自动驾驶|浅析“自动驾驶” (二) 智能驾驶相关传感器介绍传感器|人工智能

写在前面的话：本文仅是博主对于传感器的一些非专业看法。浅薄之见，如果对大家产生了误导，十分抱歉！

对于一辆智能汽车而言，如果说芯片是它的大脑，那多种传感器就是它的眼和耳。

最近看了知乎拆车实验室对特斯拉、2021款理想ONE辅助驾驶功能的测评视频，看到了好多人的疑问，其中被问到最多的是：明明前面有假人或者假车，为什么汽车还是会撞上去，是说辅助驾驶功能太挫了嘛？
想要回答这个问题，首先需要了解一辆具备辅助驾驶功能的汽车，之所以能够对外界进行感知，是因为它身上有各种各样的传感器。汽车使用的传感器主要有四类：超声波雷达、毫米波雷达、激光雷达和视觉摄像头。
下面会先给出四种传感器对应的参数和区别(图片转自知乎pajyyy)，然后逐个去介绍。

文章图片

1. 超声波雷达超声波雷达的工作原理是通过发射器发送超声波，然后通过接收机接收，通过时间差来进行测距。优势很明显：成本相当低；劣势也很明显，因为超声波的散射角比较大，波长比较长，对应的频率就会比较低(频率*波长=光速)，所以探测距离比较近，一般在3m左右；第二个劣势是对于雨雾天气，炎热天气，高速场景表现不是很好（毕竟超声波不是光）。所以超声波广泛用来做倒车以及泊车雷达。
2. 毫米波雷达毫米波雷达的工作原理是通过发射器发送毫米波，然后接收机进行接收，通过时间差进行测距，通过返回波频率的变化来进行测速(多普勒效应：波频率的变化和相对速度正相关)，然后通过返回波的相位差来估计物体的相对姿态。之所以叫做“毫米波”，是因为探头的波长在1mm-10mm之间。
毫米波雷达优势就比较多：

造价便宜，一个车上装上10个也没多少钱；
探测距离长，最远能够探测到250m左右；
雨雾穿透能力强，对天气的适应性比较强。

缺点也比较多，且对于智能驾驶场景都是致命的：

精度相对激光雷达比较差（毕竟它也不是光，波长比光大好几个数量级）；
无法估计物体的高度信息！！！这在智能驾驶场景下是比较致命的，原因是超声波雷达天线阵列是水平布置的，可以通过横向波的相位差对物体姿态进行估计，但是物体高度需要垂直方向天线接收，毫米波雷达是做不到的。可能有人会问，为什么不加垂直方向的天线阵列呢？因为如何解决天线之间的电磁干扰是一个难题…最近华为推出了4D雷达，号称可以获取物体高度信息，那应该是解决了这个难题…
无法感知静止的物体；最近的新闻一辆特斯拉在高速路上径直撞向侧翻的白色卡车，原因之一也是因为这个。讲道理，不是毫米波雷达感知不到这些静止物体，而是对这些静止物体(相对开普勒速度为0) 进行了忽略。这样做的主要原因是，当前的汽车辅助驾驶级别是L2，那么这个驾驶的主体责任还是在人身上而不是车，所以辅助驾驶其实更应该关注人的舒适性，避免因为很多静止物体或者对向物体(隧道场景，其他车道对向来车)导致频繁误检而刹车。其实就是“宁愿漏检也不要误报”。

所以具备辅助驾驶的汽车上，一般都会安装多个毫米波雷达，与视觉相机进行配合，提高辅助驾驶能力。
3. 激光雷达激光雷达的工作原理和毫米波雷达类似，区别就是发射的是激光束。激光雷达除了造价高几乎没有缺点，但是上万美元的造价足以令很多车厂望而却步。激光雷达主要分为机械旋转式激光雷达，固态激光雷达两种。前者有机械结构可以使激光束360度无死角扫描，精度最高，但是成本也最高，难以实现车规量产，目前主要用在无人车上面；后者没有控制旋转的机械结构，但是可以通过电子部件来控制激光的发射角度，所以成本相对低，体积更小，稳定性也比较差，而且目前也没有实现量产。但是车厂对于激光雷达的需求是真实存在的，于是一种折中方案出现了：混合固态激光雷达。混合固态激光雷达成本比较低，目前华为推出的混合固态激光雷达仅售200美元左右（马斯克，咱考虑装一个叭…）
对于高速场景或者L2级驾驶来说，可能毫米波雷达+相机+炸裂的感知算法已经足够了，但是对于高等级辅助驾驶来说，尤其是国内复杂的交通场景，激光雷达还是很有必要的。
4. 视觉相机 【自动驾驶|浅析“自动驾驶” (二) 智能驾驶相关传感器介绍】相机是日常生活中比较常见的传感器，而且是最接近人眼的传感器，几乎人眼能看到的，相机都可以看到，而且成本比较低。但问题是相机需要搭配强大的感知能力，需要海量复杂场景去训练模型。然而不管场景多复杂，总会有它的局限性，总会出现长尾问题。上面特斯拉在高速路上径直撞向侧翻的白色卡车的例子，主要原因就是相机感知的局限性(有全车检测，车头车尾检测，车轮角点检测，你见过车顶检测任务嘛…)，所以除了需要具备数据闭环，模型自我迭代的能力外，还是需要毫米波雷达或者激光雷达进行配合。