自动@@驾驶汽车是依靠人工智能@@、视觉计算@@、激光雷达@@@@、监控装置和@@全球定位系统@@协同合作@@，让电脑可以在@@没有人类主动的操作下@@，自动@@、安全地操作机动车@@辆@@，其主要由环境感知系统@@@@、定位导航系统@@@@、路径规划系统@@@@、速度控制系统@@@@、运动控制系统@@@@、中央处理单元@@、数据传输总线等组成@@。
自动@@驾驶汽车在@@传统汽车的基础上扩展了视觉感知功能@@、实时相对地图@@功能@@、高速规划与控制功能@@，增加了全球定位系统@@天线@@、工业级计算机@@、GPS 接收机@@、雷达@@等核心软硬件@@。感知环节通过各种@@传感器采集周围环境基本信息@@，是自动@@驾驶的基础@@，主要包括毫米@@波雷达@@@@@@、激光雷达@@@@、超声波传感器@@、图像传感器@@等@@。
4种@@传感器感知范围示意图@@
4种@@传感器及其产业链@@介绍@@
毫米@@波雷达@@@@
ADAS系统@@（高级辅助驾驶系统@@@@）需要雷达@@传感器的支持@@，而雷达@@也是实现自动@@驾驶功能的一大功臣@@。毫米@@波雷达@@@@利用无线电波对物体进行探测和@@定位@@。
现在@@的雷达@@系统@@主要有用于中短测距的@@ 24 GHz 雷达@@和@@长测距的@@ 77 GHz 雷达@@ 2 种@@，其中@@ 77 GHz 的优势主要在@@于距离和@@速度测定的准确性@@，此外@@其角分辨率也更加精准@@。毫米@@波雷达@@@@可有效提取景深及速度信息@@，识别障碍物@@，有一定的穿透雾@@@@、烟和@@灰尘的能力@@，但在@@环境障碍物复杂的情况下@@，由于毫米@@波依靠声波定位@@，声波出现漫反射@@，导致漏检率和@@误差率比较高@@；
固态雷达@@芯片系统@@很常见@@，体积小@@，价格低廉@@。它们具有良好的范围@@，但比其他传感器的分辨率更差@@。它们在@@明暗条件下同样工作良好@@，77 GHz系统@@能够更好地感知雾@@@@，雨和@@雪@@，这会导致激光雷达@@@@和@@被动视觉系统@@的挑战@@。
雷达@@无法进行颜色@@，对比度或@@光学字符识别@@。雷达@@在@@确定当前@@实施中的交通相对速度方面非常有效@@。虽然传感器尺寸使其更接近近距离探测@@，但它们在@@极短距离内的效率低于声纳@@。
产业链@@
目前@@，全球毫米@@波雷达@@@@市场主要由博世@@、大陆@@、天合汽车集团@@、法雷奥@@、海拉@@、德尔福@@、电装@@、奥托立夫@@、富士通等厂商主导@@，其中@@法雷奥@@@@、海拉@@和@@博世占据我国@@ 24 GHz 雷达@@市场@@ 60% 以上的出货量@@，德国大陆@@@@、博世和@@德尔福@@占据我国@@ 77 GHz 雷达@@市场@@ 80% 以上的出货量@@。
中国毫米@@波雷达@@@@技术@@产业创新加速@@，24 GHz 毫米@@波集成电路已实现规模量产@@。芜湖森思泰克智能@@、杭州智波@@、华域汽车@@等实现了@@ 24 GHz 毫米@@波雷达@@@@的批量生产@@，沈阳承泰@@、湖南纳雷@@、南京隼眼电子@@@@、北京行易道@@、华域汽车@@、上海保隆汽车@@、苏州安智汽车等均完成了@@ 77 GHz 雷达@@的样机测试@@，部分公司有望于@@ 2019-2020 年实现@@规模量产@@。
但由于供应链与知识产权等限制@@，国际毫米@@波雷达@@@@芯片商对中国并没有完全放开@@ 77 GHz 雷达@@芯片的供应@@，极大程度地限制了国内@@ 77 GHz 毫米@@波雷达@@@@的研发及产业化@@。此外@@，考虑到雷达@@产品稳定性需要长期@@、大规模生产经验的积累@@，国产技术@@产业全面突破仍面临生产工艺等多方面的挑战@@。
