自動駕駛離不開感知層、控制層和執(zhí)行層的相互配合。攝像頭、雷達(dá)等傳感器獲取圖像、距離、速度等信息，扮演眼睛、耳朵的角色。

控制模塊分析處理信息，并進(jìn)行判斷、下達(dá)指令，扮演大腦的角色。車身各部件負(fù)責(zé)執(zhí)行指令，扮演手腳的角色。而環(huán)境感知是這一切的基礎(chǔ)， 因此傳感器對于自動駕駛不可或缺。

三大重要傳感器

攝像頭：智能駕駛之慧眼

車載攝像頭是實(shí)現(xiàn)眾多預(yù)警、識別類 ADAS 功能的基礎(chǔ)。在眾多 ADAS 功能中，視覺影像處理系統(tǒng)較為基礎(chǔ)，對于駕駛者也更為直觀，而攝像頭又是視覺影像處理系統(tǒng)的基礎(chǔ)， 因此車載攝像頭對于自動駕駛必不可少。

攝像頭可實(shí)現(xiàn)的 ADAS 功能

以上眾多功能都可借助攝像頭實(shí)現(xiàn)，有的功能甚至只能通過攝像頭實(shí)現(xiàn)。

車載攝像頭價(jià)格持續(xù)走低，未來單車多攝像頭將成為趨勢。攝像頭成本相對低廉，價(jià)格也從 2010 年的 300 多元持續(xù)走低，到 2014 年單個(gè)攝像頭價(jià)格已降低至 200 元左右，易于普及應(yīng)用。

根據(jù)不同 ADAS 功能的要求，攝像頭的安裝位置也不盡相同。按攝像頭的安裝位置不同，可分為前視、側(cè)視、后視和內(nèi)置四個(gè)部分。未來要實(shí)現(xiàn)全套 ADAS 功能，單車需配備至少 5 個(gè)攝像頭。

前視攝像頭

前視攝像頭使用頻率最高，單一攝像頭可實(shí)現(xiàn)多重功能。如行車記錄、車道偏離預(yù)警、前向碰撞預(yù)警、行人識別等。前視攝像頭一般為廣角鏡頭，安裝在車內(nèi)后視鏡上或者前擋風(fēng)玻璃上較高的位置，以實(shí)現(xiàn)較遠(yuǎn)的有效距離。

側(cè)視攝像頭代替后視鏡將成為趨勢。由于后視鏡的范圍有限，當(dāng)另一輛在斜后方的車位于這個(gè)范圍之外就“隱身”，因?yàn)槊^(qū)的存在，大大增加了交通事故發(fā)生的幾率。而在車輛兩側(cè)加裝側(cè)視攝像頭可以基本覆蓋盲區(qū)，當(dāng)有車輛進(jìn)入盲區(qū)時(shí)，就有自動提醒駕駛員注意。

全景泊車系統(tǒng)

全景泊車系統(tǒng)通過安裝在車身周圍的多個(gè)超廣角攝像頭，同時(shí)采集車輛四周的影像，經(jīng)過圖像處理單元矯正和拼接之后，形成一副車輛四周的全景俯視圖，實(shí)時(shí)傳送至中控臺的顯示設(shè)備上。

駕駛員坐在車中即可以“上帝視角”直觀地看到車輛所處的位置以及車輛周報(bào)的障礙物。

車載攝像頭應(yīng)用廣泛且價(jià)格相對低廉，是最基本最常見的傳感器。相對于手機(jī)攝像頭，車載攝像頭的工況更加惡劣，需要滿足抗震、防磁、防水、耐高溫等各種苛刻要求。制造工藝流程復(fù)雜，技術(shù)難度高。

特別是用于ADAS功能的前視攝像頭，涉及行車安全，可靠性必須非常高。因此車載攝像頭的制造工藝也更加復(fù)雜。

車載攝像頭產(chǎn)業(yè)鏈

在成為整車廠商的一級供應(yīng)商之前，需經(jīng)過大量不同種類的嚴(yán)格測試。但是一旦進(jìn)入整車廠商的一級供應(yīng)商體系就會形成很高的壁壘，很難被替代，因?yàn)楦鼡Q供應(yīng)商的成本太高，重新更換供應(yīng)商就意味著整車廠商要再次進(jìn)行復(fù)雜的測試。

