<p><strong>作者：Xiaomin</strong></p>
<p>自动驾驶技术主要分为三大部分：感知、决策和控制。自动驾驶系统通过传感器感知车辆当前所处状态（位置、周围车辆、行人障碍物等），由决策算法得出最优的行驶策略，最终由控制部分将此策略转换为车身部件实际操作。图1表示自动驾驶系统的基本工作原理。在实际应用中，由感知系统和高精度地图可实现对车辆行驶位置精确定位（SLAM），感知系统为自动驾驶车辆提供周围车辆、行人、车道线等环境信息，为规控系统计算最优行驶策略提供依据。</p>
<p><img alt="图1. 自动驾驶系统基本原理" data-entity-type="file" data-entity-uuid="12ea3e83-f942-4229-8796-d815e55d5a1f" src="/sites/default/files/inline-images/%E5%9B%BE1.%20%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E7%B3%BB%E7%BB%9F%E5%9F%BA%E6%9C%AC%E5%8E%9F%E7%90%86.png" /></p>
<p>图1. 自动驾驶系统基本原理</p>
<p><strong>传感器分类</strong></p>
<p>当前自动驾驶系统传感器主要包括：</p>
<ul>
<li>摄像头</li>
<li>红外传感器</li>
<li>毫米波雷达</li>
</ul>
<p> . 中短距离 毫米波雷达</p>
<p> . 长距离 毫米波雷达</p>
<ul>
<li>激光雷达</li>
<li>超声波雷达</li>
</ul>
<p>摄像头，功能类似数码相机，感光芯片每秒记录N组（帧）数字形式的图像，通过车载以太网或LVDS方式发送给自动驾驶系统的计算机，计算机通过图像识别技术分析数据，进而判断车辆周围状况。摄像头技术对应传统的人眼视觉，应用中摄像头形式包括单目、双目和三目，根据摄像头安装的位置分为前视、后视、环视和车内监控摄像头；红外传感系统是用红外线为介质的测量系统；毫米波雷达，通过发送电磁波（毫米波），测量反射波从发射到接收的时间，计算车辆到各个目标的距离。雷达的多普勒效应可以用以测量目标速度。毫米波雷达抗干扰能力强，作用范围大，但不能对目标进行识别，分辨率较低；激光雷达，发射激光（波长600~1000nm），通过反射脉冲的飞行时间（TOF）测量距离，激光雷达在短时间内可发送大量激光脉冲，通过旋转镜头方式构建周围较大扫描区域内的3D点云数据。激光雷达不仅作用距离大，还可以测量速度，而且具备很好的目标识别能力，缺点是成本较高；超声波雷达，测量发射超声波（>20kHz）反射回来的时间，从而判断障碍物的存在和距离。超声波雷达的缺点是作用距离短，传输依赖介质，速度慢，只适用于低速下的停车辅助。</p>
<p>由工作机制决定的固有属性，让不同传感器适用于不同的应用场景。没有一种传感器可以满足自动驾驶所有类型的任务，在实际应用中要结合不同传感器的优势，利用传感器融合技术，为自动驾驶汽车提供全面、及时和准确的周边环境信息，便于自动驾驶系统作出最准确的决策。图2列出2013年欧洲市场OEM厂商针对特定辅助驾驶（ADAS）功能的传感器选择情况。</p>
<p><img alt="图2. ADAS传感器选型（Euro Market 2013）" data-entity-type="file" data-entity-uuid="5d022a56-5900-4e3a-9eba-630599356de8" src="/sites/default/files/inline-images/%E5%9B%BE2.%20ADAS%E4%BC%A0%E6%84%9F%E5%99%A8%E9%80%89%E5%9E%8B%EF%BC%88Euro%20Market%202013%EF%BC%89.png" /></p>
<p><strong>传感器分布</strong></p>
<p>在自动驾驶汽车上，传感器的分布、功能及作用范围大致如图3所示。由图可以看出不同类型的传感器作用的范围（距离 & 角度）有所差别，应用中需要使用多个不同类别的传感器，分布在车身的不同位置以实现对车辆周围环境360°无死角覆盖。例如，Google自动驾驶汽车Waymo上部署有 3 个激光雷达、9 个摄像头，x 个毫米波雷达。</p>
<p><img alt="图3. 自动驾驶汽车传感器分布" data-entity-type="file" data-entity-uuid="17bcf1ad-9af3-4e73-95ae-ed3398d95e92" src="/sites/default/files/inline-images/%E5%9B%BE3.%20%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E6%B1%BD%E8%BD%A6%E4%BC%A0%E6%84%9F%E5%99%A8%E5%88%86%E5%B8%83.png" /></p>
<p><strong>传感器特性比较</strong></p>
<p>表1是根据公开资料整理的不同类型自动驾驶传感器的特性对比。</p>
<p><img alt="表1. 自动驾驶传感器特性比较" data-entity-type="file" data-entity-uuid="a896336c-eb63-491a-b16e-239a1325e1c6" src="/sites/default/files/inline-images/%E8%A1%A81.%20%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E4%BC%A0%E6%84%9F%E5%99%A8%E7%89%B9%E6%80%A7%E6%AF%94%E8%BE%83.png" /></p>
