188宝金博官网-Self-Driving干货铺1：传感器

自动驾驶汽车还包括五大核心部分：感官、传感器融合、定位、规划和掌控，这五大部分牵涉到的内容及相互之间的关联楼主不会在先前几篇中逐步讲解，这篇楼主再行从感官部分想起。感官作为系统输出，是自动驾驶功能构建的基础，负责管理搞清楚车辆周围的环境。为了尽量精确现实的反应环境信息，自动驾驶汽车必须各类传感器的反对和因应，所配有的传感器主要还包括：GNSS（如GPS）、摄像头、惯性测量单元IMU、毫米波雷达、激光雷达、超声波雷达等，除了上面这些我们可以实际摸得着的传感器，还必须所谓的“高精度地图”的反对。其中GPS和摄像头这里就仍然毫无意义，生活中我们常常用于这两种传感器，也坚信大家对其有直观的了解和体验。

01高精度地图高精度地图是专门服务于自动驾驶的，生活中我们常常认识的是传统地图，例如当我们驾车去某处时，地图不会引荐多条路径以及每条路线花费多长时间，当我们取得这些信息后，我们必须根据地图获取的信息来要求是右转、左转还是右转，在整个过程我们必须对驾驶员环境展开评估以及考虑到各种交通管制，如车速标志、红绿灯等。而无人驾驶车缺乏我们人类固有的视觉和逻辑能力，例如我们可利用所看见的东西和GPS在世界中确认自己的方位，我们也可精彩精确的辨识障碍物、其他车辆、行人或交通信号等信息。但对无人车来说上述这些有可能是一件十分艰难的任务，因此高精度地图是无人驾驶技术不可或缺的一部分。高精度地图比起传统地图包括大量的驾驶员辅助和周围环境信息，最重要的是道路网的准确三维密切相关。

例如交叉路口布局和路标方位，高精度地图还包括很多语义信息，例如地图可能会报告交通灯上有所不同颜色的含义，也可命令道路的速度限制以及左转车道开始的地方。高精度地图最重要的特征之一就是精度，我们常用的手机上的导航系统地图不能超过米级，平时我们用于时有可能感觉一两米也没什么，但当我们设法把车停车在路边时一两米的误差就有可能造成道路阻塞或再次发生撞击。

而高精度地图需要超过厘米级的精度，这对无人驾驶车的安全性至关重要，但高精度地图无法动态都确保地图正处于近期状态，比如说周围的环境是时刻变化的，例如车有可能这不会停车在这持续性就拦下了，因此维持这些地图的改版是一项根本性的任务，必须花费人力物力大大去检验和改版这些地图02惯性测量单元IMU惯性测量单元是定位的一种粗略辅助手段，在机器人定位中我们常常使用惯性测量单元来展开航迹回溯构建粗略的定位。假设一辆车于是以以恒定速度直线行经，在未知汽车初始方位、速度及行经时间的情况下，我们很更容易获得汽车当前所处的方位。某种程度的上述问题，但只获取初始速度和加速度信息，此时基于初始方位，我们可计算出来得出结论汽车在任何时间点的车速和方位，而如何提供汽车的加速度信息则正是惯性测量单元IMU应当要做到的。

IMU我们也常常认识，小到手机、智能手表，大到导弹、宇宙飞船都会用于，有所不同领域所使用的区别在于成本和精度。一个IMU包括了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体座标系统独立国家三轴的加速度信号，而陀螺检测载体相对于导航系统坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出有物体的姿态，在导航系统中具有很最重要的应用于价值。

IMU具备随时间误差总计的特性，因此一般无人车会使用“GPS＋IMU”这种人组方式来构建更加平稳的定位（关于定位楼主不会在先前章节中辩论），例如百度阿波罗使用一款NovAtelSPAN－IGM－A1的惯性测量单元。它是一款卫星导航系统GNSS和惯性导航深度融合的导航系统定位系统，内部PCB了OEM615GNSS板卡和惯性测量单元（IMU），在卫星信号被切断时仍持续能用。

03超声波雷达UltrasonicSensors超声波传感器是机器人、汽车等领域最少见的传感器，还忘记我们在学校玩游戏单片机时常常卖的超声波传感器吗？对于车用级的超声波传感器，其模样及其加装方位一般都如下：超声波传感器在汽车中应用于很普遍，如果大家还对其较为陌生，那么“方向灯雷达”有可能更加通俗易懂写出。当我们在方向灯入库时，车子移动过程中，我们在驾驶室内经常能听见”滴滴液“的声音，这些声音就是根据超声波传感器检测到的距离对系统给我们的信息。对于方向灯雷达应用于，其一般加装在汽车的前后保险杠方位，来展开前后障碍物的检测。

