近期，自動駕駛無疑已經(jīng)成為科技圈和汽車圈的熱點話題，谷歌、百度、蘋果及Uber等科技公司，特斯拉、奧迪、奔馳、寶馬等主流汽車廠商紛紛投入自動駕駛領(lǐng)域。然而，關(guān)于自動駕駛技術(shù)路線之爭也一直沒有停止過。據(jù)了解，在不同技術(shù)路線中，所使用到的傳感器主要有激光雷達、毫米波雷達以及攝像頭三類，且各具優(yōu)缺點。下面就隨汽車電子一起來了解一下相關(guān)內(nèi)容吧。

　　一、主流傳感器對比

　　激光雷達：

　　激光雷達具有高精度、高分辨率的優(yōu)勢，同時具有建立周邊3D模型的前景，然而其劣勢在于對靜止物體如隔離帶的探測較弱且目前技術(shù)落地成本高昂。由于激光雷達可廣泛應(yīng)用于ADAS系統(tǒng)，例如自適應(yīng)巡航控制(ACC)、前車碰撞警示(FCW)及自動緊急制動(AEB)，因此吸引了不少具有先進技術(shù)的初創(chuàng)公司競爭，同時傳統(tǒng)供應(yīng)商也積極布局投資希望能夠達成戰(zhàn)略合作關(guān)系以便快速獲得先進技術(shù)。

　　毫米波雷達：

　　與激光雷達相比，毫米波雷達具有探測距離遠，不受天氣狀況影響以及成本低的優(yōu)勢。由于毫米波雷達采用硅基芯片，不會特別昂貴，也不涉及復(fù)雜工藝，同時正處于第二次工藝轉(zhuǎn)型的重要時期，預(yù)計成本仍有下降空間。

　　相比激光雷達暫時高不可攀的成本以及較低的技術(shù)壁壘和自身可全天候工作的優(yōu)勢，毫米波雷達可以說是目前初創(chuàng)公司進入自動駕駛市場的一個門檻較低的入口。

　　攝像頭：

　　車載攝像頭是最基本常見的傳感器，價格低廉且應(yīng)用廣泛同時具備雷達無法完成的圖像識別功能，不僅可以識別路牌，在自動駕駛系統(tǒng)的圖像處理方案中也是不可或缺的一部分。

　　鑒于目前激光雷達的高成本，攝像頭配合高精度地圖是另一種較低成本的技術(shù)路線。除了與高精度地圖配合為自動駕駛提供定位服務(wù)，攝像頭還可以在地圖采集過程中作為低成本且數(shù)據(jù)傳輸量小(攝像頭捕捉的是小尺寸的2D畫面)的數(shù)據(jù)收集器。

　　二、視覺主導(dǎo)還是激光雷達主導(dǎo)?

　　據(jù)清華大學(xué)鄧志東教授介紹，自動駕駛環(huán)境感知的技術(shù)路線主要有兩種：一種是以特斯拉為代表的視覺主導(dǎo)的多傳感器融合方案，另一種以低成本激光雷達為主導(dǎo)，典型代表如谷歌Waymo。

　　1、視覺主導(dǎo)，以特斯拉為代表：攝像頭+毫米波雷達+超聲波雷達+低成本激光雷達。

　　攝像頭視覺屬于被動視覺，受環(huán)境光照的影響較大，目標(biāo)檢測與SLAM較不可靠，但成本低。目前，特斯拉已經(jīng)在其量產(chǎn)車上列裝了Autopilot 2.0固件，而且成本較低，只有7000美金左右，8個攝像頭組成單目環(huán)視，有1個毫米波雷達和12個超聲波雷達，希望從L2跳躍到L4。

