盘点自动驾驶汽车主流传感器

传统的汽车，由于是人为控制，对外界环境的感知、认知以及对汽车的控制都是由驾驶员来完成。或者一些稍微高级的汽车，配有高级辅助驾驶，可由驾驶员和辅助驾驶系统配合着完成这些“任务”。但对于自动驾驶和无人驾驶汽车，因为是车辆本身占据了汽车部分甚至是全部的控制权，此时便要依靠安装在汽车上各种各样的传感器协同工作，保证行车安全。

目前来看，企业应用于自动驾驶汽车的传感器主要有以下几种：图像传感器、激光雷达、毫米波雷达、超声波雷达以及生物传感器。它们依据各自不同的产品属性，在自动驾驶汽车行驶过程中各主不同的功能，以保证自动驾驶汽车的正常运行。本文盖世汽车带大家认识目前自动驾驶汽车上几种主要的传感器。

图像传感器

图像传感器又叫感光元件，是一种可以将光学图像转换成电子信号的设备，在自动驾驶汽车上属于基础部件一类，获取图像时，前期需与数字摄像头结合使用，后期则需要图像数据处理系统的支持，方能为汽车提供直观、真实的可视图像信息。其具体工作原理为：

物体在外界照明光的照射下，经成像物镜成像，形成二维光强分布的光学图像，再通过图像传感器转换成电子信号。之后，这些电子信号经图像数据处理系统的放大和同步控制处理，发送给图像显示器，便可以看到物体的二维光学图像，从而为自动驾驶汽车提供准确的驾驶环境信息。

摄像头中的图像传感器(图片来源：中国教育装备采购网)

图像传感器的工作原理(图片来源：电子发烧友)

在汽车领域，图像传感器主要应用在汽车视觉系统中，如倒车影像、前视、俯视、全景泊车影像、车镜取代、行车记录仪、正向碰撞警告、车道偏离警告、交通信号识别、行人检测、自适应巡航控制、盲点检测及夜视等，以保证视觉系统在各种天气、路况条件下，能够清晰识别车道线、车辆、障碍物、交通标志等。

根据元件的不同，图像传感器可分为CCD、CMOS和CIS三种。早期，作为固态图像传感器，CCD由于有体积小、分辨率高、灵敏度高、图像质量高等优势，一直统领着图像传感器市场。不过，CCD高画质背后也带来了一些问题，譬如成本高，由此出现了成本更低、功耗更低的CMOS传感器。

与CCD相比，CMOS具有读取信息方式简单、输出信息速率快、耗电省、集成度高、价格低等特点，在推出后很快受到了多家知名厂商的青睐。并随着技术的发展，CMOS不断缩小与CCD的差距，现逐渐发展成市场的核心。

而另一种图像传感器CIS，则多用在扫描仪中，其景深、分辨率以及色彩表现目前都赶不上CCD感光器件。

激光雷达

激光雷达是目前自动驾驶汽车上应用最广泛的传感器之一，主要通过向目标物体发射激光束和接收从目标对象上反射回来的激光束来测算目标的位置、速度等特征量，感知车辆周围环境，并形成精度高达厘米级的3D环境地图，为下一步的车辆操控建立决策依据。

与其他汽车传感器相比，激光雷达的优势在于其探测范围更广，探测精度更高。但是，激光雷达的缺点也很明显：在雨雪雾等极端天气下性能较差，采集的数据量过大，十分昂贵。特别是激光雷达线束多少直接与测量精度有关,线束越多,测量越精准，但同时价格也越昂贵。

传统机械式激光雷达

以Velodyne的产品为例，其64线束的激光雷达价格大约是16线束的10倍，而百度的无人驾驶汽车曾使用的一台64位激光雷达，价值70万余人民币，非常昂贵，不仅一般的企业难以承受，搭载了这种激光雷达的自动驾驶汽车，也非一般人能消费得起的。因此，现在激光雷达领域的企业都在努力开发新产品、新技术，力争使激光雷达朝着小型化、低成本化方向发展。其中，一个已经在试行的方法是固态激光雷达。

Quanergy S3固态激光雷达传感器

所谓固态激光雷达即去除了机械式激光雷达里面的机械旋转部件，采用电子方案来达到全范围探测，而传统的激光雷达则是通过机械旋转达到全范围探测，因此体积通常较大。

速腾聚创16线混合固态激光雷达RS-LiDAR

此外还有一种方法是混合固态激光雷达，介于固态激光雷达和机械式激光雷达两者之间。从外观上，混合固态激光雷达几乎看不到传统激光雷达的旋转部件，但其实内部仍存在一些机械旋转部件，只是这套机械旋转部件做的非常小巧，并且藏在机身内部。

技术上来讲，目前传统激光雷达技术已经很成熟，而固态激光雷达和混合固态激光雷达尚处于起步阶段，因此各企业当前在自动驾驶汽车使用的激光雷达，多以机械式激光雷达为主。而从整个激光雷达行业来看，高精度车载激光雷达产品生产商主要集中在国外，如美国的Velodyne、Quanegy，德国的IBEO，国内近几年也开始出现一些专注于车载激光雷达的企业，以及一些从其他领域转行而来的激光雷达企业，因看中自动驾驶汽车广阔发展前景，纷纷投身车载激光雷达产品的研发，目前来看成果显著。

