418
现在的自动驾驶汽车上采用了大量的各种类型的传感器，如激光传感器、摄像头、雷达等等，这些探测器大多价格不菲。而实际上，人类在驾驶汽车时，仅仅依靠一双眼睛（还有耳朵？）就能完成驾驶。
为什么自动驾驶汽车不能通过依靠一对高分辨率的摄像头对视野内的景物进行3D重建，然后完成驾驶？个人感觉计算量可能是个大问题，但是计算量增大的同时，得到的信息也更多。
我主要觉得自动驾驶首先要达到人类驾驶的性能，而自动驾驶的优点则是反应速度更快。因此采用摄像头似乎是获得与人类驾驶员相同输入的最佳方式。
当然，其他探测器各有各的特点，作为辅助也是不错，但是没有的话似乎也不影响实现自动驾驶。
所谓的自动驾驶，实际就是一个模仿人类驾驶的行为。
人开车，遇到任何一种状况，都需要先感知，再思考，最后行动的这么一个过程。
而自动驾驶的感知就是来自于各种探测设备，那么为什么现在自动驾驶需要高清摄像头、红外摄像头，毫米波雷达，激光雷达，、声音传感器，GPS等定位装置来感知。
不是不想节省，而是节省不了。
实际上，车企比我们任何消费者都想节省成本，因为成本越低他们赚得越多啊，没有人和钱过不去。但是因为汽车作为我们消费者最常用的交通载具，安全绝对是放在第一位的，其中也包括成本。
早期的ADAS基本方案就是一个车头+一个驾驶位挡风玻璃下的摄像头+车尾超声波来答的配置，因为三个零部件成本不高，技术成熟，而且可以实现L2级别的大多数功能，如自适应巡航，AEB，LKA，行人保护，交通标志识别，倒车辅助等。
而现在为了达到更好的智能辅助驾驶，是不能模拟人的狭小视角为基础的。感知的范围需要覆盖远中近距离，车辆周围的全部立体空间。其中即便只用一种感知设备，比如特斯拉推崇的全摄像头自动驾驶模式，也必须要多个摄像头来探知不同角度的周围环境，包括能看到地面和天空，务必做到在任何驾驶中，都能杜绝盲区的出现。
因为每一种感知设备，探测距离有长中短，也有不同的FOV（视角）的，HFOV(水平视角)，VFOV(垂直视角）。
为了让车辆拥有360°无死角的盲区，必须要覆盖所有的方位和视角。
但实际上，现在主流的自动驾驶方案中，上述的每一种车辆感知的设备都有着其存在的必要，只有多个传感设备融合，在范围、精度、FOV、采样率、成本和一般系统复杂性之间做好平衡，才能打造出一个安全的智能自动驾驶所需要的感知。
毫米波雷达
毫米波雷达的工作原理就是通过发射无线电信号（毫米波段），再将反射的零散信号收回，来探测感知周围物体，通过算法（阈值去掉噪声值留下信号能量峰值）得到反射点的信息，再得到汽车和其他物体之间的相对距离、相对速度、角度、运动方向等。
由于毫米波雷达的穿透性较好，可以轻松穿透塑料，所以常安装在汽车的前保险杠处，塑料板的里面。
毫米波的最大优点就是无视天气，穿透雾气、烟尘的能力强，受到环境因素影响较小，可以保障在日常情况下的使用。
毫米波雷达早期为24GHZ，探测距离短，精度低，探测距离大概50米到100米，精度大概是40-70CM的分辨率。而最近两年推出的77GHZ的探测距离远，能达到200米以上，精度相对较高，大概是10-40CM分辨率。但因为成本较高，还是主要用在高端车型上，如果要达到更好的辅助驾驶级别，一般至少一个（车头）搭配多个24GHZ毫米波雷达（车侧）来使用。
毫米波雷达虽然成本较激光雷达低，工艺也成熟，元器件也小，但是它也有着致命的缺点，那就是分辨率低，无法清晰辨别较小的物体，且对金属极为敏感。
假设40CM一个反射点，即便是77GHZ的毫米波雷达动态扫描到车前方的人体正面，很有可能也就得到十几个点，如果行人对于毫米波雷达还是侧面的运动体态，那可能接受过来的信号就几个点，关键这几个点旁边还有干扰物，比如行人从一棵树旁边经过，行人拖着个大箱子，要从这一堆稀疏的点上分析出这是个人还是个其他什么玩意，要是人的肉眼，肯定是看不出来的。
