用户64324579
自动驾驶汽车是现在智能汽车发展的主要方向，它主要是依靠汽车内以计算机系统为主的智能驾驶仪器来实现无人驾驶。自动驾驶汽车之所以可以安全可靠地在道路上行驶，利用的是车载传感器来感知车辆周围环境，并根据传感器感知到的道路、车辆位置和障碍物信息来控制汽车的转向和速度。所以，传感器在自动驾驶的重要性无需赘言。无论是特斯拉、谷歌、丰田还是百度，无论是企业巨头还是发展新星，在他们对于无人驾驶汽车的研究上，无一不在传感器上大费脑筋。
自动驾驶气车上的传感器主要有两种。首先是激光雷达，宝马、谷歌、日产和苹果的无人驾驶测试车用的就是价格昂贵、结构复杂的远距离传感系统LiDAR（激光雷达）。其通过计算发射和探测的时间差就可以计算出目标物的距离，同时生成周围环境的3D图像。
其次是视觉图像传感器。现在一个很广泛的应用是将2D激光雷达与视觉传感器相结合。不过相比于激光雷达，视觉传感器低成本的特性，也让其成为了在自动驾驶解决方案中不可或缺的存在。通过视觉传感器的图像识别技术对周边环境进行感知，进而理解当前的驾驶场景，处理突发事件。
当然，自动驾驶汽车的传感器并不只是激光雷达与摄像头两类，比如特斯拉的Autopilot系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆在高速路车道行驶、变道以及根据交通情况调整车速。可以说，毫米波雷达与超声波雷达，以及目前还并没有为自动驾驶汽车所用的声音传感器也都是不可或缺的传感器。
北航秦曾昌
自动驾驶汽车：多种传感器驱动导航和驾驶
随着谷歌等公司的重大发展和进步，自动驾驶汽车受到了广泛关注。虽然目前在公路上广泛使用自动驾驶汽车可能还需要数年时间，但这些车辆已经开始逐渐被使用在其他“受限制”的场所中，例如露天矿和农业。
使自动驾驶汽车成为可能的许多技术应用中，包括传感器和执行器、复杂算法以及执行软件的强大处理器。
自动驾驶汽车中的传感器和执行器分为两大类：1）导航和引导类传感器（确定所在的位置、想去的地方、如何到达那里）；2）驾驶和安全类传感器（指导汽车、确保汽车在任何情况下都能正常行驶，并遵守道路规则）。
这两个类别有数十个子系统和数百个专用传感器通道。今天我们将带大家仔细了解自动驾驶汽车中的一些子系统以及用于构建这些子系统的传感器。
自动导航和引导中的GPS接收器、IMU以及MEMS传感器等
解决导航和引导的问题是自动驾驶汽车存在之初就需重视的方向。因为它将提供两个关键的数据信息：汽车所处的位置，以及汽车可以到达想要位置的路径。
以前，罗盘、六分仪、LORAN无线电定位和航位推算等仪器和技术都已被使用在常规驾驶中，其精确性、一致性和可用性都各不相同。
而对于自动驾驶汽车来说，导航和指导子系统必须始终处于激活状态，并需要时刻检查车辆相对于目标的运行情况。例如，如果最初的“最佳”路径有任何意外的偏离，则必须实时重新计算路径，以避免走错方向。这与简单地在A和B之间绘制直线相比需要更多的计算工作量，因为自动驾驶汽车易受道路的限制，要进行更复杂的路径。
用于导航和引导的主要子系统基于GPS（全球定位系统）接收器，该接收器主要依靠60多颗低轨道卫星星座中至少四颗卫星对接收的信号进行复杂分析、计算当前位置。GPS系统可以提供大约一米的定位精度（实际数字取决于许多细微问题），这对于自动驾驶汽车来说是一个良好的开端。不过需要注意的是，对于希望随时行驶的驾驶员，GPS接收器需要30到60秒才能建立初始位置，因此自动驾驶汽车必须延迟出发，直到GPS计算出第一个修正值。
GPS子系统现在可作为芯片（SOC）集成电路或多芯片组合上的复杂系统使用，这些芯片组不但需要电源和天线，还需要一个嵌入式、特定于应用程序的计算引擎，一同执行密集计算。虽然在集成电路中差不多都有一个1.5GHz GPS信号的内部射频前置放大器，但许多车辆都选择将天线放在车顶上，同时安装一个共同定位的低噪声放大器来使用（LNA）射频前置放大器，并将定位GPS电路放在车内更方便的位置上。