超声波（指20kHz以上的机械波）是一种类似的声波，具备频率低、波长较短、绕射现象小，尤其是方向性好、需要沦为射线而定向传播等特点。超声波传感器通过时间差测量距离长度，首先超声波发送器向外部的某个方向上升空超声波信号并在升空信号的同时开始计时；超声波在空气中传播，当遇上障碍物时会立刻回到并传播回来并被接收器接管。超声波在空气中的传播速度为340米／秒，定时器可以通过记录时间t来测量从发射点到障碍物的距离长度，即s＝340t／2。

超声波能量消耗快，介质前进距离宽，穿透力强劲，测距方法非常简单，成本低，而且在短距离测量中，超声波传感器具备相当大的优势（一般观测距离在15～250cm或30～500cm之间，如博世车用超声波传感器的检测范围为20～450厘米）。因此在汽车不会被普遍使用，如BOSCH的APA自动泊车系统及SideViewAssist系统都应用于了超声波传感器来展开安全性辅助驾驶员。但是，由于超声波的传输速度更容易受到天气条件的影响（在有所不同的天气条件下，超声波的传输速度有所不同，传播速度慢），因此其在高速测距方面不存在一定的局限性。当汽车高速行驶时，超声波测距无法动态跟上车速，而且误差相当大。

另一方面，超声波当在比较宽的距离处测量目标时，脉冲信号比较较强，这不会影响测量精度。下面将不会阐释无人驾驶中最重要的两个传感器：毫米波雷达Radar和激光雷达LiDar，到目前为止，自动驾驶汽车的感官主要倚赖两种方法：毫米波雷达传感器融合摄像头或激光雷达强化。

无人驾驶车通过利用这两类传感器对静态地图展开动态补足，从而建构所谓的“世界模型”，在自动驾驶竞赛中，激光雷达与毫米波雷达的竞争日趋激烈。它甚至引发了汽车行业的一种竞争。虽然还包括Waymo、Cruise和福特在内的许多公司主要依赖激光雷达，但特斯拉则使用毫米波雷达融合摄像头的技术，埃隆马斯克也曾公开发表侮辱汽车的激光雷达系统技术，声称“傻瓜才用激光雷达”，当然这句话只是为了博得噱头，因就当前自动驾驶来说单一感官系统是远远不够的，都有各自的优缺点，主流的作法则是各感官系统展开互相融合和因应，提升系统校验和有所不同状况下的互补性。

04毫米波雷达Radar毫米波雷达，顾名思义，就是工作在毫米波频段的雷达。毫米波是指长度在1～10mm的电磁波，对应的频率范围为30～300GHz。目前，车载雷达频段主要集中于在在24GHz、77GHz和79GHz这3个频段。

其中，24GHz的波长是1．25cm（虽然24GHz的波长是1．25cm，但是目前业界也仍然将其称作毫米波），77GHz的波长则更加较短，只有3．9mm。有所不同频段的毫米波雷达具备有所不同的性能和成本，毫米波雷达由于具备出众的测距GPS能力，因此被普遍地应用于在自适应巡弋掌控（ACC）、盲点检测、辅助变道（LCA）等辅助驾驶员应用于中。

一般来说，为了符合有所不同距离范围的观测必须，一辆汽车上不会加装多颗短距、中距和长距毫米波雷达。其中24GHz雷达系统主要构建近距离观测（SRR），77GHz和79GHZ雷达系统主要构建中远距离的观测（MRRorLRR）。

有所不同的毫米波雷达“各司其职”，在车辆前方、车身和后方充分发挥有所不同的起到。24—24．25GHz频段：目前大量应用于汽车的盲点检测、变道辅助。

雷达加装在车辆的后保险杠内，用作监测车辆后方两侧的车道否有车、否展开变道。这个频段也有其缺点，首先是频率较为较低，另外就是比特率（Bandwidth）较为较宽，只有250MHz。77GHz频段：这个频段的频率较为低，国际上容许的比特率高达800MHz。这个频段的雷达性能要好于24GHz的雷达，所以主要用来组装在车辆的前保险杠上，观测与前车的距离以及前车的速度，构建的主要是紧急制动、自动跟车等主动安全性领域的功能。

