Fonctionnement du LiDAR et principaux produits — Livox, Velodyne, Hesai

Le LiDAR (Light Detection and Ranging) mesure le temps que met un faisceau laser émis pour se réfléchir sur un objet et revenir (temps de vol, ToF), puis calcule la distance à partir de la vitesse de la lumière. Là où une caméra capture la couleur et les motifs, le LiDAR peut capturer directement la forme 3D réelle d'un objet, indépendamment des conditions d'éclairage ; c'est son principal atout, et il est largement utilisé pour la perception de l'environnement dans les véhicules autonomes et pour le SLAM (localisation et cartographie simultanées) en robotique. Ce domaine a été initié par l'américain Velodyne, puis rendu plus abordable par Livox (une filiale de DJI), et voit aujourd'hui les Chinois Hesai et RoboSense s'imposer comme leaders de la production de masse — un marché dont l'équilibre des forces a considérablement évolué en un peu plus d'une décennie.

Velodyne Alpha Prime / Ultra Puck / Gamme Puck

Livox Mid-40 / Horizon / Tele-15

Images : Velodyne Lidar Alpha Prime Ultra Puck Puck Sensor Family (APJarvis, CC BY-SA 4.0) / Livox Mid-40, Livox Horizon et Livox Tele-15 (Dllu, CC BY-SA 4.0), tous deux issus de Wikimedia Commons. Il ne s'agit pas des modèles les plus récents comparés dans le texte (VLP-16, Mid-360S), mais d'exemples représentatifs des gammes de produits de chaque entreprise.

Principe : calcul de la distance à partir du temps de parcours aller-retour de la lumière

Le principe de base du LiDAR est simple. Il émet une impulsion laser, mesure le temps (T) que met cette impulsion pour se réfléchir sur un objet et revenir, puis calcule la distance (D) à partir de la vitesse de la lumière (c) (\approx 3.0 \times 10^8) m/s.

La division par deux tient compte du temps de parcours aller-retour de l'impulsion jusqu'à la cible. Du fait de la vitesse extrêmement rapide de la lumière, cette différence de temps doit être mesurée à l'échelle de la nanoseconde (milliardième de seconde). Par exemple, le temps de trajet aller-retour vers un objet situé à 10 m n'est que d'environ 67 nanosecondes. Cette précision temporelle extrême est précisément ce qui rend le LiDAR techniquement complexe. Il existe deux grandes approches : le dToF (temps de vol direct), qui mesure directement le temps de trajet aller-retour d'une impulsion, et l'iToF (temps de vol indirect, incluant le FMCW), qui calcule la distance à partir du déphasage d'un faisceau continu modulé. La plupart des produits longue portée destinés à une utilisation en extérieur utilisent le dToF.

Schéma de principe du LiDAR ToF

Image : Concept du LiDAR (Cartographer3d, CC BY-SA 4.0), Wikimedia Commons.

Méthodes de balayage : des unités mécaniques rotatives aux conceptions non rotatives (à semi-conducteurs)

Les méthodes de balayage LiDAR se répartissent en trois grandes catégories.

Type mécanique rotatif : des unités émetteur/récepteur laser sont empilées et l'ensemble est mis en rotation à 360 degrés par un moteur – l'approche originale développée par Velodyne. Il peut couvrir uniformément l'environnement à 360 degrés, mais ses pièces mobiles ont tendance à le désavantager en termes de durabilité et de coût.

Le LiDAR de type MEMS est une approche semi-solide qui utilise la vibration à haute fréquence d'un minuscule miroir (miroir MEMS) pour balayer le champ laser. La petite taille de ses pièces mobiles permet de réduire les coûts. C'est l'une des approches courantes pour la production en série de LiDAR automobiles, notamment utilisée dans la série M1 de RoboSense.

