人類是視覺動物，憑借雙眼獲取視覺信息、辨別方向和距離。而當你的汽車幫助你駕駛的時候，什么又是它的“眼睛”呢？

答案是車載傳感器。它們持續不斷地采集環境信息，然后回傳給智能汽車的大腦——計算平臺。通過感知算法精準地復現出周圍環境，再由決策算法基于對周圍環境的認知來進行車輛的路徑規劃。

今天我們就來說說智駕系統感知層面最常見的幾種傳感器，它們有什么區別？又如何實現互補？

攝像頭

攝像頭是最常見的汽車傳感器，裝在車身四周可以從多角度捕捉環境圖像，在90年代就已開始進入商用并逐漸普及。它也是最接近人眼的傳感器，能夠獲取到豐富的色彩和細節信息，比如車道線，指示標志，紅綠燈等等。但是，其局限性也非常明顯，如果遇到會暗光、逆光等影響“視線”的情況，攝像頭也會像人眼一樣看不清從而丟失目標。

出隧道時的逆光可能會讓攝像頭“致盲”

同時，視覺感知技術的核心在于通過軟件算法去解析高密度的信息，也就是通過“識別”這些物體并“估測”它們的距離。如果遇到一些“不認識”的物體，比如道路上的異形障礙物等，可能會因為無法全面而準確地感知，從而導致系統做出錯誤的決策。

也正因如此，僅基于攝像頭的智能駕駛方案大多停留在L2 階段，涉及 L3 級別以上的自動駕駛功能仍存在許多 corner case 無法完美解決。這時，就需要其他傳感器來進行“互補”。

毫米波雷達

毫米波雷達是一種使用毫米波段進行測距、探測、跟蹤、成像的主動傳感器。它可主動發射電磁波，穿透煙塵，幾乎不受光線和天氣影響，幫助車輛實時感知周圍物體并提供較為準確的距離和速度信息。

但是，毫米波雷達的感知精度并不理想，不具備圖像級的成像能力。因為毫米波雷達是利用在目標物體表面的反射、漫反射和散射來進行目標檢測和跟蹤，所以對于像行人、動物、自行車這一類低反射率的目標，探測準確度也會大打折扣，路面上的靜態物體也可能被當成雜波過濾掉了。

另外，4D毫米波雷達其實也是毫米波雷達的一種，并非什么新物種。相比傳統 3D 毫米波雷達而言，4D 毫米波多加了一個高度信息，但是分辨率相比激光雷達來說還是有很大差距。

目前市場上的4D 毫米波雷達每幀約輸出 1000多點，而一個 128 線激光雷達每幀輸出可達十幾萬點，二者輸出的數據量相差了 2 個數量級之多。

毫米波雷達點云示意

激光雷達

激光雷達也是一種主動傳感器，最常見的ToF (Time of Flight)測距法，就是通過主動發射激光光束，并測量他們與周圍物體反射往返的時間來確定距離和位置。激光雷達通過向外界發出每秒數百萬個激光點，可以獲取到這些點的三維定位信息，清晰呈現出行人、斑馬線、車輛、樹木等物體細節，達到圖像級分辨率。而且，激光點越密集，分辨率就越高，越能完整且清晰地重構真實世界。

由于其“主動發光”的特性，激光雷達受周圍環境光線變化的影響非常小，在一片漆黑的夜間環境也能夠“精準洞察”。此外，激光雷達能夠直接獲取到物體的體積和距離，不像攝像頭要靠“猜”，因此針對小型、異形障礙物的檢測，應對近距離加塞、隧道、車庫等復雜場景，都會有更好的發揮。不過，激光雷達的性能在大雨、雪、霧等極端天氣下也會受到一定程度的影響。

真實點云圖 綜上所述，其實攝像頭、毫米波雷達、激光雷達這三種智能汽車上最常見的傳感器，各有優缺點。但三個傳感器疊加在一起，就能發揮更大的作用。

攝像頭是被動傳感器，能識別豐富的色彩信息，但受光線影響顯著，在一些光線不好的環境下置信度相對較低。毫米波雷達的置信度高，但因分辨率較低，能夠識別出的物體類型較少，無法有效感知行人、自行車或更小的物體。激光雷達不論是從測距能力、置信度、可感知物體細節，綜合實力都很出色，可能最大的缺點，就是有點“貴”。

但毫無疑問的是，激光雷達的成本正在迅速降低，越來越多的汽車廠商已經將激光雷達集成至了量產車型中，提升智能駕駛系統的安全性與舒適性。隨著芯片化技術在不斷進化，激光雷達的元器件數量已大幅減少，而且自動化產線的效率上升，也有助于生產成本的下降。激光雷達已經從幾年前的百萬元級別，降至了目前的幾千元級別，成為普通消費者也能用上的“汽車黑科技”。

最后回歸到用戶需求，一個智能駕駛系統是不是“好用”，還是用戶說了算。在感知層面，傳感器各有長短版，如何讓它們更好地“各司其職”，發揮各自最大的優勢才是關鍵。隨著智能駕駛軟件能力的不斷迭代，相信未來也會逐漸“解鎖”更多的硬件潛力，進而賦予消費者更絲滑、更舒適的智駕體驗。
責任編輯：彭菁