🙋
先生、LiDAR ってカメラやレーダーと何が違うんですか？自動運転車の屋根に乗ってるクルクル回ってるアレですよね？
🎓
そう、あの Velodyne や Ouster の機械回転式が一番有名だね。LiDAR (Light Detection And Ranging) は短いレーザーパルスを発射して、ターゲットから戻ってくるまでの時間 (Time-of-Flight, TOF) を測って距離を出すセンサーなんだ。式は単純で d = c·τ/2、光速 × 飛行時間 ÷ 2。1メートルの距離なら往復で約 6.67 ns、100m なら 667 ns。カメラは色と模様、レーダーは速度に強い、LiDAR は「3D 形状」と「絶対距離精度」が強い、と覚えておくといいよ。
🙋
距離分解能 0.75 m って、デフォルトで出てきたんですけど…自動運転車って 75 cm 単位でしか物体を測れないんですか？それじゃ歩行者と看板の区別がつかなさそう…
🎓
良い疑問！「距離分解能」δd = c·τ/2 は実は「2 つの物体が連続して写ったとき、別物として分解できる最小間隔」のこと。歩行者の前後にもう1つ物体があったとき、それが 75 cm 以内だと1つにマージされちゃう、という話なんだ。一方、単独物体の「距離精度（測距精度）」は δd / √SNR でグッと良くなる。SNR=100 (20dB) あれば 7.5 cm、SNR=1000 で 2.4 cm。だから実機では「分解能 50cm でも精度 2cm」みたいな仕様になる。Cramer-Rao bound という統計理論の下限値だよ。
🙋
なるほど！じゃあ SNR を上げればいいんですね。受信電力を見ると 0.001μW ってありますけど、これって 50mW のレーザー出してるのに戻りはこんなに小さいんですか？
🎓
そう、ここが LiDAR 設計の一番厳しい所。Lidar equation で P_rec = P_tx·ρ·A_rec / (π·R²) になる。50mW 出しても 100m 先で反射率 30%、5cm 口径の受光だと、戻りは 10 のマイナス9乗 W = 1nW 級。1/R² で減衰するから 200m なら 1/4、300m なら 1/9 に落ちる。だから車載 LiDAR は (1) 何百〜千パルスを averaging して √N 倍 SNR を稼ぐ、(2) coherent detection (FMCW) でショットノイズ限界を破る、(3) Gated detection で背景光を抑える、という3つの技で戦ってるんだ。
🙋
波長セレクトに 905nm と 1550nm がありますが、これは何が違うんですか？1550nm を eye-safe って書いてあるけど、905nm は危ないってこと？
🎓
905nm でも合法範囲のクラス1 が原則だけど、出力上限が厳しい。1550nm は人眼の角膜・水晶体で吸収されて網膜に届かないから、同じクラス1 でも 10〜50 倍の高出力が許される。だから Luminar や Aeva の長距離 LiDAR (>250m) は 1550nm InGaAs ベース。一方 905nm は Si APD/SPAD が安いから車載量産の主流で、Velodyne・Hesai・Innoviz の多くがこっち。デメリットは 1550nm が SWIR バンドで水蒸気吸収帯に近く、霧・雨で減衰が大きいことがある点。
🙋
Tesla がカメラオンリーにしたって有名な話を聞きました。LiDAR って本当に必要なんですか？
🎓
業界が完全に二分してるところだね。Tesla は 2021年以降 LiDAR・レーダーを順次廃止、視覚 + NN ベースで FSD を構築する哲学。Waymo・Cruise・Mobileye・Zoox は LiDAR 必須派で、夜間・低コントラスト・小物体での冗長性で安全率を稼ぐ立場。最近のトレンドは FMCW LiDAR (Aurora, Aeva) で、ToF と違ってドップラー速度を同時取得できる。1フレームで「相手車両は右に 30m 先、しかも 50km/h で接近中」と分かるのが強み。コストは 905nm ToF より高いけど、L4 自動運転で本命視されつつあるよ。
TOF 方式 LiDAR の距離分解能は δd = c·τ/2 で決まります。τ がパルス幅、c が光速 2.998×10^8 m/s です。例えば 5 ns パルスなら δd = 0.75 m、1 ns で 15 cm、0.1 ns（サブナノ秒）まで短くすれば 1.5 cm 級になります。実用的な APD 受信機の応答時間と回路帯域で詰まるため、905 nm 級ではおおむね 1〜10 ns、最先端の SPAD アレイで 100 ps オーダーが実現範囲です。
本ツールでは Lambert 反射ターゲットを仮定した簡易 lidar equation P_rec = P_tx·ρ·A_rec / (π·R²) を使っています。ρ は反射率、A_rec はレシーバ口径面積、R は距離です。R の2乗で減衰する点が最大の特徴で、距離を2倍にすると受信電力は1/4になります。系統的な大気減衰係数 exp(-2αR) や受信光学系の透過率は省略しているため、霧・雨など悪天候や 200 m 超の長距離評価では実機の半分以下になるのが普通です。