激光雷达@@@@
激光雷达@@@@依靠是激光而不是无线电波@@。除了激光发射器@@，这套系统@@还需要一个敏感的接收器@@。激光雷达@@@@系统@@能探测静态和@@动态物体@@，并提供被探测物的高分辨率的几何图像@@、距离图像@@、速度图像@@。
激光雷达@@@@目前@@是大而昂贵的系统@@@@，必须安装在@@车辆外面@@。分单线和@@多线激光雷达@@@@@@，多线激光雷达@@@@可以获得极高的速度@@、距离和@@角度分辨率@@，形成精确的@@ 3D 地图@@，抗干扰能力强@@，是智能驾驶汽车发展的最佳技术@@路线@@，但是成本较高@@，也容易受到恶劣天气和@@烟雾@@环境的影响@@；
目前@@的实施方案已经基本上从早期的@@30米@@范围到@@150米@@到@@200米@@改进了范围@@，同时分辨率也提高@@了@@。
激光雷达@@@@在@@所有光线条件下都能很好地工作@@，但由于使用了光谱波长@@，它们开始因空气中的雪@@，雾@@，雨和@@尘埃颗粒的增加而失效@@。激光雷达@@@@无法检测颜色或@@对比度@@，也无法提供光学字符识别功能@@。
在@@汽车行业@@，激光雷达@@@@是个相对较新的系统@@@@，正越来越受欢迎@@。
谷歌@@的自动@@驾驶汽车解决方案使用激光雷达@@@@作为主要传感器@@，但也使用其他传感器@@。特斯拉目前@@的解决方案并未包含激光雷达@@@@@@（虽然姊妹公司@@SpaceX确实如此@@）以及过去和@@现在@@的声明表明他们认为自动@@驾驶汽车不需要@@。
眼下@@，激光雷达@@@@已经不是什么新鲜玩意@@，任何人都能从商店抱一台回家@@，且精确度能满足一般需要@@。不过@@，想让它克服一切环境因素@@（温度@@、太阳辐射@@、黑夜@@、雨雪天@@）稳定工作并不容易@@。此外@@，车载激光雷达@@@@还得能看@@ 300 码@@（约合@@ 274 米@@）远@@。最重要的是@@，这样的产品必须能以市场可接受的价格和@@体积进行大规模量产@@。
激光雷达@@@@在@@工业和@@军事领域已经应用@@。不过@@，它毕竟是一种@@拥有@@@@ 360 度全景视角的复杂机械透镜系统@@@@。由于单个成本高达数万美元@@，因此激光雷达@@@@暂时还不适合在@@汽车产业大规模部署@@。
产业链@@
目前@@，车载激光雷达@@@@产品研发及生产厂商主要集中在@@国外厂商@@，美国@@ Velodyne 激光雷达@@@@技术@@研发及产业化进程相对领先@@，拥有@@包括@@ HDL-64E、HDL-32E 和@@ VLP-16 3 个系列在@@内的多条产品线@@，已经和@@@@ 25 个无人驾驶汽车项目达成合作协议@@，客户覆盖百度@@、福特@@、谷歌@@、日产@@、沃尔沃等@@；其他厂商如美国@@德尔福@@@@、德国大陆@@@@、德国英飞凌@@（Infineon）、以色列@@ Oryx Vision、美国@@ Blackmore、美国@@TetraVue、美国@@ Cepton、加拿大@@ Leddartech、美国@@ Quanergy、以色列@@ Innoviz 等技术@@竞争实力相对较强@@，在@@不同产品领域均占据一定份额@@。
国内代表厂商包括北科天绘@@、禾赛科技@@、镭神智能@@、北醒光子@@、速腾聚创@@、光珀智能等@@，均大力研发布局车载激光雷达@@@@产业@@，以北科天绘为例@@，拥有@@ 18 年的激光雷达@@@@技术@@积累@@，采用完全自主研发的芯片和@@半导体工艺@@，率先实现高端激光雷达@@@@装备@@规模量产@@。