　　經(jīng)過半年的努力，特斯拉近期已經(jīng)完成了將路測大數(shù)據(jù)從Mobileye單目視覺技術(shù)過渡到基于Nvidia Drive PX2計算硬件平臺的特斯拉Vision軟件系統(tǒng)上，并且在今年3月底發(fā)布了8.1軟件版本，它用深度學(xué)習(xí)的方法在短期內(nèi)基本達到了Mobileye的技術(shù)水平，這是以前很難想象的。特斯拉的自動駕駛技術(shù)究竟怎么樣，一個重要的觀察點就是看它能否在2017年年底，如期從洛杉磯開到紐約，實現(xiàn)全程4500公里且無人工干預(yù)的完全自主駕駛。

　　2、激光雷達主導(dǎo)，以Google Waymo為代表：低成本激光雷達+毫米波雷達+超聲波傳感器+攝像頭。

　　激光雷達是主動視覺，它的目標(biāo)檢測與SLAM比較可靠，但是卻丟失了顏色和紋理且成本高昂。目前谷歌Waymo自己組建團隊研發(fā)激光雷達的硬件，把成本削減了90%以上，基本上是7000美金左右，同時他們已經(jīng)開始在美國鳳凰城地區(qū)對500輛L2級別的車進行社會公測，大大地推進了該類技術(shù)路線的落地實踐。

　　激光雷達主導(dǎo)的解決方案未來可以沿如下兩個方向繼續(xù)推進商業(yè)化進程：

　　一個是發(fā)展攝像頭與激光雷達的硬件模組，把兩者結(jié)合起來，既有激光雷達，又有彩色攝像頭，可以直接獲得彩色激光點云數(shù)據(jù)。

　　另一個是進一步降低激光雷達的硬件成本，比如研發(fā)固態(tài)激光雷達并真正實現(xiàn)產(chǎn)業(yè)化，屆時成本會下降到幾百美金。

　　總之，現(xiàn)在自動駕駛領(lǐng)域有三大核心問題需要著力突破：即利用人工智能，尤其是利用深度學(xué)習(xí)進行目標(biāo)識別、自主導(dǎo)航和信息融合，這三方面的技術(shù)成果是真正具有商業(yè)價值的。

　　目標(biāo)識別：例如對交通流稠密的復(fù)雜城區(qū)，如何可靠地進行周邊障礙物的檢測與行為預(yù)測，特別是對極端與緊急情況的感知與預(yù)測。

　　自主導(dǎo)航：激光SLAM或視覺SLAM及其與低成本組合導(dǎo)航的精準(zhǔn)融合;

　　信息融合：多傳感器如何進行信息融合。

　　三、未來的趨勢是什么?

　　目前，由于各種原因，不同廠商對于自動駕駛技術(shù)路線仍有爭議，所采用的傳感器組合方式也有側(cè)重。但是，對于未來發(fā)展趨勢，業(yè)內(nèi)主流觀點認為毫米波雷達、激光雷達以及攝像頭等多種傳感器的融合才是實現(xiàn)自動駕駛的必由之路。顯然，以色列創(chuàng)業(yè)公司Innoviz CEO兼聯(lián)合創(chuàng)始人Omer David Keilaf也是這種觀點的支持者。

　　他認為，將毫米波雷達、攝像頭、激光雷達等傳感器數(shù)據(jù)融合的技術(shù)，對于保證車輛對周邊環(huán)境的全局定位和理解是至關(guān)重要的，且為Level 3-Level 5級自動駕駛方案的實現(xiàn)提供了必要的技術(shù)儲備。在環(huán)境感知中，每一種傳感器都有獨特的優(yōu)勢和弱點。例如，毫米波雷達可在低分辨率情況下完成測距，且受天氣因素影響小;而攝像頭有更高的分辨率，能夠感知顏色，但受強光影響較大;激光雷達則能夠提供三維尺度感知信息，對環(huán)境的重構(gòu)能力更強。

　　在這種前提下，只有幾種傳感器的融合才能提供車輛周圍環(huán)境更精準(zhǔn)的繪圖信息，并達到OEM主機廠所需的安全標(biāo)準(zhǔn)。目前，高性能激光雷達的量產(chǎn)和成本問題，仍是通往多傳感器融合技術(shù)方案，乃至完全自動駕駛的障礙之一。