L'approche non rotative (propriété de Livox) utilise la rotation de deux prismes (prismes de Risley) à des vitesses différentes pour diriger le laser selon un motif de balayage non répétitif en forme de pétale (courbe en rhodonea). Lorsque le rapport des vitesses de rotation entre les deux prismes est proche d'un nombre irrationnel, la trajectoire de balayage ne repasse théoriquement jamais sur le même chemin, ce qui permet à la densité du nuage de points de croître au fil du temps. Le balayage traversant plus fréquemment le centre du champ de vision que sa périphérie, la distribution de densité est non uniforme, plus dense au centre qu'en périphérie (l'espacement des lignes au centre du champ de vision est d'environ 0,2 degré, supérieur à celui d'un LiDAR conventionnel à 64 lignes). Cette conception permet de conserver des pièces mobiles compactes tout en offrant un large champ de vision, mais la densité instantanée du nuage de points est inférieure à celle d'une conception rotative, et les performances sont limitées sur les plateformes mobiles rapides ne pouvant supporter de longs temps d'intégration.

Comparaison des principales spécifications des produits

Le Velodyne Puck VLP-16 se distingue par ses 16 canaux (16 lignes laser verticales) offrant une résolution verticale de 2 degrés. Il a longtemps fait office de référence pour la conduite autonome et les projets de validation de concept en robotique. L'OS1-128 d'Ouster reprend la structure rotative mécanique du Velodyne tout en intégrant une architecture LiDAR numérique propriétaire (lasers et détecteurs intégrés sur un procédé CMOS) pour un nombre élevé de canaux et une densité de nuage de points importante. Le Livox Mid-360S hérite de la résistance à la poussière et à l'eau (IP67) et de l'IMU intégrée (ICM-40609) du Mid-360, tout en optimisant les performances de détection à courte portée.

Dans les secteurs automobile et industriel, les entreprises chinoises Hesai et RoboSense gagnent rapidement des parts de marché grâce à leurs solutions MEMS et à semi-conducteurs. L'AT128 de Hesai combine 128 réseaux VCSEL multijonctions haute puissance avec 128 photodiodes à avalanche dans une conception hybride à semi-conducteurs. Adopté par les programmes ADAS de plusieurs grands constructeurs automobiles, il a été déployé à plusieurs millions d'unités. RoboSense propose deux gammes : la série M1, basée sur la technologie MEMS, et la série E1R, entièrement à semi-conducteurs, qui consomme moins de 10 W, alliant fiabilité automobile et faible coût pour la robotique. En 2026, la capacité de production annuelle combinée du secteur pour les LiDAR destinés à la conduite autonome atteignait environ 4 millions d'unités.

Les véritables origines de cette industrie

Le DARPA Grand Challenge a donné naissance à Velodyne — L'histoire du LiDAR commence, curieusement, avec un fabricant d'équipements audio. David Hall, fondateur de Velodyne Acoustics, travaillait initialement sur la technologie des haut-parleurs haute-fidélité pour la maison. Participant au DARPA Grand Challenge 2004-2005 (une course de véhicules autonomes sur 240 km de désert), il a d'abord testé la navigation par caméra stéréoscopique, mais après avoir échangé avec d'autres équipes, il s'est tourné vers le LiDAR. Dès 2005, il avait conçu le HDL-64, le premier LiDAR à vision panoramique à 360° en temps réel au monde, équipé de 64 lasers tournant à 900 tr/min. Lors du DARPA Urban Challenge 2007, presque toutes les équipes ayant franchi la ligne d'arrivée disposaient d'un système Velodyne fixé sur le toit de leur véhicule ; cette solution ingénieuse pour le désert est devenue l'équipement standard de toute l'industrie de la conduite autonome.

Livox, une spin-off de DJI — Livox a été fondée en 2016 après que des ingénieurs du programme d'innovation ouverte (Open Innovation Program), incubateur interne du géant des drones DJI, ont développé une nouvelle méthode de balayage non répétitive. L'entreprise s'est donné pour mission de fournir des LiDAR fiables, performants et à bas coût pour les applications automobiles, les villes intelligentes, la topographie et la robotique mobile. Depuis le lancement de la série Mid en janvier 2019, elle a servi plus de 1 500 clients dans plus de 26 pays et régions. Ses produits sont également vendus via la boutique DJI Store, un canal de distribution inhabituel pour le secteur des LiDAR.