目前@@，我国激光雷达@@@@产业链@@的整体发展水平还存在@@一定差距@@，激光雷达@@@@主要由激光光源@@@@、探测器和@@信息处理器组成@@，光源@@、探测器部分核心部件分别是激光二极管和@@雪崩二极管@@，目前@@国内激光二极管产品基本依赖进口@@，雪崩二极管有一定产业基础但对外依存度依然较高@@。
超声波传感器@@
超声波传感器@@主动发出高于人类听觉水平的高频声音@@。它们具有非常差的范围@@，但是对于非常近距离的三维映射非常好@@，因为声波相对较慢@@，因此可以检测到一厘米@@或@@更小的差异@@。
无论光照水平如何@@，由于距离短@@，它们都可以在@@雪@@，雾@@和@@雨的条件下同样良好地工作@@。与激光雷达@@@@和@@雷达@@一样@@，它们不提供任何颜色@@，对比度或@@光学字符识别@@功能@@。由于它们的射程短@@，因此无法用于测量速度@@。它们小而便宜@@。
超声波传感器@@主要应用于短距离场景下@@，如辅助泊车@@。结构简单@@、体积小@@、成本低是它的优势@@。
超声波传感器@@是利用超声波的特性@@，将超声波信号转换成其它能量信号的传感器@@，具有频率高@@、波长短@@、绕射现象小等特点@@，对液体@@、固体的穿透性较强@@，用于自动@@驾驶汽车可帮助车辆探测外部环境并指导车辆对此做出适当的反应@@。超声波传感器@@初期主要用于车辆制动辅助系统@@和@@倒车雷达@@@@，用来检测障碍物避免碰撞和@@擦蹭@@，目前@@已被研究应用在@@自动@@泊车和@@自动@@刹车系统@@@@。
一是自动@@泊车辅助系统@@利用超声波传感器@@提供的停车区信息和@@车辆位置@@，控制汽车油门@@、制动器和@@转向@@，从而完成车库停车和@@侧方位自动@@泊车@@。泊车传感器通过声纳技术@@来计算与目标物体的距离或@@方向@@，汽车制造商通过在@@后保险杠上安置@@ 2～4 颗传感器来部署自动@@泊车系统@@@@，这样可以确保探测距离在@@@@ 2～2.5 m 之间@@，并将测量到的距离用蜂鸣声传达给驾驶员@@。
二是超声波自动@@刹车系统@@是通过松开油门踏板@@、同时采取制动来避免前侧碰撞@@，放置在@@汽车车头的超声波传感器@@会发射超声波@@，在@@接收到前面物体的反射波后确定汽车与物体之间@@的距离@@，进而通过伺服电机自动@@控制汽车制动系统@@@@。
产业链@@
车用超声波传感器@@市场较为分散@@，国际厂商主导地位显著@@。目前@@，全球车用超声波传感器@@市场主要由@@Bosch，Valeo，Murata和@@SensorTec等主导@@，国内尚无具有较强竞争力的大型专业设计和@@制造厂商@@。
图像传感器@@（摄像头@@）
近年来@@，相机图像识别系统@@变得非常便宜@@，小巧且高分辨率@@。它们的颜色@@，对比度和@@光学字符识别功能为其提供了一个全新的功能集@@，完全没有其他所有传感器@@。它们具有最佳的传感器范围@@，但光线条件良好@@。它们的范围和@@性能随着光线水平变暗而降低@@，开始依赖于@@ - 就像人眼一样@@ - 依赖于汽车前灯的光线@@。
通过对采集图像进行计算机算法分析@@，车载摄像头@@能够识别行人@@、自行车@@、机动车@@、道路轨迹线@@、路牌@@、信号灯等环境信息@@，进而支撑实现车道保持辅助@@、车道偏离预警@@、前向碰撞预警@@、行人碰撞预警@@、全景泊车@@、驾驶员疲劳预警等功能@@。
产业链@@
