2.1 传感器配置

在智能驾驶技术出现之前，车载传感器已经被用于汽车电子技术，作为电子控制单元（Electronic Control Unit，ECU）的输入装置，将发动机、底盘、车身各部分的运行工况信息以信号方式传输给ECU，从而使汽车达到最佳运行状态。

高级辅助驾驶系统（Advanced Driving Assistant System，ADAS）的广泛应用，使摄像头等用于环境感知的传感器进入公众视野，这些传感器将车辆周边的环境信息输入相应的系统模块中，提前给驾驶员提供预警信息或提供紧急防护，但不同系统的传感器相互孤立，数据单独处理，信息尚未融合。

2.1.1 传感器的分类

在智能驾驶系统中，用于环境感知的传感器硬件设备的种类很多，目前大部分智能驾驶汽车上采用的传感器配置方案往往是多种型号或多种类型设备的组合。一般来讲，采用的传感器设备种类越多，价格越贵，精度相对越高，识别范围也相对越大，因为每种传感器设备都有其局限性。

智能驾驶汽车的传感器可以分为视觉传感器、雷达传感器、听觉传感器、定位传感器和姿态传感器。其中，视觉传感器可以分为单目摄像头传感器、双目摄像头传感器、多目摄像头传感器、红外摄像头传感器；雷达传感器可以分为激光雷达传感器、毫米波雷达传感器和超声波雷达传感器；听觉传感器可以分为语音识别传感器、声音定位入口传感器；定位传感器可以分为全球卫星导航系统（Global Navigation Satellite System，GNSS）传感器，惯性导航系统（Inertial Navigation System，INS）传感器、实时动态差分系统（Real-Time Kinematic，RTK）传感器以及高精度地图传感器；姿态传感器可以分为惯性测量单元（Inertial Measurement Unit，IMU）传感器、车载诊断系统（On-Board Diagnostics，OBD）传感器、控制器局域网络（Controller Area Net-work，CAN）总线传感器、发动机/底盘等汽车工况传感器。智能驾驶汽车的传感器分类如图2-1所示。

图2-1 智能驾驶汽车的传感器分类

这些传感器并不一定会同时出现在一辆智能驾驶汽车上。车辆上搭载哪些传感器，取决于车辆需要完成什么样的驾驶任务。如果只需要完成在高速公路上的自动驾驶任务，比如特斯拉（Tesla）在Model S里使用的自动辅助驾驶功能（Autopilot），是不需要安装激光雷达传感器的；但如果需要完成在城区或乡村路段的自动驾驶任务，没有激光雷达而仅靠视觉传感器是很难实现的。

2.1.2 传感器比较

智能驾驶汽车的主要传感器比较如表2-1所示。

表2-1 智能驾驶汽车的主要传感器比较

无论是单目摄像头、双目摄像头、多目摄像头，还是深度摄像头，无论像素多高、采样频率多高，也无法解决所有图像处理的难题。由于道路环境、天气环境的多样性、复杂性以及智能驾驶汽车本身的运动特性，摄像头容易受到光照、视角、尺度、阴影、污损、背景干扰和目标遮挡等诸多不确定因素的影响。在智能驾驶的过程中，车道线、信号灯等交通要素往往存在一定程度的磨损，摄像头反光是常态，因此不存在完全理想的摄像头。

雷达传感器对光照、色彩等干扰因素具有很强的稳健性，激光雷达、毫米波雷达和超声波雷达也都有各自的优势。但是，无论安装多少数量/种类的雷达、采用多高的采样频率，都不可能彻底解决凹坑反射，烟尘干扰和雨、雪、雾等恶劣天气条件下的检测难题，也难以实现真正的全天候、全时段、全路况检测，因此雷达传感器也不可能完美。

定位导航系统为智能驾驶提供了高精度、高可靠性的定位、导航和授时服务，RTK+IMU的组合更为实时精准定位和保持位置精度奠定了重要基础。但是，无论位置服务公共平台多好、惯性导航系统的精度多高，还是会存在采样频率不够高、地理环境过于复杂、初始化时间过长、卫星信号丢失等问题，因此定位导航系统也存在缺陷。

由此可见，没有完美的传感器设备。不同类型的传感器各有各的优缺点，无论是“毫米波雷达+摄像头”方案，还是“3D激光雷达”方案，都不具备“独当一面”的能力。不同的配置方案之间看似是竞争关系，实则为互补关系，互相启发、互相补充。不同的智能驾驶任务需要不同种类的传感器，智能驾驶汽车并非要配置最全、最多、最贵的传感器才能完成驾驶任务，而要以任务需求为导向，有针对性地选取合适的传感器，通过组合实现性价比最高的优化配置。同时，智能驾驶汽车要实现安全行驶，还必须保证多种传感器协同工作和信息冗余。因此，多种传感器往往需要协同工作、优势互补，通过视觉、雷达、定位等传感器之间互补协作，以像素、点云等形式输入采集到的环境数据，并采用人工智能算法对数据进行提取、处理和融合，进一步形成完整的车辆周边驾驶态势，为智能驾驶汽车的行为决策提供依据。