自动驾驶汽车的传感器辣么多，到底哪个最重要？

在谈及自动驾驶汽车时，总绕不开传感器这个话题，众所周知，自动驾驶汽车上会搭载各种摄像头及雷达，它们是汽车的“眼睛”，能帮助汽车准确感知周围环境，识别路面车辆、行人、交通标识等信息。

这些传感器是自动驾驶汽车安全行驶的核心因素之一。

传感器的种类与特点

不同等级的自动驾驶技术需要不同的传感器解决方案，用于自动驾驶汽车上的常见传感器有如下几种：摄像头、毫米雷达、激光雷达、超声波雷达等……

这些传感器在应用时各有优劣。

01 图像传感器——摄像头

相对于其它传感器，摄像头的应用领域广泛，技术十分成熟，价格相对低廉。面向未来的自动驾驶，摄像头也是不可或缺的存在，博世、大陆等零部件供应商都在积极研发新一代摄像头技术，使其感知能力更稳、准、快。

摄像头可以采集车辆周围图像信息，然后经过计算机的算法分析，实现众多预警类、识别类的功能，如疲劳驾驶预警、行人警示、车道保持、交通标志识别、交通信号灯识别等，目前在汽车高级辅助驾驶（ADAS）市场已被规模使用。汽车摄像头可分为单目、双目及多目，安装位置有前视、后视、侧视、环视，针对不同的应用场景，可组合应用。

优点：能够清楚地辨识物体，准确理解交通信号灯、标识及车道所表达的含义，还能检测车辆、行人及自行车等。具备分辨率高、速度快、传递的信息丰富、成本低等优点。

缺点：过度依赖外部光源条件。低照度或夜晚光线弱的情况下，摄像头的性能会迅速下降；在烈日下出入隧道，都会使摄像头瞬间“失明”，虽然只有短短几秒，但也相当危险；雨雪雾霾等恶劣天气也会影响摄像头性能。此外自动驾驶汽车若采用大量摄像头做传感器，需GPU有强计算能力。

02毫米波雷达

作为ADAS不可或缺的核心传感器类型，毫米波雷达从上世纪起就已在高档汽车中使用，技术相对成熟。它主要是利用无线电波对物体进行探测和定位，在测量目标的距离、速度和角度时毫米波雷达比其他类型传感器有优势。

毫米波雷达的探测距离一般在150m-250m之间，有的高性能毫米波雷达探测距离甚至能达到300m，可以满足汽车在高速运动时探测较大范围的需求。凭借出色的测距测速能力，毫米波雷达被广泛地应用在自适应巡航控制（ACC）、前向防碰撞报警（FCW）、紧急自主制动（AEB）、盲点检测（BSD）、辅助变道（LCA）等汽车自动驾驶功能中。

优点：毫米波导引头穿透雾、烟、灰尘的能力强，具备全天时全天候以及探测远距离等优势，此外它体积小巧紧凑，探测性能稳定，不受目标物体形状、颜色等干扰，还具备识别精度高等优点，在价格方面，毫米波雷达单价远低于激光雷达，是一种相对容易采纳的传感器技术。

缺点：毫米波雷达的缺点也十分直观，探测距离受到频段损耗的直接制约（想要探测的远，就必须使用高频段雷达），也无法感知行人，并且对周边所有障碍物无法进行精准的建模。

目前市场上主流的车载毫米波雷达频段主要包括77GHz和24GHz两种，其中前者波长更短，探测距离更远，因此多用于前方车辆检测；而后者则通常用在车辆周围的检测，如盲点检测。此外，也有一些其他频段的毫米波雷达，如日本的60GHz以及中国台湾使用的79GHz。

毫米波雷达很好的弥补了如红外、激光、超声波、 摄像头等其他传感器在车载应用中所不具备的使用场景。

03激光雷达

激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统，能探测静态和动态物体，并提供被探测物的 3D 图像。原先它主要运用于工业、军事等领域，随着自动驾驶技术的发展，它也逐渐成为智能汽车领域应用的核心传感器之一。

车载激光雷达又称车载三维激光扫描仪，通过发射和接收返回的激光束，分析激光遇到目标后的折返时间，计算出目标与车的距离。通过这种方法，搜集目标表面大量的密集点的三维坐标、反射率等信息，能快速复建出目标的三维模型及各种图件数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。目前市场上比较常见的有8线、16线和32线激光雷达，还有少量64线产品。激光雷达线束越多，测量精度越高，安全性也越高，但是成本也越高。

