导读：自动驾驶概念想必大家并不陌生，但对于其中发挥眼睛作用，眼观六路耳听八方的各种传感器，可能大家未必非常熟悉。通常而言，为获得良好的路况检测结果，一辆自动驾驶汽车会安装多种传感器，本文对自动驾驶领域中一些普适性较强的传感器进行介绍

自动驾驶已经成为在诸多媒体上频频被提及的一个热词。Google、Uber等科技公司和通用、大众等汽车巨头均在自动驾驶上投入巨大精力进行研发，相关厂商也预计在3-5年内，具备自动驾驶功能的汽车就能实现商用。

必须说明的是，自动驾驶并不是什么新生事物，早在上个世纪50年代，美国无线电公司（RadioCorporationofAmerica，RCA）宣称其已经掌握了自动驾驶汽车的相关技术，并实现了一次距离为400英尺（120米左右）的自动驾驶（参见雷锋网文章《回望上世纪60年代，自动驾驶汽车在当时近在咫尺》）；而按照NHTSA和SAE对自动驾驶的划分，目前市场上在售的诸多具备车身稳定系统、防抱死系统、自动紧急制动，牵引力控制系统等功能的汽车已经达到了L1等级的自动驾驶，而我们熟悉的Google自动驾驶汽车，到目前为止亦未能达到L4等级的自动驾驶。而目前业界讨论的自动驾驶，更多的是在L3-L4级别上。

不同等级的自动驾驶来说具有不同的方案，也需要不同的传感器。普遍应用于自动驾驶的传感器主要有以下几种：

2D摄像头、测距摄像头、激光雷达、雷达、声纳、GPS、IMU/罗盘及里程计等。

由于自动驾驶对车辆感知环境的要求极高，甚至要达到不逊于人类的水平，因此厂商通常会采用多种传感器，以取长补短。

而为了实现自动驾驶，交通工具需要感知以下数项指标：

位置、方向、地图、交通标识、信号灯，此外还需要探测周边环境，包括其它车辆、行人、自行车、摩托车、路障、马路牙子、地上的坑、大门、围墙，或是突然出现在车前的小孩等等。

传感器需要非常灵敏，才能以极快的速度探测到上述内容，并让车辆在几毫秒的时间内迅速做出反应。为了实现这一点，通常传感器的延迟需要控制在2-3毫秒内。

而为了普及自动驾驶，传感器的价格应该控制在可以接受的范围内。不过，根据目前自动化的程度，价格也有着天壤之别。比如达到Level3的车辆，鉴于它能提供的自动化程度相对有限，为了提升其在市场上的竞争力，传感器的价格应该控制在车辆价格的10%，甚至更低。而与之相对，达到Level4的自动驾驶车辆需要实现共享功能，并且实现24小时可用的状态，传感器的价格自然水涨船高，可能占全车的一半以上。

接下来，我们就一同来对比下方才介绍过的一些传感器，它们各有所长，也不尽完美，但我们可以从中一窥厂商取舍的动机。

1.2D摄像头

优点：分辨率高、速度快、传递的信息丰富、成本低。结合两个2D摄像头，我们就能获得三维立体的环境信息。

缺点：动态范围小（受强光和太阳影响）、对强计算能力有高要求，单摄像头无法提供3D信息，可能会有延迟；而在双摄像头状态下所提供的3D内容可能不够准确。

基于上述优缺点，库卡机器人，2D摄像头擅长提供周边环境的丰富细节，能够清楚地辨识物体，准确理解交通信号灯、标识及车道所表达的含义，还能检测车辆、行人及自行车等。

相对于其它传感器，2D摄像头的功能更加强大。例如，车道检测能够提升车辆的GPS定位准确度。

代表公司为以色列的Mobileye。

2.声纳

声纳设备的工作原理为：发射器发射50千赫的超声波，接收器通过接收反弹回来的声波，以时间差测算出与物体的距离。

优点：价格亲民，原理简单，只需单个设备即可完成信号检测，是一种相对可靠和快速的测试手段。

缺点：分辨率差，不能真实反映物体内容，对污物敏感，只能用于近距离测量。

综上所述，声纳传感器通常只能检测近距离物体，而且主要针对较近的路障。因此，它的使用场景集中于辅助刹车，及停车时监测周边的车辆及车桩。举个例子，谷歌汽车在两个车后轮上都安置了声纳传感器，用于停车和倒车。由于价格亲民，一辆车上多加几个传感器也不肉痛。