毫米波雷达

同激光雷达一样，毫米波雷达也是现在应用于自动驾驶汽车ADAS系统的一种主流传感器。其波长介于厘米波和光波之间，波长短、频带宽，具有穿透雾、烟、灰尘的能力强，可全天候工作，体积小巧紧凑，识别精度高等优点，能帮助自动驾驶汽车准确地“看”到与附近车辆之间的距离，从而为司机提供变道辅助、自主控制车速、碰撞预警等帮助，提高驾驶舒适度，降低事故发生率。且价格方面，毫米波雷达单价远低于激光雷达，是一种相对容易得到的传感器技术。

目前特斯拉的主力车型上搭载的都是毫米波雷达

按照目前的主流分类，汽车毫米波雷达频率主要包括77GHz和24GHz两种，其中前者波长更短，探测距离更远，因此多用于前方车辆检测;而后者则通常用在车辆周围的检测，如盲点检测。此外，也有一些其他频段的毫米波雷达，如日本的60GHz以及台湾使用的79GHz。

从整个毫米波雷达行业发展来看，无论系统还是器件，核心技术目前仍掌握在国外企业手中，如系统领域的博世、大陆、德尔福等，器件方面的飞思卡尔、英飞凌、意法半导体等。不过，近几年国内也涌现出了一些毫米波雷达相关公司，加速了行业的发展。有专家认为，相对于摄像头方面的激烈竞争，毫米波雷达更有创新性，潜在的市场空间更大，机会更多。特别是77GHz，未来有望成为毫米波雷达主流，而在国内，加快开发国产的77GHZ毫米波雷达芯片并尽快车载应用，将是我国汽车毫米波雷达产业的机遇。

超声波雷达

在上图特斯拉的Autopilot系统中，除使用到了毫米波雷达，其实还用到了超声波雷达。据了解，在特斯拉装备的自动驾驶辅助套件中，同时用到了摄像头、超声波雷达和毫米波雷达三种传感器。其中，超声波主要用于泊车测距、辅助刹车等，量程较短。

采用超声波雷达测距时，超声波发射器先向外面某一个方向发射出超声波信号，在发射超声波时刻的同时开始进行计时，超声波通过空气进行传播，传播途中遇到障碍物就会立即反射回来，超声波接收器在收到反射波的时刻立即停止计时。计时器通过记录时间，就可以测算出从发射点到障碍物之间的距离。

超声波雷达在汽车上的应用

在倒车辅助过程中，超声波传感器通常需同控制器和显示器结合使用，从而以声音或者更为直观的显示告知驾驶员周围障碍物的情况，解除驾驶员泊车、倒车和起动车辆时前后左右探视所引起的困扰，并帮助驾驶员扫除视野死角和视线模糊的缺陷，提高驾驶安全性。

使用效果上，超声波雷达穿透性强，测距的方法简单，成本低。不过，由于超声波是一种机械波，其使用效果会受传播介质的影响，例如受天气情况的影响，在不同的天气情况下，超声波的传输速度不同，而且传播速度较慢。另外，当汽车高速行驶时，使用超声波测距无法跟上汽车的车距实时变化，误差较大，影响测量精度。

生物传感器

汽车科技的快速发展，让汽车技术迭代加速，一些新的技术、产品也由此而生，如生物识别。所谓生物识别技术是指通过人类生物特征进行身份认证的一种技术，这些生物特征通常包括指纹识别、虹膜识别、视网膜识别、面部识别、DNA识别等具有唯一性的、可以测量或自动识别验证、遗传性或终身不变的特点。其中，指纹识别和面部识别目前已应用在自动驾驶汽车上，生物传感器也由此得来。

生物传感器是一种对生物物质敏感并将其浓度转换为电信号进行检测的仪器，由于其感应对象是人体特征，而人体特征具有不可复制的唯一性，可以说比其他很多方法能更好地保证行车安全，同时还可解放驾驶者双手、增加驾驶乐趣。

2017 CES上，大陆集团就推出了这么一项车载生物特征识别技术。据了解，通过该面部识别技术乘员可对座椅位置、后视镜角度、音乐播放、温度调节以及导航等多种车载功能进行个性化设置。且只有在驾驶员通过指纹传感器完成身份验证后，

驾驶员才能启动发动机，大大提升了车辆安全性。而除了大陆，博世、FCA集团的克莱斯勒也都有类似的技术。

小结：以上几种传感器都是目前自动驾驶系统研发过程中，应用比较广泛的传感器。从功能上来看，它们各有自己的优缺点，能分别从不同的方面保证自动驾驶汽车行车安全。不过，其中部分技术目前在国内尚不是很成熟，产品需要依赖进口，这就要求国内相关企业加速产品、技术研发，提升自身产品竞争力的同时，还可以推动国内自动驾驶汽车技术的快速发展。[!--empirenews.page--]