<p>表1. 自动驾驶传感器特性比较</p>
<p>注： 以上内容不尽准确，如对于超声波，在Tesla Autopilot 2.0上作用距离可达到8m。应用中，以厂家具体参数为准。</p>
<p><strong>传感器成本</strong></p>
<p>图4列出自动驾驶/ADAS的关键部件的物理分布及其成本估计。</p>
<p>当前自动驾驶/ADAS的关键部件，比如高精度惯导、激光雷达的成本非常之高，Google无人驾驶车上使用的 Velodyne 64线激光雷达价格高达 $75,000，整套设备成本在 $150,000 左右。随着市场化和技术的发展，激光雷达等传感器成本必然会逐渐下降。在激光雷达领域，Velodyne已推出低成本的16线产品，售价 $8,000；创业公司 Quanergy 也承诺将推出成本 $250 左右的低成本激光雷达。</p>
<p><img alt="图4. 自动驾驶关键部件成本估计（BCG 2015）" data-entity-type="file" data-entity-uuid="7979e405-6e9b-41d6-aa43-6097569eb330" src="/sites/default/files/inline-images/%E5%9B%BE4.%20%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E5%85%B3%E9%94%AE%E9%83%A8%E4%BB%B6%E6%88%90%E6%9C%AC%E4%BC%B0%E8%AE%A1%EF%BC%88BCG%202015%EF%BC%89.png" /></p>
<p>图4. 自动驾驶关键部件成本估计（BCG 2015）</p>
<p><strong>市场趋势</strong></p>
<p>图5 和 图6 分别是市场调研机构 IHS 对于未来全球ADAS功能装车量和传感器数量发展的预计。</p>
<p><img alt="图5. 全球ADAS市场（按功能划分）" data-entity-type="file" data-entity-uuid="80586720-59ad-488d-9056-70245133e66e" src="/sites/default/files/inline-images/%E5%9B%BE5.%20%E5%85%A8%E7%90%83ADAS%E5%B8%82%E5%9C%BA%EF%BC%88%E6%8C%89%E5%8A%9F%E8%83%BD%E5%88%92%E5%88%86%EF%BC%89.png" /></p>
<p>图5. 全球ADAS市场（按功能划分）</p>
<p><img alt="图6. 全球ADAS传感器市场" data-entity-type="file" data-entity-uuid="ca12422e-a053-4638-bef2-76697af0c644" src="/sites/default/files/inline-images/%E5%9B%BE6.%20%E5%85%A8%E7%90%83ADAS%E4%BC%A0%E6%84%9F%E5%99%A8%E5%B8%82%E5%9C%BA.png" /></p>
<p>图6. 全球ADAS传感器市场</p>
<p><strong>参考资料</strong></p>
<p>1. <a href="https://en.wikipedia.org/wiki/Lidar">LiDAR</a> -Wikipedia</p>
<p>2. <a href="http://nvidianews.nvidia.com/_ir/219/20160/JHH_CES2016_FINAL_published… The Race to Self-driving Cars</a> - Jen-Hsun Huang, Co-Founder & CEO, NVIDIA | Jan. 4, 2016</p>
<p>3. <a href="http://woodsidecap.com/wp-content/uploads/2016/12/20160927-Auto-Vision-… The Headlights ADAS and Autonomous Sensing</a> -WCP</p>
<p>4. <a href="http://velodynelidar.com/drivingthefuture/">LiDAR: Driving the Future of Autonomous Navigation</a> -Frost & Sullivan</p>
<p>5. <a href="https://www.bcgperspectives.com/Images/BCG-Revolution-in-the-Drivers-Se… in the Driver's Seat: The Road to Autonomous Vehicles</a> -BCG</p>
<p>6. <a href="http://www.businessinsider.com/how-does-googles-waymo-self-driving-car-… how Waymo's brand new self-driving cars see the world</a> -Business Insider</p>
<p>7. <a href="http://googlesautonomousvehicle.weebly.com/technology-and-costs.html">G… Autonomous Vehicle: Technology And Costs</a></p>
<p>原文链接：<a href="http://www.wangdali.net/sensor/">http://www.wangdali.net/sensor/</a></p…;