智驾系统感知层面最常见的几种传感器

人类是视觉动物，凭借双眼获取视觉信息、辨别方向和距离。而当你的汽车帮助你驾驶的时候，什么又是它的“眼睛”呢？

答案是车载传感器。它们持续不断地采集环境信息，然后回传给智能汽车的大脑——计算平台。通过感知算法精准地复现出周围环境，再由决策算法基于对周围环境的认知来进行车辆的路径规划。

今天我们就来说说智驾系统感知层面最常见的几种传感器，它们有什么区别？又如何实现互补？

摄像头是最常见的汽车传感器，装在车身四周可以从多角度捕捉环境图像，在 90 年代就已开始进入商用并逐渐普及。它也是最接近人眼的传感器，能够获取到丰富的色彩和细节信息，比如车道线，指示标志，红绿灯等等。但是，其局限性也非常明显，如果遇到会暗光、逆光等影响“视线”的情况，摄像头也会像人眼一样看不清从而丢失目标。

同时，视觉感知技术的核心在于通过软件算法去解析高密度的信息，也就是通过“识别”这些物体并“估测”它们的距离。如果遇到一些“不认识”的物体，比如道路上的异形障碍物等，可能会因为无法全面而准确地感知，从而导致系统做出错误的决策。

也正因如此，仅基于摄像头的智能驾驶方案大多停留在 L2 阶段，涉及 L3 级别以上的自动驾驶功能仍存在许多 corner case 无法完美解决。这时，就需要其他传感器来进行“互补”。

毫米波雷达是一种使用毫米波段进行测距、探测、跟踪、成像的主动传感器。它可主动发射电磁波，穿透烟尘，几乎不受光线和天气影响，帮助车辆实时感知周围物体并提供较为准确的距离和速度信息。

但是，毫米波雷达的感知精度并不理想，不具备图像级的成像能力。因为毫米波雷达是利用在目标物体表面的反射、漫反射和散射来进行目标检测和跟踪，所以对于像行人、动物、自行车这一类低反射率的目标，探测准确度也会大打折扣，路面上的静态物体也可能被当成杂波过滤掉了。

另外，4D 毫米波雷达其实也是毫米波雷达的一种，并非什么新物种。相比传统 3D 毫米波雷达而言，4D 毫米波多加了一个高度信息，但是分辨率相比激光雷达来说还是有很大差距。

目前市场上的 4D 毫米波雷达每帧约输出 1000 多点，而一个 128 线激光雷达每帧输出可达十几万点，二者输出的数据量相差了 2 个数量级之多。

激光雷达也是一种主动传感器，最常见的 ToF (Time of Flight) 测距法，就是通过主动发射激光光束，并测量他们与周围物体反射往返的时间来确定距离和位置。激光雷达通过向外界发出每秒数百万个激光点，可以获取到这些点的三维定位信息，清晰呈现出行人、斑马线、车辆、树木等物体细节，达到图像级分辨率。而且，激光点越密集，分辨率就越高，越能完整且清晰地重构真实世界。

由于其“主动发光”的特性，激光雷达受周围环境光线变化的影响非常小，在一片漆黑的夜间环境也能够“精准洞察”。此外，激光雷达能够直接获取到物体的体积和距离，不像摄像头要靠“猜”，因此针对小型、异形障碍物的检测，应对近距离加塞、隧道、车库等复杂场景，都会有更好的发挥。不过，激光雷达的性能在大雨、雪、雾等极端天气下也会受到一定程度的影响。

禾赛 AT128 真实点云

综上所述，其实摄像头、毫米波雷达、激光雷达这三种智能汽车上最常见的传感器，各有优缺点。但三个传感器叠加在一起，就能发挥更大的作用。

摄像头是被动传感器，能识别丰富的色彩信息，但受光线影响显著，在一些光线不好的环境下置信度相对较低。毫米波雷达的置信度高，但因分辨率较低，能够识别出的物体类型较少，无法有效感知行人、自行车或更小的物体。激光雷达不论是从测距能力、置信度、可感知物体细节，综合实力都很出色，可能最大的缺点，就是有点“贵”。

但毫无疑问的是，激光雷达的成本正在迅速降低，越来越多的汽车厂商已经将激光雷达集成至了量产车型中，提升智能驾驶系统的安全性与舒适性。随着芯片化技术在不断进化，激光雷达的元器件数量已大幅减少，而且自动化产线的效率上升，也有助于生产成本的下降。激光雷达已经从几年前的百万元级别，降至了目前的几千元级别，成为普通消费者也能用上的“汽车黑科技”。

最后回归到用户需求，一个智能驾驶系统是不是“好用”，还是用户说了算。在感知层面，传感器各有长短版，如何让它们更好地“各司其职”，发挥各自最大的优势才是关键。随着智能驾驶软件能力的不断迭代，相信未来也会逐渐“解锁”更多的硬件潜力，进而赋予消费者更丝滑、更舒适的智驾体验。

编辑：黄飞