79GHz—81GHz频段：这个频段仅次于的特点就是其比特率十分长，要比77GHz的高达3倍以上（想去3000MHz），这也使其不具备十分低的分辨率，可以超过5cm。这个分辨率在自动驾驶领域十分有价值，因为自动驾驶汽车要区分行人等诸多细致物体，对比特率的拒绝很高。正如前面所说，频率越高波长越高，分辨率、精准度就越高。所以，79GHz的毫米波雷达坚信不会沦为汽车领域主流传感器。

全球主要有四大毫米波雷达供应商全称为ABCD，即Autoliv、Bosch、Continental和Delphi。Autoliv以24GHz盲点、变道辅助雷达居多；Bosch的毫米波雷达主要以77GHz居多，覆盖面积的面较为甚广，有宽距（LRR）、中距（MRR）以及用作车后方的盲点雷达。Continental在毫米波雷达产品方面既有24GHz，也有77GHz，性能做到得还不俗。

Delphi以77GHz毫米波雷达居多，使用更为传统的硬件方案，成本较为低，性能不错。毫米波雷达测距原理很非常简单，就是把无线电波（毫米波）收到去，然后接管脉冲，根据发送的时间差测得目标的方位数据和比较距离。根据电磁波的传播速度，可以确认目标的距离公式为：S＝ct／2，其中s为目标距离，t为电磁波从雷达升空过来到接管到目标脉冲的时间，c为光速。

毫米波雷达GPS是基于多普勒效应（DopplerEffect）原理。所谓多普勒效应就是，当声音、光和无线电波等振动源与观测者以相对速度v运动时，观测者所接到的振动频率与振动源所收到的频率有有所不同。

到这早已谈了超声波和毫米波雷达，那么这两种波究竟有什么区别呢？“超声波”是多达人耳听力下限的“声波”，即是一种人耳听得将近的“声波”，“超声波”的频率多达20kHz，频率范围在20KHz～500KHz，它是由机械振动产生的，在空气中传播速度和声音完全相同，每秒大约340米，其方向性很好。“电磁波”是由大大变化的电场和磁场相互唤起构成的，传播速度和光速大于，每秒30万公里。超声波和电磁波（不含“微波”在内：“微波”的频率，介于“超短波”和“毫米波”之间，归属于电磁波范畴。

）的主要区别：1、波动源有所不同，2、传播速度有所不同。所以，“电磁波”和“微波”都不属于“超声波”。与激光雷达图像比起，毫米波雷达图像具备较低精度和低分辨率。

毫米波雷达无法准确辨别物体的形状，换句话说，无论前方是鹿还是树根，对于毫米波雷达来说有可能检测出来的都是一个点而已，出于这个原因，毫米波雷达系统技术一般来说与摄像机和其他传感器系统展开因应。05激光雷达LiDar激光雷达是光观测和测距的简写（LightDetectionandRanging）。该技术用于将近红外光扫瞄物体并创立环境的3D地图，这就是它的工作原理。激光雷达传感器的激光束被升空过来并再行回到回去，根据接到的信息，激光雷达系统不会创立一个看上去像阴影的点云，并体现物体的形状和大小。

激光雷达的历史可以追溯到20世纪60年代，随着激光器的发明者，激光驱动技术显得十分风行。如今，激光雷达技术有很多应用于，如测量大气层中的云层、地形勘探等。

激光雷达技术是迄今为止最精确的自动驾驶技术，它能扫瞄汽车周围的环境并创立准确的3D图像，能覆盖面积车辆周围环境的360度视图。激光雷达传感器可以辨识各种物体，其不仅能看见道路、车辆和行人还可区分车辆类型、行人、儿童、动物和其他有可能必须类似预防措施的物体，如减速带；此外激光雷达还可追踪物体运动及其方向，这些信息对无人驾驶车辆至关重要。

