是時候梳理一下自動駕駛要用到的那些傳感器了。

車雲按：特斯拉在五月份發生的自動駕駛事故，和最近在Defcon上演示的如何幹擾傳感器，都充分說明了傳感器在自動駕駛中的重要性：環境感知是自動駕駛實現的基礎，如果不能正确地感知周圍環境，那麼接下來的認知、決策與控制，都是空中樓台。

從傳感器技術發展本身來說，要在接下來十年裡保證自動駕駛車安全地上路，硬件性能與背後的軟件算法，以及不同傳感器之間的數據融合，都是需要提升的地方。

△車輛上的各式各樣傳感器

傳感器在自動駕駛的重要性無需贅言。

特斯拉的Autopilot系統通過攝像頭、毫米波雷達與超聲波雷達的融合數據來控制車輛在高速路車道行駛、變道以及根據交通情況調整車速。

谷歌的全自動駕駛測試車用的是價格昂貴、結構複雜的遠距傳感系統LiDAR（激光雷達）。

豐田透露過他們的高速道路自動駕駛汽車上有12個傳感器：1個藏在内後視鏡裡的前攝像頭，5個測量周圍車輛速度的雷達，和6個探測周圍目标位置的激光雷達5。

盡管也有一些企業另辟蹊徑，希望通過V2X技術來完成環境感知的工作，但是V2X嚴重依賴于基礎設施，而傳感器則不受這個限制。

激光雷達

LiDAR系統使用的是旋轉激光束。寶馬、谷歌、日産和蘋果的無人駕駛試驗車用的就是這項技術。但要想在量産車上應用，價格必須大幅下降。業内普遍認為，再過幾年這個目标就能實現。

△激光雷達工作原理（圖片來自Velodyne）

激光雷達的工作原理是通過發射和接收激光束來實現的。在其内部，每一組組件都包含一個發射單元與接收單元。上圖的Velodyne使用了旋轉鏡面的設計。

這套發射/接收組件和旋轉鏡面結合在一起，能掃描至少一個平面。鏡面不隻反射二極管發出去的光，而且也能把反射回來的光再反射給接收器。通過旋轉鏡面，能夠實現 90到180度的視角，并且大大降低系統設計和制造的複雜度，因為鏡面是這裡面唯一的運動機構。

脈沖光以前被用于探測距離。探測距離的原理是基于光返回的時間，激光二極管發出脈沖光，脈沖光照射到目标物後反射一部分光回來，在二極管附近安裝一個光子探測器，它可以探測出返回來的信号，通過計算發射和探測的時間差就可以計算出目标物的距離。脈沖距離測量系統一旦被激活就能收集到大量的點雲。

如果點雲中有目标物，目标物就會在點雲中呈現出一個陰影。通過這個陰影可以測量出目标物的距離和大小。通過點雲可以生成周圍環境的3D圖像。點雲密度越高，圖像越清晰。

通過激光雷達來生成周圍環境的3D圖像有幾種不同的方式。

一種實現方法是讓發射/接收組件上下移動同時讓鏡面旋轉，有時也叫這種方法為“眨眼點頭”。這種方法能生成高度方向上的點雲，但是減少了方位數據點（azimuth data points），因此點雲密度會降低，分辨率也不夠高。

另一種方法叫“光掃描激光雷達”（flash LiDAR）。這種方法是使用2D焦平面陣列（Focal Plane Array，FPA）捕捉像素距離信息，同時發出激光來照射大塊面積。這類傳感器結構複雜，制造困難，因此還沒有廣泛的商業應用。但是它屬于固态傳感器，沒有運動部件，因此将來有可能替代現有的機械式傳感器。

目前雖然有不同的LiDAR結構可以産生很多形式的3D點雲系統，但是還沒有一種系統能達到自動駕駛導航的應用要求。比如說，有很多系統能生成精緻的圖像，但是産生一幅圖像需要花好幾分鐘。這種系統就不适合移動傳感類的應用。還有一些光掃描系統的刷新率很高，但視角和探測距離又太小。另外還有一些單光束(single beam)系統能提供有用的信息，但是如果目标太小或者超出了視角就探測不到了。