全球視覺系A(chǔ)DAS龍頭Mobileye從1999年成立就開始研發(fā)視覺處理系統(tǒng)，但在2007年搭載Mobileye產(chǎn)品的車型才上市，從研發(fā)到正式進(jìn)入前裝市場，用了八年的時(shí)間。但成為眾多整車廠商的一級供應(yīng)商后，Mobileye已成為這一領(lǐng)域絕對的寡頭。

自從其公司2014年上市至今，與其他公司競逐各大汽車廠商的智能汽車安全設(shè)備招標(biāo)時(shí)，Mobileye的成功率幾乎是百分之百。

毫米波雷達(dá)：ADAS 核心傳感器

毫米波的波長介于厘米波和光波之間， 因此毫米波兼有微波制導(dǎo)和光電制導(dǎo)的優(yōu)點(diǎn)：

1)同厘米波導(dǎo)引頭相比，毫米波導(dǎo)引頭具 有體積小、質(zhì)量輕和空間分辨率高的特點(diǎn);

2)與紅外、激光等光學(xué)導(dǎo)引頭相比，毫米波導(dǎo)引頭穿透霧、煙、灰塵的能力強(qiáng)，傳輸距離遠(yuǎn)，具有全天候全天時(shí)的特點(diǎn);

3)性能穩(wěn)定，不受目標(biāo)物體形狀、顏色等干擾。毫米波雷達(dá)很好的彌補(bǔ)了如紅外、激光、超聲波、 攝像頭等其他傳感器在車載應(yīng)用中所不具備的使用場景。

毫米波雷達(dá)的探測距離一 般在 150m-250m 之間，有的高性能毫米波雷達(dá)探測距離甚至能達(dá)到 300m，可以滿足汽車在高速運(yùn)動時(shí)探測較大范圍的需求。與此同時(shí)，毫米波雷達(dá)的探測精度較高。

毫米波雷達(dá)應(yīng)用于自適應(yīng)巡航

這些特性使得毫米波雷達(dá)能夠監(jiān)測到大范圍內(nèi)車輛的運(yùn)行情況，同時(shí)對于前方車輛的速度、加速度、距離等信息的探測也更加精準(zhǔn)，因此是自適應(yīng)巡航(ACC)、自動緊急剎車(AEB) 的首選傳感器。

目前 77GHz 毫米波雷達(dá)系統(tǒng)單價(jià)大約在 250 歐元左右，高昂的價(jià)格限制了毫米波雷達(dá)的車載化應(yīng)用。

激光雷達(dá)：功能強(qiáng)大

激光雷達(dá)性能精良，是無人駕駛的最佳技術(shù)路線。激光雷達(dá)相對于其他自動駕駛傳感器具有非常優(yōu)越的性能：

分辨率高。激光雷達(dá)可以獲得極高的角度、距離和速度分辨率，這意味著激光雷達(dá)可以利用多普勒成像技術(shù)獲得非常清晰的圖像。

精度高。激光直線傳播、方向性好、光束非常窄，彌散性非常低，因此激光雷達(dá)的精度很高。

抗有源干擾能力強(qiáng)。與微波、毫米波雷達(dá)易受自然界廣泛存在的電磁波影響的情況不同，自然界中能對激光雷達(dá)起干擾作用的信號源不多，因此激光雷達(dá)抗有源干擾的能力很強(qiáng)。

激光雷達(dá)的空間建模

三維激光雷達(dá)一般安裝在車頂， 可以高速旋轉(zhuǎn)，以獲得周圍空間的點(diǎn)云數(shù)據(jù)，從而實(shí)時(shí)繪制出車輛周邊的三維空間地圖。同時(shí)，激光雷達(dá)還可以測量出周邊其他車輛在三個(gè)方向上的距離、速度、加速度、角速度等信息，再結(jié)合 GPS 地圖計(jì)算出車輛的位置，這些龐大豐富的數(shù)據(jù)信息傳輸給 ECU 分析處理后，以供車輛快速做出判斷。

激光雷達(dá)車用方案：

以地圖為中心：以 Google 和百度為代表的互聯(lián)網(wǎng)企業(yè)的無人駕駛是以地圖為中心， 主要原因在于激光雷達(dá)可以為這些公司繪制高精度地圖。

以汽車為中心：對大多數(shù)車企而言，他們更想要一款專為汽車量身定制的激光雷達(dá)產(chǎn)品。

百度自動駕駛汽車上的激光雷達(dá)

首先，和測繪專用的笨重“大花盆”相比，小型激光雷達(dá)和汽車更配，為了兼顧美觀和風(fēng)阻系數(shù)，自動駕駛汽車與普通汽車不應(yīng)該在外觀上有任何差別，激光雷達(dá)盡量要被做成小體積直接嵌入車身，這就意味著要將機(jī)械旋轉(zhuǎn)部件做到最小甚至拋棄。