激光雷达有机械式和固态两种，目前自动驾驶领域用于最少的是机械旋转式激光雷达：首先在垂直方向上化学键多束激光（即所谓的16、32或64线等激光雷达），从而由“线”包含“面”，通过大大转动激光升空头构成多个面，最后超过动态3D扫瞄的目的，这也就是为什么完全所有的无人驾驶汽车都会有个不时转动的球了。机械式激光雷达目前成本广泛偏高，比起几年前，激光雷达价格虽早已叛了很多，但仍然让人望而却步，Google生产的单个激光雷达传感器售价75，000美元，尽管该公司早已将价格减少了90％；领先的激光雷达供应商Velodyne虽产品线非常丰富但某种程度也是价格高昂。机械式激光雷达除了价格低，由于必须通过转动将射向的激光以定在有所不同方向展开扫瞄，因此也额外减少了很多移动部件，更进一步减少了额外的确保成本，其次还影响美观。为了更进一步减少激光雷达成本并提升其可靠性，最近这两年激光雷达领域经常出现了一款或将政治宣传整个行业的产品－固态激光雷达，所谓的固态就是不必须转动，而且成本也将大大降低，在固态LiDar领域最吸睛的公司要数Quanergy，其固态雷达产品可将成本传输到200多美元以下，坚信将大大推展自动驾驶的发展。

固态激光雷达之所以能做小巧、可信且成本便宜，主要是使用了一种光学相控阵技术（OPA－OpticalPhasedArray）。提及相控阵技术，我们脑海里首先映入的是军事上的相控阵雷达，的确，军事雷达最初也是机械旋转式的，雷达探测目标距离的原理：雷达波从升空到从目标回到的总时间，乘上光速为目标距离的两倍。而相控阵雷达不是“一个雷达”，本质上，它是很多个“传统雷达”的共同体。相控阵雷达的天线由无数个小单元天线构成，这些小单元天线叫作“阵元”，对于有源相控阵雷达来说，每一个阵元都是独立国家掌控的，它们既能独立国家升空雷达波，也能接管雷达波的脉冲信号。

“相控阵”就是掌控每个阵元产生电磁波的振幅与幅度，以此增强电磁波在登录方向上的强度，并压迫其他方向的强度，从而构建让电磁波束的方向再次发生转变。同理，使用光学相控阵技术（技术背景奇特是大学物理所学的光栅散射：通过转变有所不同针中入射光线的相位差才可转变光栅散射后中央明纹（主瓣）的方位。）该技术可以通过电信号掌控阵列中邻接升空光线的相位差，超过转变模块整体升空激光的方向和角度，而成百上千的升空单元构成一个阵列，通过掌控升空单元就能让一个平面构建3D空间的扫瞄，超过与转动机械式雷达一样的效果。

比起机械式激光雷达，固态激光雷达具备结构非常简单、尺寸小、扫瞄速度低、扫瞄精度高等优点，但也有适当的缺点，即扫瞄角度受限，当配备固态激光雷达时，要构建全方位扫瞄，需在有所不同方向布置多个（最少前后两个）固态激光雷达；其次加工可玩性低，这也是造成固态激光雷达还并未被大规模使用的原因。但不管如何，其低成本、小尺寸的极大优势毫无疑问填补了机械式激光雷达的很多严重不足，坚信也是未来的主流应用于趋势。激光雷达比起超声波和毫米波雷达，仅次于的问题是激光雷达传感器不受天气条件的影响相当大，其无法在雾，雪或灰尘中获取准确的环境图像，因此一般来说激光雷达系统技术必需一直与其他辅助传感器展开因应。

06总结此次将自动驾驶领域应用于的主要传感器展开了粗略的讲解，高精度地图和超声波雷达最后仍然赘述。从本质上谈，激光雷达无法替换毫米波雷达展开自动驾驶，反之亦然。两种汽车传感器系统都有其优势和局限性。

至于激光雷达与雷达精度，答案是显而易见的。从成本方面，激光雷达传感器毫无疑问比毫米波雷达低很多，这是因为用于ToF的LiDar必须成本更高的高速电子设备，其次该必须CCD接收器、光学器件、电机和激光器等来产生和接管所用于的波，Radar则只必须一些相同天线。

从对计算能力的拒绝上，Radar传感器往往不会产生较少的数据，因为它们只回到一个点或几十个点。LiDar传感器则发送到和接管大量有关每个激光点范围的数据。因此Lidar对算力的拒绝比Radar更高。

如果你的目标是检测你前面一辆汽车，并取得它的速度，Radar可能会合适。如果您要确认目标的准确方位，分解精确的环境信息，LiDar可能会更佳，下面这张图从有所不同的维度对这两种传感器的性能展开了较为。最后，楼主所述内容不免有个人理解的局限性，错误之处还请求各位及时求证。

本文来源：188宝金博官网-www.topdotnet.com