要想讓LiDAR傳感器的使用最大化，必須要能夠看到周圍所有的地方，也就是所說的需要實現360度視角；最終給用戶輸出的數據要有實時性，因此必須使數據收集和畫面生成之間的時間延遲最小化。駕駛員的反應時間一般是十分之幾秒，如果我們要實現自動駕駛導航，那麼導航電腦的刷新率至少要達到十分之一秒。視角也不能隻看水平方向，還需要有高度方向的視角，否則車就會掉到路上的坑裡。垂向視角應該向下盡可能的靠近車輛，以便讓自動駕駛适應路面的颠簸和陡坡。

目前，業内有數家生産制造激光雷達的企業，他們的産品也有着各自的特色。

Velodyne擁有高精度激光雷達技術（HDL），據稱其HDL傳感器能夠提供360度水平視角，26.5度的垂直視角， 15Hz的刷新率，并可以每秒生成一百萬像素的點雲。今年Velodyne推出了小型化的32線傳感器，可以實現200米的探測距離，垂直視角28°。

△Velodyne固态32線Ultra Pack激光雷達

Leddar公司同樣也有具備360°探測能力的激光雷達産品。并且，因為同時提供ADAS解決方案，Leddar同樣也提供傳感器融合技術，把不同傳感器的數據組合在一起，從而形成車輛周邊環境的整體圖像。

• 固态LiDAR——替代攝像頭/雷達或者作為它們的補充，可集成到ADAS以及無人駕駛功能中；

• 為高級别自動駕駛提供高密度點雲的LiDAR；

• 可以支持光掃描或者光束測量的LiDAR （例如 MEMS鏡面）；

Ledaar的激光雷達探測距離可達250m，水平視角可達到140度，每秒可生成48萬像素的點雲，水平和垂直方向的分辨率可達0.25度。

視覺圖像傳感器

現在一個很廣泛的應用是将2D激光雷達與視覺傳感器相結合，不過相比于激光雷達，視覺傳感器低成本的特性，也讓其成為了在自動駕駛解決方案中不可或缺的存在。

通過視覺傳感器的圖像識别技術對周邊環境進行感知，對于自動駕駛而言，除了知道在什麼位置存在什麼物體/行人之外，進而像車輛發出減速刹車等指令來避免事故這一功能之外，是以圖像識别為基礎，能夠理解當前的駕駛場景，并學會處理突發事件。

△視覺傳感器工作流程

如果說激光雷達的難度在于如何讓其性能能夠滿足自動駕駛導航的需求，那麼攝像頭的難度則在于從感知拔高到認知的這一過程。

以人眼來進行類比的話，人類駕駛員在看到行人或車輛之後，會基于看到的景象對行人或車輛的下一步行動有個預判，并根據預判來控制車輛。自動駕駛車同樣需要這個「預判」的過程，而攝像頭就起到觀察的作用。自動駕駛汽車必須能夠對車内人員、車外行人、車附近人們的行為進行觀察、理解、建模、分析和預測。

這個從觀察到預測的過程同樣适用于道路上的其他車輛，不過，如何獲取駕駛場景的整體含義，如何處理突發的場景和目标，如何針對特定目标（行人或車輛）準确進行短時或長時的行為分析，以及如何對周邊的人或車輛進行行為預測并決策，這些技術都有待于進一步的深入研究。

車雲小結

傳感器和算法的研究和相應的工程技術正在快速發展，它們可以使自動駕駛汽車預測人和車輛的不确定行為，并快速響應以避免車輛、财産的損失，更重要的是能夠保護珍貴的生命。

當然，自動駕駛的傳感器并不隻是激光雷達與攝像頭兩類，毫米波雷達與超聲波雷達，以及目前還并沒有為自動駕駛所用的聲音傳感器，下篇文章将繼續介紹。

（本文是車雲「翻譯官成長計劃」作品，原文來自EDN Network，編譯/段昀輝）

車雲福利

0810A：普華永道-汽車業的主要發現：第19期全球CEO年度調研

0810B：中金公司-汽車及零部件行業：5月車市明顯恢複，利于整車估值修複

0810C：艾瑞咨詢-汽車行業：2016年中國女性車主駕駛行為研究報告

0810D：國金證券-汽車零配件行業特斯拉産業系列深度報告二：從特斯拉觀汽車智能化，智能駕駛爆發在即

0810E：羅蘭貝格-汽車産業生态系統發展（變革）之CEO議程

……

掃描下方車雲菌二維碼，

回複對應編碼，即可輕松獲取珍貴數據資料

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!