因此車用激光雷達(dá)沒有選用大體積旋轉(zhuǎn)結(jié)構(gòu)，而是在制作工藝上，將旋轉(zhuǎn)部件做到了產(chǎn)品內(nèi)部。例如 Ibeo 的激光雷達(dá)產(chǎn)品 LUX，改為固定激光光源，通過內(nèi)部玻璃片旋 轉(zhuǎn)的方式改變激光光束方向，實(shí)現(xiàn)多角度檢測的需要。

而Quanergy 旗下產(chǎn)品 S3 是一款全固態(tài)產(chǎn)品，使用了相位矩陣新技術(shù)，內(nèi)部不存在任何旋轉(zhuǎn)部件。

不過，好東西都很貴。激光雷達(dá)單價(jià)以萬為單位，高昂的價(jià)格讓其難以市場化。

最后我們對比一下這三大傳感器性能：

一起事故引發(fā)的改變

2016 年 5 月，美國佛羅里達(dá)州一輛開啟了自動駕駛模式(Autopilot) 的特斯拉與白色重型卡車相撞，導(dǎo)致特斯拉車主身亡。

這起被稱為“全球首例自動駕駛致死”事故，讓不少人開始對自動駕駛的安全性表示擔(dān)憂，也給特斯拉蒙上一層陰霾。

特斯拉

事故曝光后，特斯拉與其視覺識別系統(tǒng)供應(yīng)商 Mobileye 終止合作，并于 9 月份通過 OTA 推送了 V8.0 系統(tǒng)， 強(qiáng)化毫米波雷達(dá)作用，將其提升成為主控制傳感器。

特斯拉 V7.0 時(shí)代的自動駕駛主要以圖像識別為主，毫米波雷達(dá)只是一個(gè)輔助傳感器，V8.0 系統(tǒng)對整個(gè)技術(shù)方案做出了很大的調(diào)整：以毫米波雷達(dá)為主，圖像識別為輔，雷達(dá)可以監(jiān)測范圍是之前的 6 倍，大幅增強(qiáng)特斯拉的前方障礙識別能力。

而到了2016 年 10 月，特斯拉又發(fā)布 Autopilot2.0，宣布未來生產(chǎn)的所有車型都將具備進(jìn)行完全自動駕駛的硬件系統(tǒng)。同時(shí)，特斯拉表示在此硬件基礎(chǔ)上的自動駕駛的安全性有了空前提升。

Autopilot 2.0 與 Autopilot 1.0 硬件對比情況

特斯拉的完全自動駕駛硬件系統(tǒng)包括：

1)車身四周加裝 8 個(gè)攝像頭，能夠測量 250 米范圍內(nèi)的物體;

2)搭載 12 顆 超聲波傳感器，用以輔助偵測;

3)升級增強(qiáng)版的毫米波雷達(dá)，能夠在惡劣天氣下工作，也能探測到前方車輛;

4)汽車主板的性能是前款產(chǎn)品的 40 倍，大幅提升計(jì)算能力。

特斯拉本次發(fā)布Autopilot 2.0的完全自動駕駛硬件變化最大的在于攝像頭，數(shù)量從原先的1個(gè)增至8個(gè)。 這也預(yù)示著特斯拉感知端的技術(shù)路線從原先的攝像頭，到倚重雷達(dá)，最后又重新選擇了攝像頭。

特斯拉不斷變化的主控傳感器選擇說明感知端目前還沒有完全固定的技術(shù)路線，特斯拉自身也是在探索中不斷地前進(jìn)。

Mobileye

實(shí)際上，與特斯拉“分手”，是Mobileye提出來的。

經(jīng)過十幾年的研發(fā)創(chuàng)新，Mobileye憑借其EyeQ系列芯片上的高級視覺算法可實(shí)現(xiàn)多種ADAS功能，已成為視覺系A(chǔ)DAS產(chǎn)品中絕對的龍頭。

從2007年研發(fā)出的第一代EyeQ產(chǎn)品開始，Mobileye與意法半導(dǎo)體合作，不斷升級芯片技術(shù)，優(yōu)化視覺算法，EyeQ3產(chǎn)品的運(yùn)算速度已是第一代產(chǎn)品的48倍。

