关注新利18国际娱乐公众号，获取传感器热点资讯、知识文档、深度观察
汽车产业已经进入存量博弈时代
自动驾驶技术成为其发展新变量，自2014年以来，中国汽车产业开始进入中低速增长的发展阶段。2017年中国汽车产量达到2, 901. 81万辆，成为近十年来的阶段性顶峰，自此以后连续三年下降，意味若中国汽车产业已经进入存量博弈时代。在这一关键竞争节点，汽车领域的变革也随之而来。
<数据图|图源于网络>
继汽车产业电动化之后，上一篇文章我们探讨了传感器电池管理《油价N连涨？还好我用电！那知道什么传感器在守护着电池系统吗？》，智能化成为又一个历史性机遇，软件定义汽车的趋势更加明确，自动驾驶能够将驾驶员从繁琐的驾驶操作中解放出来，满足上述趋势变化需求，成为汽车智能化的核心环节。于是，自动驾驶技术成为汽车产业发展新变量。
自动驾驶是汽车行业新一轮的技术革命，推动着传统汽车行业快速转型升级，是未来汽车的发展趋势。在实际路测时，面对复杂的行车环境，快速、准确的获取车辆所处环境信息和车辆状态信息对安全驾驶至关重要。这篇文章将从红外热成像传感器、摄像头、超声波雷达，毫米波雷达，激光雷达，高精度定位系统的发展现状、原理、优缺点、在自动驾驶中的应用等方面进行探讨。
感知系统是以多种传感器的数据与高精度地图的信息作为输入，经过一系列的计算及处理，对自动驾驶车的周围环境精确感知的系统。随着自动驾驶中人为干预度的不断减小，感知系统获取环境信息的全面性、准确性和高效性要求越来越高，是自动驾驶的重要一环，是车辆和环境交互的纽带，是无人汽车的“眼睛”，贯穿着升级的核心部分。一个自动驾驶系统的整体上表现好坏，很大程度上都取决于感知系统的做的好坏。感知系统主要包括环境感知、内部感知和驾驶人感知。
<自动驾驶示意图|图源于知乎>
中国工信部将自动驾驶划分为 L0-L5 共六个等级，分别为应急辅助、部分驾驶辅助、组合驾驶辅助、有条件自动驾驶、高度自动化、完全自动化，目前商用的自动驾驶级别是L2 级别为主。
<示意图|图源于网络>
01
感知系统现状
环境感知指对于环境的场景理解能力，例如障碍物的类型、道路标志及标线、行车车辆的检测、交通信息等数据的语言分类。定位是对感知结果的后处理，通过定位功能从而帮助车辆了解其相对于所处环境的位置。环境感知需要通过传感器获取大量的周围环境信息，确保对车辆周围环境的正确理解，并基于此做出相应的规划和决策。
<环境感知示意图|图源于网络>
目前主流无人驾驶车型的环境感知系统如下：
<无人驾驶品牌表|图源于知乎>
目前百度、蔚来汽车、北汽等各大主流车企已获得路测牌照，L3 级别的自动驾驶已经进入实际测试阶段。在实际路测时，面对复杂的行车环境，如何快速、准确的获取车辆所处环境信息和车辆状态信息对安全驾驶至关重要。
02
主流传感器分析
自动驾驶车辆常用的环境感知传感器包括：超声波雷达、摄像头、红外热成像、毫米波雷达、激光雷达等。
超声波雷达
超声波雷达价格低，单个超声波雷达售价大约为数十元，超声波雷达测算 0.2 ～ 5m 范围内障碍物精度可达 1 ～ 3cm。
<实物图|图源于网络>
按工作频率分类，超声波雷带可以分为 40kHz、48kHz 和 58kHz三种，频率越高，灵敏度越高，探测角度越小；按构造分类，超声波雷达可以分为等方性与异方性，二者的区别在于水平探测角度与垂直探测角度是否相同；按技术方案分类，超声波雷达可以分为模拟式、四线式数位、二线式数位、三线式主动数位，它们的信号抗干扰能力依次提升，技术难度与价格总体递进。
<示意图|图源于网络>
受物理特性限制，车载超声波雷达的探测范围局限在数米内，也无法精准描述障碍物位置；此外，处于相同频段的多个雷达，为避免回波“打架”大多采取时分复用，信息采集速度被拖慢；其探测精度易受到车速、振动、温湿度等影响，在抗干扰、标定等方面充满挑战。
摄像头
摄像头最接近人眼成像，分辨率高、速度快、传递的信息丰富、成本低，是唯一可以读取“内容”信息的传感器，可以实现车辆周围的车辆和行人检测、信号灯颜色、交通标志识别等功能。
<示意图|图源于网络>
但需要巨大的算力做支撑，并且识别率不能保证100%（目前识别率约 95%），单摄像头无法提供 3D 信息，可能会有延迟，双摄像头状态下所提供的 3D 内容准确性不高，易受夜晚、雨雪雾霾等恶劣天气影响且不擅长于远距离观察。