重要的是，天线必须具有右手圆极化特性（RHCP），以匹配GPS信号的极化，同时也可以是陶瓷芯片单元、小绕线短截线设计或其他配置。
目前，虽然GPS是自动驾驶汽车的基本功能，但自动驾驶只有它还远远不够。当GPS信号被峡谷、隧道、无线电干扰和许多其他因素阻挡时，会导致信号中断，这些中断可能会持续数分钟甚至更长时间。为了弥补GPS的不足，自动驾驶汽车有时要使用不需任何类型的外部信号的惯性制导。该惯性测量单元（IMU）由固定在车辆上的平台组成，该平台具有三个陀螺仪和三个加速度计，每对分别朝向正交的X、Y和Z轴。这些传感器提供平台旋转和线性运动的数据，用于计算车辆的运动和位置，无论有任何速度或任何类型的信号障碍都无法防止它的正常使用。
需要注意的是，IMU无法告诉驾驶员车辆所处的位置，只能告诉运动路径，因此车辆的初始位置必须由GPS确定或手动输入。
同时，我们需要意识到，如果没有基于MEMS的陀螺仪和加速度计的开发，车载IMU将不实用。历史悠久且完善的IMU是基于旋转陀螺仪和一个框架平台，它已经很好地服务于许多应用（导弹制导/太空任务），但它对于自动驾驶汽车来说太庞大，成本高昂且耗电量大。
图1： MEMS器件从根本上改变了陀螺仪和加速度计等IMU功能的实现; 这款来自ST的微型IC集成了三个正交陀螺仪，并提供了角度读数的数字化串行输出
典型的MEMS器件是ST 微电子公司的A3G4250D IC ，这是一款低功耗三轴角速率传感器，可在零速率水平下提供高度稳定性，并且在温度和时间内具有高灵敏度，如图3所示。
汽车驾驶与安全中的激光雷达系统与雷达
自动驾驶汽车必须能够看到并解释前进时前方的情况（当然，也包括倒车时后面的情况）。还有必要看看两边是什么情况，换句话说，它需要360⁰的视角来观察周围的情况。这种情况下，一组摄像机是显而易见的选择，通过摄像机来确定车道的位置，并检测道路上的物体或标记。
但是仅使用相机会带来问题。首先，将存在正确设置多个摄像机并保持其清洁的机械问题；第二，需要进行繁重的图形处理来理解图像; 第三，需要深度感知和基本成像; 最后，光照、阴影和其他因素使得精准确定相机所看到的内容会具有极大的挑战性。
因此，自动驾驶汽车上的主要“视觉”单元多是激光雷达系统，它是光探测和测距的缩写（或光和雷达的混搭）。为了实现自动驾驶汽车所需的分秒决策，激光雷达系统提供了有关周围环境的精确三维信息。使用这些数据，处理器可以实现对象识别、运动矢量确定、碰撞预测和避免策略。激光雷达单元装置非常适合“大图”成像，并通过在车顶上使用旋转扫描镜组件提供所需的360°视角。
激光雷达传感器使用高速、高功率的激光脉冲提供原始信息，激光脉冲与探测器的响应同步，来计算从反射光到物体的距离。探测器阵列或定时摄像机可用于提高三维信息的分辨率。
脉冲一般非常短，以便增强深度分辨率，并且其所产生的光反射用于创建三维点状“云”，该点被分析以将数据转换为体积识别和矢量信息。然后，系统将转换后的结果用于计算车辆相对于这些外部物体的位置、速度和方向，以确定碰撞概率，并在需要时指导车辆进行适当的操作。
不过，激光雷达系统对于近距离控制效果不佳，例如停车、换车道或拥堵交通中，因此，此时系统会由内置在车辆前后保险杠以及侧面的雷达补充。该雷达的工作频率通常为77GHz，具有良好的射频传播特性，并提供足够的分辨率。
图2： AD8283的雷达系统概述，一个6通道雷达接收路径AFE
为了将雷达安装到平面保险杠组件及其有限的空间中，必须使用高度集成的设计，包括使用部分雷达子系统PC板作为其天线。还需要有源元件，如ADI公司的AD8283，它集成了六个信道的低噪声前置放大器（LNA）、可编程增益放大器（PGA）和抗混叠滤波器（AAF）、ADC通道以及单个12位模数转换器（ADC）。
传感器专家网
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。
盖世小结：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。