Mobileye 的 EyeQ 系列產(chǎn)品升級情況

從表格中我們可以看到，前三代產(chǎn)品都只搭載一顆攝像頭。目前EyeQ4、EyeQ5產(chǎn)品計(jì)劃已發(fā)布，其中EyeQ4將開始使用多攝像頭方案。預(yù)計(jì)未來通過芯片升級和算法優(yōu)化，Mobileye的芯片算法將融合更多傳感器，將推出多目攝像頭+毫米波雷達(dá)+激光雷達(dá)的解決方案，全面支持無人駕駛。

2016年7月，Mobileye 宣布和特斯拉終止合作，EyeQ3 將會是 Mobileye 和特斯拉的最后一次合作。幾乎同時(shí)，Mobileye 還宣布英特爾、寶馬進(jìn)行合作。今年3月，英特爾以溢價(jià)33%+的價(jià)格收購Mobileye。

其實(shí)，Mobileye與特斯拉終止合作的深層次原因在于：

1)風(fēng)格策略不同。Mobileye相對保守，特斯拉相對激進(jìn)，因此Mobileye更傾向與傳統(tǒng)汽車廠商合作。

2)數(shù)據(jù)歸屬有爭議。Mobileye提出了一個(gè)名為REM的概念，數(shù)據(jù)將由加入的成員共享，而作為積累里程以及數(shù)據(jù)最多的特斯拉不愿意白白把數(shù)據(jù)共享給別的車廠。

不過特斯拉只是Mobileye所面對的眾多整車客戶之一，但是與英特爾的強(qiáng)強(qiáng)聯(lián)合，Mobileye將受益于英特爾從芯片端提供的資源幫助，構(gòu)造基于視覺、實(shí)現(xiàn)傳感器融合的強(qiáng)大算法，推動視覺算法持續(xù)向自動駕駛邁進(jìn)。

趨勢——多傳感器融合

對比特斯拉跟Mobileye的產(chǎn)品升級我們會發(fā)現(xiàn)，“老情人”的肉體雖然分離了，但精神上還是一致的。都是通過增加傳感器的數(shù)量，并讓多個(gè)傳感器融合來提高自動駕駛能力。

上面提到的特斯拉事故中，主要原因有：

毫米波雷達(dá)測距可能誤判。毫米波雷達(dá)測到前方有巨大障礙物，但可能因?yàn)榭ㄜ嚪瓷涿娣e過大和車身過高，毫米波雷達(dá)將拖掛車誤判為懸掛在道路上方的交通指示牌;

攝像頭強(qiáng)光致盲

前置攝像頭 EyeQ3 可能誤判。事故拖掛車是橫置的，全身白色，沒有色彩警告，在陽光強(qiáng)烈的環(huán)境下，圖像識別系統(tǒng)容易將拖掛車誤判為白云。

在極端情況下，特斯拉的毫米波雷達(dá)和前置攝像頭均發(fā)生了誤判。可見攝像頭+毫米波雷達(dá)方案缺乏冗余度，容錯(cuò)性差， 難以完成自動駕駛的使命，需要多個(gè)傳感器信息融合綜合判斷。

傳感器各有優(yōu)劣，難以互相替代，未來要實(shí)現(xiàn)自動駕駛，是一定需要多種(個(gè)) 傳感器相互配合共同構(gòu)成汽車的感知系統(tǒng)的。不同傳感器的原理、功能各不相同，在不同的使用場景里可以發(fā)揮各自優(yōu)勢，難以互相替代。

多個(gè)同類或不同類傳感器分別獲得不同局部和類別的信息，這些信息之間可能相互補(bǔ)充，也可能存在冗余和矛盾，而控制中心最終只能下達(dá)唯一正確的指令，這就要求控制中心必須對多個(gè)傳感器所得到的信息進(jìn)行融合，綜合判斷。

試想一下，如果一個(gè)傳感器所得到的信息要求汽車立即剎車，而另一傳感器顯示可以繼續(xù)安全行駛，或者一個(gè)傳感器要求汽車左轉(zhuǎn)，而另一個(gè)傳感器要求汽車右轉(zhuǎn)，在這種情況下，如果不對傳感器信息進(jìn)行融合，汽車就會“感到迷茫而不知所措”， 最終可能導(dǎo)致意外的發(fā)生。

因此在使用多種(個(gè))傳感器的情況下，要想保證安全性，就必須對傳感器進(jìn)行信息融合。 多傳感器融合可顯著提高系統(tǒng)的冗余度和容錯(cuò)性，從而保證決策的快速性和正確性，是自動駕駛的必然趨勢。

