周边较稀疏,直接导致信息的收集以及成像会在边缘的积淀,很难通过算法去补偿。二是每次扫描后成像范围不一样,会导致雷达在高速移动中成像不连续,影响可靠性。
对于使用神经网络等 AI 技术的自动驾驶公司来说,使用这种雷达需要使用新算法。如果某自动驾驶公司此前使用机械激光雷达已经积累了几万公里的数据,并以此训练了神经网络,在新雷达上并不能使用,需要重新积累感知数据,研发感知算法。并且处理这种非线性扫描也需要更大的算力。
从应用来说,双棱镜的方案更适合静态场景,比如扫描静态物体,V2X,测绘,低速机器人等,在车载领域存在软硬件层面的难点。