自动驾驶中的传感器以及传感器组合方案

自动驾驶分感知，融合互联，定位，处理决策，执行等几个步骤，当然如我们之前文章自动驾驶的三种解决方案基于不同的基础，可能有所不同但都离不开感知，处理，执行三个步骤。

在自动驾驶领域，传感器硬件是智能驾驶算法的基础，是执行的源头，所以传感器在自动驾驶方面是比较重要也热门的产品。但其实当前自动驾驶传感器种类繁多、功能各异。本文将介绍自动驾驶相关的常用的传感器，相关原理以及优缺点，展望部分新兴传感器；以及未来自动驾驶整车传感器组合趋势，希望能给大家带来一些整体传感器的认知。

自动驾驶的传感器们

首先当前汽车自动驾驶相关传感器底层技术应用分为两类：

• 
  

• 一类为光学图像投射到图像传感器表面上，然后转为电信号就是摄像头，单个摄像头显然就是2D。

• 另一类为传感器发射信号，然后接收反射回来的信号，通过测量所经过的时间或相移。然后，根据光的总飞行时间（按照光速）计算距离，这就是雷达，然后根据发射波长的不同来不同的命名。下图为ISO发布不同波长参考

2D 摄像头-业内广泛采用 2D 摄像头技术实现汽车视觉和传感。它们构成了高级驾驶员辅助系统 (ADAS)、全景影像系统 (SVS) 和驾驶员监测系统 (DMS) 的基础。结合使用红外照明技术，可以在夜间工作。2D 摄像头依靠强大的处理器、算法和神经网络处理这些图像。大部分OEM 在自动驾驶汽车上使用摄像头，通常与 RADAR、LiDAR 或其他技术结合使用。

立体视觉需要使用两个摄像头来实现，两个摄像头根据彼此的相对位置准确放置。将这两个来源的图像相关联，可以生成深度图。但立体视觉很受摄像头光线环境影响。

雷达RADAR-使用无线电波检测一定距离内的物体，并确定其速度和倾向。数十年来，业界一直使用这种技术准确计算各类车辆的位置、速度和方向。许多现代汽车使用 RADAR 在高级巡航控制 (ACC) 和自动紧急制动 (AEB) 等功能中实现危险检测和测距。这些技术依靠来自多个 RADAR 传感器的信息（通过车载电脑来解读）来识别车辆或危险物的距离、方向和相对速度。RADAR 几乎不受恶劣天气情况的影响，能够在黑暗、潮湿或有雾的条件下可靠地工作。当前的 24 GHz 传感器分辨率有限，图像模糊不清，随着更准确的 77 GHz RADAR 传感器的推出，这一问题将迎刃而解。

激光LiDAR-，又称 3D 激光扫描，与 RADAR 的工作原理相似，但与无线电波不同，发射的是快速激光信号，有时高达每秒 150,000 次脉冲，这些脉冲会从障碍物反射回。传感器会测量每个脉冲来回所需的时间。

LiDAR 的优点包括准确性和精度。可以为自动驾驶汽车提供较远距离内周围事物的 3D 图像。LiDAR 与摄像头相比极其准确，因为激光器不会受阴影、日光或其他汽车前灯光线的影响。缺点包括成本高、尺寸大，存在干扰和干涉，在雾、雪和雨天的穿透能力有限。另外，LiDAR 不提供摄像头通常所看到的信息，例如标牌上的文字或者交通信号灯的颜色。

超声波ultrasonic-超声波传感器可发出短的超声波脉冲，遇到障碍物会反射回来。随后会接收并处理回声信号。超声波传感器在雾、雨、雪等恶劣天气以及弱光条件下表现出色，且价格相对并不昂贵。缺点包括反应时间长、视野有限，比 LiDAR 的精度要低。另外，超声波传感器难以检测包括快速移动的小物体或多个物体。

远红外far-infrared (FIR)摄像头，又称热感摄像头，可以收集来自物体、人员和周围事物的热辐射。通过感应远超可见光的红外光谱。

FIR 摄像头可以识别不同于其他传感技术的电磁波谱波段。因此可以使车辆能够检测到摄像头、RADAR 或 LiDAR 不易察觉的物体。FIR 摄像头受环境影响较小。但是，它无法提供距离或景深信息，只能提供热成像的2D 视频。可以轻松检测到生物，但对温度与背景相同的静态物体的检测能力则有所欠缺但FIR 摄像头扫描可见光上方的红外光谱，因此可以检测摄像头、雷达或激光雷达可能无法感知的物体。所以当前FIR摄像头在汽车领域应用也开始增多，全球领先的 FIR 传感器公司有 3 家：Autoliv、FLIR systems 和 AdaSky

当然几个非自动驾驶车辆也有的传感器本文没有指出，可以点击之前文章自动驾驶八大定位感知文章了解。

传感器组合时代

使用哪种传感器组合及需要多少颗传感器来实现“自动驾驶”的安全性，目前尚处于激烈的争论之中。当前的各种传感器有自己的优缺点，但由于自动驾驶要求的安全和现实环境的复杂性，所以目前不可能有一种传感器的解决方案，基本都是属于传感器混合方案即使是叫凶的特斯拉也采用了77G的毫米波雷达。

所以现在即使不管自动驾驶的等级情况下，学术论文认为需要保证ADAS辅助驾驶例如我们常用自适应巡航，碰撞预防，拥堵辅助等等功能在全气候环境（一般天气，下雨，夜晚，雾霾沙尘）下的稳健使用都需要我们上面的提到的所有传感器加入组合使用。

同时根据恩智浦的报告，未来自动驾驶传感器的趋势依然是自动驾驶等级从L1-L5（了解自动驾驶分级点击秒懂自动驾驶级别分类，附加专业版本）必须要以上几种传感器的融合，例如恩智浦预测要达到L4/5的级别自动驾驶雷达可能需要多达8个，摄像头多达8个，激光雷达多达3个，还有其他传感器配合。

总结所以，传感器是自动驾驶风口的一个大行业，所以目前不少技术，供应商和资本都紧紧盯住这个市场。

但当前传感器的多少和种类在汽车上的应用，绝非是衡量自动驾驶的能力高低的唯一指标，毕竟传感器融合能力，信息的处理能力（处理能力的硬件域控制器，可以点击我们之前小鹏的自动驾驶XPILOT以及智能座舱Xmart OS了解）也占有非常大的指标，绝对不是堆料就能解决的。

参考文章

汽车雷达技术产业 - 恩智浦

The Perception System of Intelligent Ground Vehicles in All Weather Conditions: A Systematic Literature Review - Abdul Sajeed Mohammed *, Ali Amamou , Follivi Kloutse Ayevide, Sousso Kelouwani *, Kodjo Agbossou and Nadjet Zioui

CMOS Image Sensors in Automotive Industry - Yole

Radar for automotive : automated driving applications strengthens market dynamic - yole

汽车ADAS方案白皮书 - ADASKY

FIR白皮书 - ADASKY

文中部分图文版权归以上资料方所有