905 nm は Si APD/SPAD が安価で量産しやすく、低コスト車載 LiDAR (Velodyne, Hesai, Innoviz の多く) で主流です。一方 1550 nm は InGaAs 受光素子を必要としコスト増ですが、人眼の角膜・水晶体で吸収されて網膜に届かないためクラス1 eye-safe 制限内で 10〜50 倍の高出力が許容され、長距離 (>200m) と悪天候耐性で有利。Luminar・Aeva など長距離プレミアム LiDAR が採用。SWIR 帯のため水蒸気吸収帯近傍にあり、霧・雨での減衰は 905 nm より大きい場合もあります。
Tesla は 2021 年以降 LiDAR とミリ波レーダーを段階的に廃止し、視覚（カメラ）と NN による奥行き推定で AP/FSD を構築する戦略を採っています。理由は (1) LiDAR の BOM コスト、(2) センサー融合 SW の複雑化、(3) 「人間が目だけで運転できるなら AI も同じはず」というイーロン・マスクの哲学。一方 Waymo・Cruise・Mobileye・Zoox は LiDAR を必須としており、特に夜間・低コントラスト・小物体検出での冗長性で安全率を稼ぐ立場です。FMCW LiDAR (Aurora, Aeva) は ToF と異なりドップラー速度を同時取得でき、相手車両の速度ベクトルを 1 フレームで読めるのが利点です。
自動運転車・ADAS：Waymo Driver の屋根 Honeycomb LiDAR、Velodyne Alpha Puck、Hesai AT128、Luminar Iris など、L4 robotaxi から L2+ 量産車まで採用が広がる中核センサー。一般的な要求は 200m での 10% 反射率検出、距離精度 ±5cm、角度分解能 0.1°。本ツールのデフォルト 100m 30% でも SNR 4 dB は実機としては厳しい数値で、実機では averaging とコヒーレント検出で 20 dB 以上を稼いでいます。
地理測量・国土測量：航空機・ドローン搭載 LiDAR (RIEGL, Leica) は GIS・地形図作成・森林管理で標準ツール。地上ベースの terrestrial LiDAR (Faro, Leica BLK360) は建築 3D スキャン・BIM 作成で活用。これらは静止または低速ターゲットなので長時間 averaging が可能で、サブ cm 精度・10 m〜数 km 範囲が普通です。
農業・林業 robotic：John Deere・Naïo Technologies など、ロボトラクター・除草ロボットの作物認識で使用。低コスト 905 nm ソリッドステート LiDAR を採用し、列間走行と作物 vs 雑草の識別を行います。SLAM (Simultaneous Localization and Mapping) のセンサーとしても標準。
気象観測 LiDAR：Mie 散乱を利用したエアロゾル LiDAR、ドップラー風 LiDAR (NOAA, JMA) で大気成分・雲底高度・PM2.5 分布・上空風速を測定。本ツールの ToF 距離測定原理は同じですが、ターゲットが点ではなく散乱体積になり、距離分解能はゲート幅で決まる点が異なります。
第一の落とし穴が、「距離分解能 = 距離精度」と混同すること。本ツールが出す δd = c·τ/2 = 75 cm（パルス 5 ns）は「2つの物体を分離できる最小間隔」で、単独物体の測距精度はこれよりはるかに良い δd/√SNR となります。デフォルト条件で精度 45 cm と出ているのは SNR が 4 dB と低いから。実機ではパルス averaging で SNR を 30 dB（1000倍）稼げば、同じパルス幅で精度 2.4 cm まで到達可能。「分解能 75cm のセンサーで歩行者の脚と胴が見えないのか？」という質問に対しては「YES、ただし1人の歩行者の重心位置は cm 単位で分かる」が正解です。
第二に、「Lidar equation を直線的に外挿してしまう」こと。本ツールの簡易式 P_rec = P_tx·ρ·A/(π·R²) は (1) Lambert 拡散反射、(2) 大気減衰ゼロ、(3) 光学系透過率 100% を仮定しています。実機では (a) 鏡面反射体（バンパー、ガラス）で受信ゼロになるか飽和、(b) 霧・雨・雪で 10-30 dB の追加減衰、(c) 受光光学系で 30-50% の損失。設計時はこの式を 6-10 dB のマージン込みで使い、実機評価で校正してください。Class 1 eye-safe 制限を超えないことも必須です。
第三に、「角度分解能を忘れて距離分解能だけ議論する」こと。本ツールには角度分解能を典型値 0.5 mrad と固定していますが、これは横方向（spatial）の分解能を決める死活的パラメータです。100m 先では 0.5 mrad = 5 cm 幅、200m 先では 10 cm 幅となり、これより小さい物体（歩行者の腕、自転車のフレーム）は単一点として検出されます。Velodyne Puck の 32 ライン・水平 0.2° は 200m 先で歩行者 1人あたり 4-5 点しか当たらず、認識アルゴリズムの工夫が必要。Luminar Iris のような可変解像度型は、関心領域だけ 0.05° に密集させる戦略を取ります。