3.LIDAR

它的全称是激光/光探测及测距（LAserDetectionAndRangingorLIghtDetectionAndRanging）。

与声纳相似的是，LIDAR也是通过发射和反射的时间差测量距离，只不过载体是激光而非声音。而同样地，LIDAR也具备发射器和接收器，扫描设备通过捕捉每个角度反射的激光而测定距离。值得一提的是，该设备通常是将激光束重新定向的一个旋转镜。

LIDAR的监测范围因厂而异，有些廉价LIDAR只能探测数米远，而有些高端设备的测量距离甚至能达200米；而激光束的扫描频率也从1Hz到100Hz不等，当然也有更高频的设备。对于扫描的LIDAR而言，机器人维修，也分为单级和多级两种分辨率。

相对来说，单线扫描器价格更便宜些，而LIDAR也以分辨率及距离两大因素为标准，价格从几百美金到上千美金不等。

分支：3DLIDAR

3DLIDAR能对周边环境进行360度扫描，通常拥有多线激光束及3D扫描功能，且价格极高。不过相对而言，3DLIDAR的扫描速度较慢，只有几赫兹。

高端3DLIDAR则拥有单线扫描，并且测量距离远达200米。一般而言，它所要处理的数据量也非常巨大。比如，Velodyne的HDL-32E传感器每秒就能扫描70万个数据点。而一些模型甚至能每秒扫描160万个3D数据点。上述LIDAR的价格非常昂贵，虽然单个产品本身成本不高，但每年面世的数量相对较少，就显得物以稀为贵了。以Velodyne为例，去年它只销售了数百个激光雷达。如果它的市场需求能提高到百万级，www.zr-kuka.com，那么它的价格也会相应降低到数百美金。

优点：可靠的3D点云，对光线不敏感，收集的信息内容丰富。

缺点：贵，缺少色彩信息，在监测能产生反射或透明的物体时准确性不够。收集的数据需要极高的计算能力，且扫描速度相对较慢。

3DLIDAR目前尚未得到大规模普及，但它提供了非常可靠而丰富的3D环境信息。Level4的自动驾驶车辆都可以采用3DLIDAR，但对Level3及以下的产品而言，价格就有点吃不消了。

4.雷达

和上述两种传感器设备相似的是，它的原理同样是通过发射无线电信号（无线电频段的电磁波）并接收反射信号来测定与物体间的距离的。多普勒雷达测量的是反射信号的频率转变，并计算其速度变化。因此，雷达可以探测距离和障碍物的相对移动速度。多普勒雷达本身无法检测静止的物体。

雷达能够检测30-100米远的物体，高端的雷达能够检测到很远的物体。雷达不受天气状况的影响，即使是雨雪雾霾都能正常运作，且对灰尘也不敏感。

但是，雷达传输的是电磁波信号，因此它无法检测上过漆的木头或是塑料（隐形战斗机就是通过表面喷漆来躲过雷达信号的），而人类也几乎对雷达免疫。

雷达对金属表面非常敏感，如果是一个弯曲的金属表面，它会被雷达误认为是一个大型表面。因此，路上一个小小的易拉罐甚至可能会被雷达判断为巨大的路障。此外，雷达在大桥和隧道里的效果同样不佳。

优点：由于其大批量生产的缘故，雷达的价格相对没那么昂贵，且对周边车辆的检测准确度较高，对于某些特定材料较敏感。反应速度快，操作简单，能适应恶劣天气。

缺点：对于某些材料不太感冒，无法判断所识别物体的大小，且相对分辨率较低。

因此，雷达通常广泛用于自动巡航控制，辅助变道及紧急制动系统。以谷歌汽车为例，它在前后的保险杠上装有四个雷达传感器，主要用于保持车距；而特斯拉比起摄像头而言更依赖雷达设备。

而使用毫米波雷达，也能够提升检测分辨率。

5.GPS，测距和IMU（惯性测量单元）

GPS不够准确，也不总是管用。它能够提供大致的位置信息，且只能达到99%的准确度。

IMU测量的是加速度，高端及军用级别的IMU相对准确性更高，不过目前高精度的IMU还处于研究状态。

整体而言，并没有任何一种传感器能尽善尽美地满足自动驾驶的所有需求。自动驾驶需要多种传感器的辅助配合才能顺利上路，而后者联合提供的信息则更加立体和可信。比如，谷歌汽车采用的是Velodyne的360LIDAR（64激光束，探测距离达200米）、检测近路的前置相机、前后保险杠各两个雷达传感器，再加上GPS、IMU及两个后轮的声纳传感器。

尺有所短，寸有所长，只有让多种传感器协同合作，才能让自动驾驶顺利驰骋。