如果要更清楚辨别较小物体，雷达的探测阈值需要设低，但毫米波雷达又对金属敏感度太高，调低阈值噪点增多，这样的结果就是会有越来越多“鬼影”的出现，会出现众多的虚报物体。你可以理解为一个超级近视的人取下了眼镜，想要分辨一个远处的闪闪发光的小物体，他越努力看，就越会看到四周到处都是晃动的影子和物体，哪怕前面啥东西都没有，他都不一定敢往前走。
所以毫米波雷达分辨大型物体（前方车辆），抗天气干扰能力一流，但你指望这个精度几十厘米级的雷达能够准确分清楚高速行驶车辆的前面是个啥玩意，肯定是不行的。因为它的一惊一乍，一路上动不动给你虚报，那么车都不用开了，就不停急刹着玩就好了。
所以，现在AEB里面，越来越多的企业把毫米波雷达的权重给调低了，要判断前方有没有障碍物，是个什么障碍物，还是得高清摄像头点头才行。
当然如果高清摄像头认为前方拖着个大树走的卡车或者没拖货的一个超低平板卡车，都不属于车辆，不管毫米波雷达的内部示警，车速完全不减地撞上去，也真的纯属正常。
高清摄像头
汽车摄像头是最接近人类视觉的车辆感知外界的手段了。
车载摄像头一般都拥有较广的垂直视场角，较高的分辨率，还能提供颜色和图形的信息。这就可以达到驾驶辅助中的行人、自行车、机动车等的识别。也可以分辨出路标，如路上的地面标线，路侧的限速标识。
如果采用的车载立体摄像头（如双目摄像头），还能计算出汽车和其他物体的相对距离，相对角度。（所以说说可以自动驾驶不用毫米波雷达，可以全部用摄像头来代替。）
但如果要盲点检测，全景泊车、泊车辅助，就需要在车身上布置多个摄像头，达到车周的覆盖空间无死角。
车载摄像头一般都是由CMOS镜头，芯片，内存，外壳组成。原理就是将拍摄到的图像转为二维数据，进行图像匹配识别，分辨出拍到的物体是行人、汽车、自行车、电动车、交通标识等。
现在的摄像头排布，基本上都会采用前视，侧视，后视，内视的排布，包括广角镜头，长焦镜头，数量从5个到10个不等。
车载摄像头的优点就是分辨率高，采集信息丰富，最符合人类视觉的，成本也低。
但缺点也很明显，因为是靠光的反射来进行拍摄，就会受光照影响较大，黑夜里基本无法使用。且受环境天气影响较大，雨雪、大雾，灰尘、昆虫等都会影响到摄像头，导致它无法全天候全地形工作。另一个缺点，就是只能采集平面信息，无法采集深度信息，三维立体感不强，且拍照边缘容易有失真现象，即便后期进行算法修正，也有可能造成图形的误判。
所以，毫米波雷达的分辨率低，车载摄像头又受到光照影响和无法构建3D图形，那么就需要一个分辨率高，不受光照影响且能构造清晰3D图形的探测器，那就是现在比较热门的激光雷达。
激光雷达
激光雷达，靠发射激光束，然后接受到目标回波，与发射信号做出对比后，从而得知物体的相对位置和速度等数据。
目前最主要有三种类型的激光雷达。
快闪激光雷达，用单个的大面积激光脉冲来照亮探测的环境，现在最常用的，大家说的基本就是TOF激光雷达。早期车企做实验时，大部分都顶着一个雷达包，那就是，使用一个旋转组件，通常装载在车顶，让激光雷达可以360°覆盖周围。
另外一种固态激光雷达，就没有移动部件，只有固定的视角，使用多个传感器来覆盖车辆周围，现在上市的车辆配置的激光雷达，基本都是这种。
微机电系统激光雷达（MEMS），通过非常微小的镜面，用电压来改变镜面，来调整发射激光的角度。
（PA），通过光学相控阵（有多个组成）发射激光雷达。
激光雷达的优点就是分辨率高、精度高，对比10CM级别精度的毫米波雷达，激光雷达的精度可以轻松到毫米级别，可以轻描淡写给所有周边大小物体建立3D立体图形。
网络有个经典的，就是描述的激光雷达的效果。
而激光雷达的角分辨率更是超过毫米波雷达数个等级，轻松可以达到0.1°，也就是说可以分辨3KM距离上的相距5M的两个目标。