红外热成像
红外热成像通过能够透过红外辐射的红外光学系统将视场内景物的红外辐射聚焦到能够将红外辐射能转换为便于测量的红外探测器上，红外探测器再将强弱不等的辐射信号转换成相应的电信号，然后经过放大和视频处理，形成可供人眼观察的视频图像，最终通过终端显示、音响设备报警的夜间辅助驾驶产品。与激光雷达、摄像头、毫米波雷达这几种传感器相比，红外热成像传感技术捕捉到的图像分辨率要更高。由于行人、动物等都会散发热量，所以热成像传感技术可以轻易分辨出他们，且不受昼夜、强光、阴影、雾霾等复杂环境条件的影响。
<示意图|图源于网络>
红外热成像只考虑观测主体与环境之间温度差，而不受可见光情况影响。是可见度低（如夜间、雾、霾、反光、眩光等）视线受阻的情况下驾驶安全问题的重要技术手段，任何具有一定温度的物质都能辐射红外线，红外传感器通过测量目标与背景间的红外线差，将测量信息处理转化为图像信息。可有效地弥补摄像头和雷达的不足。
毫米波雷达
毫米波雷达也是自动驾驶车辆常用的一种传感器，是指工作在毫米波段（波长 1 ～ 10 mm ，频域 30 ～ 300GHz）的雷达，基于 ToF 技术（Time of Flight）对目标物体进行检测。
<示意图|图源于网络>
毫米波雷达向外界连续发送毫米波信号，并接收目标返回的信号，根据信号发出与接收之间的时间差确定目标与车辆之间的距离。探测距离超过 200 米，可全天候工作。毫米波雷达的抗干扰能力强，对降雨、沙尘、烟雾等离子的穿透能力要比激光和红外强很多，可全天候工作。但其其空间分辨率有限 (3°～ 5° )，信号衰减大、容易受到建筑物、人体等的阻挡，传输距离较短，分辨率不高，难以成像等不足。
激光雷达
激光雷达是向目标发射激光束 , 然后将接收到的从目标反射回来的信号与发射信号进行比较 , 作适当处理后 , 就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数，其探测精度高、探测距离远、灵敏度高，抗干扰性强。
<示意图|图源于网络>
激光雷达有机械式和固态式两种，机械式激光雷达带有控制激光发射角度的旋转部件，体积较大，价格昂贵，测量精度相对较高。固态激光雷达依靠电子部件控制激光的发射角度，尺寸较小，可安装在车体内。目前自动驾驶中采用的激光雷达机械式激光雷达为主。但由于机械式激光雷达一般置于车顶，一般作为工程测试使用，难以满足自动驾驶普及提出的大规模、低成本、车规级需求。固态激光雷达中 MEMS激光雷达在技术上更容易实现，同时价格也比较低廉，受到制造厂商的重点关注。
激光雷达和其它传感器的结合使用是目前自动驾驶的最佳方案，激光雷达固态化、小型化、2020 年 12 月 21 日，华为在中国汽车工业协会主办的峰会上首次发布了 96 线车规级高性能激光雷达，并扮演了“价格屠夫”的角色，号称要生生把成本压缩到 200 美元，一旦价格降低，相信激光雷达将成为自动驾驶的首选。
<示意图|图源于网络>
03
定位系统分析
定位的目的是获取自动驾驶车辆相对于外界环境的精确位置，是自动驾驶车辆必备的基础。目前自动驾驶一般采用GPS+ 惯导组合模式。GPS 是目前最广泛采用的定位方法，GPS 精度越高，GPS 传感器的价格也越昂贵。但目前商用 GPS 技术定位精度远远不够，其精度只有米级且容易受到隧道遮挡、信号延迟等因素的干扰。
<定位应用示意图|图源于网络>
惯导是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，通过测量自身运动的方向和加速度，计算运动的速度、角度和位置信息，从而推算自身位置。惯导的具备极高的抗干扰性和隐蔽性，不受气象条件限制，导航信息更新速率高，短期精度和稳定性好，但导航误差随时间发散，定位误差会随时间推移而增大，长期积累会导致精度差，惯导需要初始对准，且对准复杂、对准时间较长，不能给出时间信息，精准的惯导系统价格昂贵，通常造价在几十到几百万之间。
4 结 语
尺有所短，寸有所长，并没有任何一种传感器能尽善尽美地满足自动驾驶的所有需求。自动驾驶需要多种传感器的辅助配合才能顺利上路，需要将多个传感器和数据库的数据结合起来以实现信息改进。
它是一个多层次的过程，能够处理数据间的联系和相关性，对数据进行组合，与使用单个数据源相比，能够获得更便宜、更高质量、相关性更高的信息。