优点：与其他汽车传感器相比，激光雷达的优势在于其探测范围更广，探测精度更高（精度高达厘米级），稳定性强。

缺点：激光雷达受环境影响因素较大，光束受遮挡后就无法正常使用，因此在雨雪雾霾天、沙尘暴等极端恶劣天气下采集性能较差；其次，它不具备穿透能力，探头必须完全外露才能达到探测效果，对于安装车辆来说影响车辆外形美观。再者，采集回来的数据量过大，且其造价十分昂贵。

以Velodyne的产品为例，其64线束的激光雷达价格大约是16线束的10倍，而百度的无人驾驶汽车曾使用的一台64位激光雷达，价值高达70万余人民币，因此这种搭载了激光雷达的自动驾驶汽车，整体造价也会非常昂贵。因此，现在激光雷达制造商们都在努力开发新产品、新技术，力争使激光雷达朝着小型化、低成本化方向发展。

04 超声波雷达

如果你觉得超声波雷达有些陌生，那么它还有一个更通俗的名字——倒车雷达。在倒车入库，慢慢挪动车子的过程中，在驾驶室内能听到”滴滴滴“的声音，这些声音就是根据超声波雷达的检测距离给司机的反馈信息。

车载的超声波雷达一般安装在汽车的保险杠上方，隐藏在保险杠的某个位置。

常见的超声波雷达有两种：

【UPA】一般安装在汽车前后保险杠上，也就是用于测量汽车前后障碍物的倒车雷达，其探测距离一般在15~250cm之间；

【APA】一般安装在汽车侧面，用于测量侧方障碍物距离的超声波雷达，其测距离一般在30~500cm之间。

该图示汽车配备了前后向共8个UPA,左右侧共4个APA

APA的探测范围更远，因此相比于UPA成本更高，功率也更大。

超声波雷达主要用于倒车辅助，超声波传感器通常需同控制器和显示器结合使用，从而以声音或者更为直观的显示告知驾驶员周围障碍物的情况，解除驾驶员泊车、倒车和起动车辆时前后左右探视所引起的困扰，并帮助驾驶员扫除视野死角和视线模糊的缺陷，提高驾驶安全性。这种雷达除了可以检测障碍物外，还可以用于泊车库位检测、高速横向辅助等技术。

优点：超声波雷达穿透性强，测距的方法简单，成本低。

缺点：由于超声波是一种机械波，其使用效果会受传播介质的影响，例如受天气影响，在不同的天气情况下，超声波的传输速度不同，而且传播速度较慢。另外，当汽车高速行驶时，使用超声波测距无法跟上汽车的车距实时变化，误差较大，影响测量精度。

事实上，每一种传感器都有性能边界，它们各具优缺点，目前无论是特斯拉、Waymo还是奥迪、宝马在实现其自动驾驶技术时采用的都是多传感器融合方案。

这些传感器能在不同场景中发挥各自优势，目前难以相互替代。它们可以从不同的方面保证自动驾驶汽车行车安全。

高精度地图——最稳定的传感器

在自动驾驶研发过程中，安全性是核心因素，车辆会采用各种传感器解决方案来完善其感知系统，而最稳定的还要数看不见的“传感器”——高精度地图。

实际情况下当一辆车在自动驾驶时，仅仅通过传感器获得的信息是不够的，它是很难知道目前自己处于高速公路还是普通城市道路上；在无限速牌的路段上行驶时，它不知道车速最高能开多快？若所处路段天气欠佳或GPS信号弱的话，传感器更是无法实时捕获信息……

高精度地图为车辆提供的是先验信息。先验信息是指某些可以提前采集且短时间内不会改变的信息，例如道路属性、前方道路的曲率、交通标识牌……这些信息客观存在，因此可以提前采集，并作为先验信息传给无人车做决策。

易图通高精度地图在自动驾驶领域的应用

高精度地图就像自动驾驶汽车的记忆，离开了记忆，无论眼睛和思考速度有多么发达，还是无法对事件进行全局把控。一辆能调用高精度地图数据的自动驾驶汽车，能够对所处的环境进行精准预判，提前选择合适的行驶策略，而把对环境的监测重点放在应对突发情况上。在提升车辆安全性的情况下，还有助于降低车载传感器和控制系统的成本。

在实现自动驾驶的路上，为保持汽车行驶途中的安全性与数据冗余，高精度地图+多种传感器融合的方案将成为未来自动驾驶感知系统的主流发展方向，全面进化的高精地图也将成为其无法绕过的一座技术大山。

部分图文来源于网络，如有侵权，请联系删除。