我国在@@车载摄像头@@镜头@@、模组等方面具备@@较好基础@@，在@@图像传感器@@@@、DSP 方面对外依存度较高@@：
一是国内拥有@@以大立光学@@、舜宇光学@@、玉晶集团@@、亚洲光学@@、利达光电@@、关东辰美@@、先进光电@@、威海世高光电子@@@@、深圳市理念光电@@、江西兴邦光电@@、深圳精龙达光电@@、东莞新旭光学@@、水晶光电等为代表的@@车载摄像头@@镜头@@188足彩外围@@app 提供商@@，突破了模压玻璃非球面技术@@@@、精密变焦凸轮设计技术@@@@、多层宽带增透镀膜技术@@@@、超低色散光学玻璃技术@@等高精密加工工艺@@，技术@@水平与日本电波@@、蔡司@@、三星@@、LG、夏普等国际厂商基本相当@@。
二是拥有@@以同致电子@@@@、深圳豪恩@@、苏州智华@@、欧菲光等为代表的@@模组厂商@@，可提供车载级安全要求的摄像头@@模组产品@@。
三是拥有@@格科微@@、思比科等图像传感芯片处理企业@@，在@@ CMOS 图像传感上具备@@一定技术@@基础@@，但在@@高像素演进和@@单像素尺寸微缩方面与索尼@@、三星@@仍存在@@较大差距@@，高端产品仍存在@@严重技术@@依赖@@。
国际上主要由索尼@@、Delphi、霍尼韦尔@@、东芝@@、Mobileye等国际厂商供货@@，国内仍存在@@较大的提升空间@@@@。
多传感器融合@@是主要方向@@
虽然说自动@@驾驶在@@全球范围内已经形成风潮@@，并有望在@@@@2021年实现@@4级自动@@驾驶@@，但是其想要真正走入现实也并非易事@@。从技术@@方面而言@@，目前@@自动@@驾驶的痛点在@@于稳定可靠的感知及认知@@，包括清晰的视觉@@、优质的算法@@、多传感器融合@@以及高效强大的运算能力@@。其中@@，多传感器融合@@是实现自动@@驾驶的必然发展趋势@@。
自动@@驾驶汽车需要用到多种@@传感器@@
具体而言@@，多传感器融合@@就是将多个传感器获取的数据@@、信息集中在@@一起综合分析以便更加准确可靠地描述外界环境@@，从而提高@@系统@@决策的正确性@@。虽然在@@原理上看似简单@@，但是在@@自动@@驾驶场景中则显得充满挑战@@。多传感器融合@@，需要对每个传感器采集的信息进行快速处理@@，从而让高速行驶的汽车及时进行反馈动作@@，以应对突发的交通情况@@。由此可见@@，多传感器融合@@并不仅仅是硬件方面的协同配合@@，还包括决策层的算法和@@算力支持@@。
当前@@，自动@@驾驶环境感知技术@@路线主要包括视觉主导和@@激光雷达@@@@主导两种@@方案@@：
一是以特斯拉为代表的@@@@「摄像头@@ + 毫米@@波雷达@@@@ + 超声波雷达@@@@」多传感器融合@@，Autopilot 2.0 硬件由@@ 8 个摄像头@@@@、1 个毫米@@波雷达@@@@和@@@@ 12个超声波雷达@@@@组成@@，但摄像头@@受环境光照影响较大@@，目标检测较不可靠@@，优势是成本相对较低@@；
二是以@@ Google Waymo 为代表的@@「低成本激光雷达@@@@@@ + 毫米@@波雷达@@@@ + 超声波传感器@@ + 摄像头@@」多传感融合@@，激光雷达@@@@是主动视觉@@，目标检察较为可靠@@，但缺少颜色和@@纹理信息且成本较高@@。
目前@@，没有一种@@解决方案是完美的@@，每种@@组合解决方案都有妥协@@，即使这些妥协的规模或@@不同方向的意识程度不同@@。这些传感器技术@@将以不同的方式在@@不同的车辆价格点组合@@，从而获得更有效的解决方案@@。
文章转载自@@：iot101