激光雷达比起毫米波雷达，能抗电子干扰。因为毫米波雷达发射的是无线电信号，属于电磁波，在我们的周围，存在着大量各种电磁波，所以会干扰毫米波雷达的判断。而激光雷达则不会受到此类干扰。
但是激光雷达由于是光束，会受到空气中微粒的影响，所以雨雾霾尘里会急速衰减，传播距离大大受限。对比摄像头，激光雷达无法分辨平面图像，所以也无法分辨图形和颜色的含义。
而且还是因为是光束，所以也会受到折射面和阳光的影响，比如反光强烈的物体会造成激光雷达的误判，容易在点云中形成和现实物体完全不同的“虚影”、“重影”。
而且激光雷达现在的造价还十分高昂，市面上的32线激光雷达（扫描数据量70万点/秒）级别的，售价就高达数万美元。线束越多，越高，精度越高的激光雷达就越昂贵。
但随着自动驾驶的快速发展，需求量越来越大，国内厂商的发力。有望到2023年，上述的激光雷达的售价降到千元级别。
超声波雷达
超声波雷达是通过发射并接受超声波（机械波），根据时间差算出障碍物距离，测距精度达到1-3CM。
超声波雷达一般有UPA和APA，APA和UPA的工作频率不同，不形成彼此干扰。
UPA的探测距离一般在15CM-250CM。通常安装在汽车前后保险杠上，用于辅助泊车。
APA的探测距离在30-500CM，如果要进行，车辆的侧面也会装有超声波的传感器，用于测量侧方障碍物的相对距离，这里一般用的是APA.因为APA的探测距离较远，也可用在驾驶的时候探测后方、侧面是否有来车过于靠近。
超声波的优点是成本极低，制作方便，遇到障碍物后反射效率高，且耗能低，与障碍物近距离时的抗自然因素干扰能力强，雨雪沙尘等恶劣天气都能使用，也不受光暗度的影响。
其缺点就是因为是机械波，所以受温度影响较大。零摄氏度的波速为332m/s，30摄氏度的波速为350m/s，所以温度过高或者过低，车速如果过快，都会造成超声波测距的误差，所以现有的辅助泊车还是自动泊车，实际都是要求人的视线同步进行观察的。
且因为超声波大，方向性不集中，无法精准描述障碍物位置，且在测量较远距离目标时，无法保障精度。
上述这个超声波雷达的弊病，也是很多人对自动驾驶AEB不理解的地方。
我不止一次地看到有人不解评论，甚至还有汽车行业的人问，为什么辅助驾驶看到前方这么大一个障碍物，比如翻倒的车辆，一个大箱子，都不会报警，还会撞上去。而我在倒车，牵车的时候，一个小障碍物影响到了我的车辆前进后退，车辆都会报警。
当作者解释说，因为毫米波雷达和摄像头无法确认前方有障碍物，反而这些评论的人更加迷惑，那要什么分辨啥障碍物，像倒车一样，就如同自动泊车一样，后面有障碍物靠近了，不停报警，再不管刹停就好了啊。
但是因为倒车的原理是用超声波雷达的特性，在近距离可以很精确判断后方有无障碍物，但是超声波雷达距离越远灵敏度越差，5米以上就无法判断障碍物的相对距离，且方向性较差，无法精准描述障碍物位置。所以车辆行驶中，如果前方一百米处有障碍物，超声波雷达是无法辨别出来的，等靠近了几米后报警再刹停，因为车的速度在这里，百公里刹车都是三四十米起，用超声波雷达来高速测距再刹停，黄花菜都凉了。
而现有的智能辅助驾驶中，毫米波雷达的分辨精度极低，且对金属敏感，容易产生噪点，而摄像头靠算法（智能AI）来对比障碍物，一旦融合数据在算法的辨析里出不来，前方障碍物就会被无视掉。
综上所述，就应该知道毫米波雷达，摄像头，激光雷达，超声波雷达是如何扬长补短的。
毫米波雷达精度低，但是可以方便得到周围物体的相对速度和距离。摄像头可以获得平面图形，看懂交通标识和分辨颜色。激光雷达探测精度高，可以获得周围物体的三维图像。超声波雷达在短距离测距中有着极大的成本、能耗低的优势。
所以自动驾驶走向完善，还是需要多种感知设备来进行一个搭配，才能在范围、精度、FOV、采样率、成本和一般系统复杂性之间做好平衡，搭建一个完美的感知平台。
内容由作者提供，不代表易车立场