多傳感器融合要求：

1)硬件層面，數(shù)量要足夠，也就是不同種類的傳感器都要配備，才能夠保證信息獲取充分且有冗余;

2)軟件層面，算法要足夠優(yōu)化，數(shù)據(jù)處理速度要夠快，且容錯(cuò)性要好，才能保證最終決策的快速性和正確性。

算法是多傳感器融合的核心

簡單地說，傳感器融合就是將多個(gè)傳感器獲取的數(shù)據(jù)、信息集中在一起綜合分析以便更加準(zhǔn)確可靠地描述外界環(huán)境，從而提高系統(tǒng)決策的正確性。

多傳感器融合的基本原理

多傳感器融合的基本原理類似于人類大腦對環(huán)境信息的綜合處理過程。人類對外界環(huán)境的感知是通過將眼睛、耳朵、鼻子和四肢等感官(各種傳感器)所探測的信息傳輸至大腦(信息融合中心)，并與先驗(yàn)知識(數(shù)據(jù)庫)進(jìn)行綜合，以便對其周圍的環(huán)境和正在發(fā)生的事件做出快速準(zhǔn)確地評估。

多傳感器融合的體系結(jié)構(gòu)：分布式、集中式和混合式。

1)分布式。先對各個(gè)獨(dú)立傳感器所獲得的原始數(shù)據(jù)進(jìn)行局部處理，然后再將結(jié)果送 入信息融合中心進(jìn)行智能優(yōu)化組合來獲得最終的結(jié)果。分布式對通信帶寬的需求低、 計(jì)算速度快、可靠性和延續(xù)性好，但跟蹤的精度卻遠(yuǎn)沒有集中式高。

2)集中式。集中式將各傳感器獲得的原始數(shù)據(jù)直接送至中央處理器進(jìn)行融合處理， 可以實(shí)現(xiàn)實(shí)時(shí)融合。其數(shù)據(jù)處理的精度高，算法靈活，缺點(diǎn)是對處理器的要求高，可 靠性較低，數(shù)據(jù)量大，故難于實(shí)現(xiàn)。

3)混合式?；旌鲜蕉鄠鞲衅餍畔⑷诤峡蚣苤校糠謧鞲衅鞑捎眉惺饺诤戏绞?，剩 余的傳感器采用分布式融合方式?；旌鲜饺诤峡蚣芫哂休^強(qiáng)的適應(yīng)能力，兼顧了集中 式融合和分布式的優(yōu)點(diǎn)，穩(wěn)定性強(qiáng)?；旌鲜饺诤戏绞降慕Y(jié)構(gòu)比前兩種融合方式的結(jié)構(gòu) 復(fù)雜，這樣就加大了通信和計(jì)算上的代價(jià)。

三種傳感器融合體系結(jié)構(gòu)的對比

因?yàn)槎鄠鞲衅鞯氖褂脮剐枰幚淼男畔⒘看笤?，這其中甚至有相互矛盾的信息，如何保證系統(tǒng)快速地處理數(shù)據(jù)，過濾無用、錯(cuò)誤信息，從而保證系統(tǒng)最終做出及時(shí)正確的決策十分關(guān)鍵。

目前多傳感器融合的理論方法有貝葉斯準(zhǔn)則法、卡爾曼濾波法、D-S 證據(jù)理論法、模糊集理論法、人工神經(jīng)網(wǎng)絡(luò)法等。

從我們上面的分析可看出，多傳感器融合在硬件層面并不難實(shí)現(xiàn)，重點(diǎn)和難點(diǎn)都在算法上。多傳感器融合軟硬件難以分離，但算法是重點(diǎn)和難點(diǎn)，擁有很高的技術(shù)壁壘，因此算法將占據(jù)價(jià)值鏈的主要部分。

結(jié)語

在自動駕駛的浪潮下，自主品牌車企對智能化、電子化的需求比合資車企更加強(qiáng)勁，隨之而來的便是自主一二級零部件供應(yīng)商在該領(lǐng)域的機(jī)會，過去幾年，零部件行業(yè)也在持續(xù)布局等待市場開啟。

相對于控制層和執(zhí)行層多被互聯(lián)網(wǎng)巨頭、整車廠及 Tier 1 所控制，傳感器層的零部件供應(yīng)商較為分散且門檻相對低一些，進(jìn)入周期相對短一些。傳感層仍然是國內(nèi)企業(yè)進(jìn)入自動駕駛產(chǎn)業(yè)最容易的切入點(diǎn)。