自动驾驶中的传感器技术解析

近年来，随着人工智能技术应用领域的不断拓宽和深入，自动驾驶渐渐进入大众视野，在消费者看来开车变成了一件轻松的事情。在自动驾驶技术的研发中，选择以激光雷达还是摄像头为主要传感器是首要解决的问题，它们代表着两套完全不同的系统——激光SLAM（Simultaneous LocalizaTIon And Mapping）和视觉SLAM。

1、摄像头

VSI Labs创始人兼负责人Phil Magney曾表示，感知是自动驾驶汽车软件栈的一个主要领域，而且这里面还有很多创新，摄像头是必不可少的传感器。2017年3月13日晚，英特尔宣布以153亿美元的价格收购Mobileye，为什么英特尔不惜溢价三分之一达成这桩去年汽车行业里最大的交易案呢？

1999年，两名来自以色列希伯来大学的研究人员创立了Mobileye，公司致力于摄像头和软件算法组成的视觉系统用于解决车辆驾驶问题。正是考虑到视觉是自动驾驶汽车中唯一不可或缺的传感器技术，又基于Mobileye在自动驾驶汽车视觉中占据的领先地位，英特尔硬气地促成了这门亲事。英特尔表示，其正在将Mobileye的“计算机视觉、传感、融合、地图构建和驱动策略”与英特尔的“开放式计算平台”相结合。

据了解，车载摄像头是实现众多预警、识别类ADAS（高级驾驶辅助系统）功能的基础，在众多ADAS功能中，视觉影像系统较为基础，对于驾驶者也更为直观，而摄像头又是视觉影像处理系统的基础。

车道偏离预警、前向碰撞预警、交通标志识别、行人碰撞预警、驾驶员疲劳预警等众多功能都可借助摄像头实现，甚至有的功能只能通过摄像头实现。此外，摄像头不仅能够以高分辨率捕捉图像，还可以更好地分类物体，那么它们的缺点是什么呢？“摄像头的数据深度不如激光雷达。”Magney这样表示。

2、激光雷达

随着自动驾驶的火热，激光雷达受到了前所未有的追捧。激光雷达（LiDAR——Light DetecTIon And Ranging），是利用激光、全球定位系统GPS和惯性测量装置三者合一。其能够区分真实移动中的行人和人物海报、在三维立体的空间中建模、检测静态物体、精确测距。它的工作原理也很好理解，通过发射激光束来探测目标位置、速度等特征量的雷达系统，具有测量精度高、方向准等优点。

在ADAS系统中，激光雷达通过透镜、激光发射及接收装置，基于TOF飞行时间原理获得目标物体位置、移动速度等特征数据并将其传输给数据处理器；同时，汽车的速度、加速度、方向等特征数据也将通过CAN总线传输到数据处理器。

随后，数据处理器对目标物体及汽车本身的信息数据进行综合处理并根据处理结果发出相应的被动警告指令或主动控制指令，以此实现辅助驾驶功能。现在市场上或者自动驾驶项目中主流的激光雷达，占据了自动驾驶项目约90%的应用。Google、Audi、福特和百度等公司研发的无人驾驶汽车基本都采用了激光雷达。此外，根据线束数量的多少，激光雷达又可以分为单线束激光雷达与多线束激光雷达。单线束激光主要用于规避障碍物，在测试周围障碍物的距离和精度上都很精确，但单线束只能平面式扫描，不能测量物体高度；多线束激光雷达成为弥补了单线激光雷达的不足，在维度提升和场景还原上有了质的改变，可以识别物体的高度信息。

据了解，目前在国际上推出的主要有4线、8线、16线、32线和64线，多线激光雷达主要应用于汽车的雷达成像。

无人驾驶用于控制的传感器要么是摄像头，要么是激光雷达，这是业界已经达成的共识，但是究竟采用哪一种，还在争论中。部分观点认为，两者之间并没有那么对立，两个技术各有优劣，互相作为补充是现阶段相对可以实现的路线。从更深层次来看，传感器的选择其实是自动驾驶路线选择的问题。如果将自动驾驶拟人化，那么基本上不需要激光雷达了。车辆依靠自身的知识库、规则库即可完成周围环境的动态判断和车辆控制。

有观点认为，两者之间的问题是在现实的行业发展中哪一方更被侧重。以Tesla例，其偏重摄像头以及毫米波传感器。但由于目前Tesla事故频发，导致越来越多的企业对这种成本相对较低、且易于推广的方式开始产生质疑。此外，媒体称目击到Tesla在北美开始测试搭载激光雷达的model系列。自动驾驶是个系统工程，传感器必不可少也不能独立工作，基于现实的完美配合才能使自动驾驶走得越快越远越好。
来源：cntronics