Le LiDAR maison de Waymo et son « repli » — À ses débuts dans le domaine de la conduite autonome, Waymo (alors Google) était confrontée à un LiDAR du commerce dont le prix atteignait 75 000 l'unité. L'entreprise a alors décidé de concevoir son propre système, en lançant la production en 2011 et en réduisant ainsi le coût d'un facteur dix environ, à environ 7 500. En 2019, l'entreprise a commencé à vendre un LiDAR périmétrique monté sur pare-chocs, le Laser Bear Honeycomb (champ de vision vertical de 95°, champ de vision horizontal de 360°), à des sociétés des secteurs de la robotique, de la sécurité et de l'agriculture qui n'étaient pas en concurrence avec son activité de robotaxis. Cependant, vers 2021, après environ deux ans et demi de ventes externes, elle a cessé ces ventes, illustrant ainsi la difficulté de continuer à fournir un élément essentiel de sa propre technologie à des tiers.

Bataille juridique de Hesai concernant sa désignation comme « entreprise militaire chinoise » — En 2024, le département américain de la Défense a ajouté Hesai Technology, basée à Shanghai, ainsi que plusieurs autres entreprises chinoises, à sa liste des « entreprises militaires chinoises » (liste 1260H). Hesai a porté plainte la même année devant un tribunal fédéral de Washington, arguant qu'elle « n'est pas une entreprise militaire » et que ses produits sont exclusivement destinés à un usage civil. En juillet 2025, le tribunal de district a confirmé l'inscription de Hesai sur la liste, et l'entreprise a fait appel devant la cour d'appel fédérale. C'est un exemple concret d'une entreprise chinoise, leader mondial du LiDAR automobile, prise dans un conflit géopolitique.

L'effondrement de Luminar et Volvo — Luminar était l'une des rares start-ups américaines spécialisées dans le LiDAR à avoir décroché un véritable contrat de production avec un constructeur automobile, équipant de série le SUV électrique EX90 et la berline ES90 de Volvo. Fin 2025, Volvo a mis fin à leur collaboration, arguant que Luminar n'avait pas respecté ses obligations contractuelles et annonçant le retrait du LiDAR des véhicules à partir de l'année-modèle 2026, avec une indemnisation pouvant atteindre 18 000 couronnes norvégiennes pour les propriétaires actuels. Luminar s'est placée sous la protection du chapitre 11 de la loi sur les faillites le 15 décembre de la même année. Cet exemple récent illustre parfaitement comment la fragilité financière d'un fournisseur peut freiner l'objectif plus large de l'industrie : généraliser l'équipement LiDAR sur les véhicules autonomes.

Fusion FAST-LIO et LiDAR-IMU — FAST-LIO (« A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter », arXiv:2010.08196), un algorithme largement utilisé et performant avec les LiDAR non rotatifs à haute fréquence de sortie comme le Livox Mid-360, a été publié en 2020 par Wei Xu, Fu Zhang et leurs collègues de l'Université de Hong Kong. Il fusionne les points caractéristiques LiDAR avec les données IMU grâce à un filtre de Kalman itératif à couplage étroit, utilisant une nouvelle formulation qui calcule le gain de Kalman en fonction de la dimension d'état plutôt que de la dimension de mesure, ce qui permet un traitement nettement plus rapide que les méthodes précédentes. Son successeur de 2021, FAST-LIO2 (arXiv:2107.06829), a évolué pour permettre l'enregistrement direct des nuages de points bruts sur la carte sans extraction de caractéristiques, et est utilisé dans de nombreux projets de robotique. Les recherches sur les caractéristiques de balayage de l'approche de Livox continuent également de paraître, comme par exemple un article comparant les schémas de balayage répétitifs et non répétitifs pour les LiDAR installés en bord de route (arXiv:2511.00060).

Paramètres déterminant les performances : les priorités varient selon le cas d'utilisation

• Densité du nuage de points : Elle est cruciale pour la détection de petits objets éloignés (une personne, le contour d'un obstacle). Une faible densité signifie que moins de points laser atteignent la cible, ce qui entraîne des détections manquées. Les produits destinés aux applications automobiles et haute résolution dépassent de plus en plus le million de points par seconde, comme l'AT128 de Hesai (plus de 1,5 million/s) et l'OS1-128 d'Ouster (2,62 millions/s).

• Champ de vision : Un robot devant couvrir l'intégralité de son environnement nécessite un champ de vision horizontal complet de 360°. À l'inverse, une application véhicule nécessitant uniquement une surveillance frontale peut privilégier la portée au détriment d'un champ de vision limité, comme c'est le cas pour l'AT128 de Hesai (120° horizontal) ou l'E1R de RoboSense (120° x 90°).

• Portée : Les véhicules rapides ont besoin d'une plus grande portée pour garantir une distance de freinage adéquate. L'OS2 d'Ouster, avec une portée de 240 m, est conçu pour les camions circulant sur autoroute, tandis que pour les robots plus lents, la précision de détection à courte portée est généralement plus importante.

• Distance minimale de détection : Pour un bras robotisé travaillant au plus près d'un obstacle, une « zone morte » où les objets proches ne sont pas détectés est dangereuse. C'est précisément le problème que résout la détection à courte portée améliorée du Mid-360S.

• Résolution verticale : Elle est essentielle pour détecter les fines irrégularités de la surface, comme les dos d'âne ou les bordures de trottoir. La configuration à 16 canaux et pas de 2 degrés du Velodyne Puck VLP-16 offre un bon compromis entre résolution et coût.

• Consommation électrique : Pour les drones et petits robots alimentés par batterie, la consommation électrique influe directement sur l'autonomie de vol ou de fonctionnement. La consommation inférieure à 10 W du RoboSense E1R est une caractéristique clairement adaptée à ce cas d'utilisation.

• Caractéristiques de la distribution des points liées à la méthode de balayage : Un système non rotatif comme celui de Livox présente une distribution non uniforme, plus dense au centre du champ de vision qu'en périphérie. La précision de détection en périphérie peut donc être inférieure à celle d'un système rotatif. En pratique, la capacité de la plateforme à supporter de longs temps d'intégration (à l'arrêt ou en mouvement lent vs rapide) a un impact significatif sur les performances réelles.

Lecture numérique des nuages de points : Résolution temporelle et angulaire

La portée indiquée dans une fiche technique ne suffit pas à prédire le rendu d'un LiDAR. Une première estimation de la variation de portée est obtenue en convertissant l'erreur de synchronisation en distance. Si l'erreur de synchronisation de l'impulsion est \sigma_T, l'écart type de la portée est :

Par exemple, \sigma_T=100\,\mathrm{ps} donne \sigma_D\simeq15\,\mathrm{mm} lorsque c\simeq3.0\times10^8\,\mathrm{m/s}. Ceci ne représente que la contribution de la synchronisation interne du capteur ; la réflectivité, l'angle d'incidence, les gouttes de pluie, les trajets multiples et les erreurs d'étalonnage extrinsèques s'ajoutent séparément.

La résolution angulaire détermine la distance apparente entre deux points voisins. Si des rayons laser adjacents sont séparés par \theta à la portée D, leur espacement latéral est, dans l'approximation des petits angles, :

À D=10\,\mathrm{m} et \theta=0.2^\circ, s\simeq35\,\mathrm{mm}. Pour détecter un poteau mince avec fiabilité, il faut vérifier non seulement le nombre de points par seconde, mais aussi le nombre de lignes de balayage traversant la cible et s'assurer que la plateforme mobile permet un temps d'intégration suffisant.