自動駕駛的未來，多傳感器融合方案分析

傳感器是汽車感知周圍的環(huán)境的硬件基礎，在實現(xiàn)自動駕駛的各個階段都必不可少。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、毫米波雷達、激光雷達等傳感器獲取圖像、距離、速度等信息，扮演眼睛、耳朵的角色。決策規(guī)劃模塊分析處理信息，并進行判斷、下達指令，扮演大腦的角色。控制模塊及車身機構負責執(zhí)行指令，扮演手腳的角色。而環(huán)境感知是這一切的基礎，因此傳感器對于自動駕駛不可或缺。

現(xiàn)如今，相對于單一的傳感器感知，基于多傳感器的融合感知越來越走向自動駕駛的主流，數(shù)據(jù)多來源讓最終的感知結果變得更加穩(wěn)定可靠，更能利用到每個傳感器的優(yōu)勢而避免缺陷，本篇文章就帶領讀者了解一下目前自動駕駛車輛上運用較多的傳感器以及基于它們實現(xiàn)的傳感器多融合感知方案。

攝像頭：自動駕駛之眼

車載攝像頭是實現(xiàn)眾多預警、識別類ADAS功能的基礎。在眾多ADAS功能中，視覺影像處理系統(tǒng)較為基礎，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，因此車載攝像頭對于自動駕駛必不可少。目前，基于攝像頭可實現(xiàn)的ADAS功能如下表所示：

以上眾多功能都可借助攝像頭實現(xiàn)，有的功能甚至只能通過攝像頭實現(xiàn)。車載攝像頭價格持續(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，價格也從2010年的300多元持續(xù)走低，到2014年單個攝像頭價格已降低至200元左右，易于普及應用。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、側視、后視和內置四個部分。未來要實現(xiàn)全套ADAS功能，單車需配備至少5個攝像頭。

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

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

當下車載攝像頭應用廣泛且價格相對低廉，是最基本最常見的傳感器。相對于手機攝像頭，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。制造工藝流程復雜，技術難度高。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雜。

毫米波雷達：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和光電制導的優(yōu)點：

同厘米波導引頭相比，毫米波導引頭具 有體積小、質量輕和空間分辨率高的特點；

與紅外、激光等光學導引頭相比，毫米波導引頭穿透霧、煙、灰塵的能力強，傳輸距離遠，具有全天候全天時的特點；

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

毫米波雷達的探測距離一般在150m-250m之間，有的高性能毫米波雷達探測距離甚至能達到300m，可以滿足汽車在高速運動時探測較大范圍的需求。與此同時，毫米波雷達的探測精度較高。這些特性使得毫米波雷達能夠監(jiān)測到大范圍內車輛的運行情況，同時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，因此是自適應巡航（ACC）、自動緊急剎車(AEB) 的首選傳感器。

而目前毫米波雷達的成本較高，這也限制了其在車載上的量產，例如77GHz毫米波雷達系統(tǒng)單價大約在250歐元左右，高昂的價格限制了毫米波雷達的車載化應用。

激光雷達：成本與功能的取舍

激光雷達性能精良，是無人駕駛的最佳技術路線。激光雷達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，這意味著激光雷達可以利用多普勒成像技術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，因此激光雷達的精度很高。

抗有源干擾能力強。與微波、毫米波雷達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起干擾作用的信號源不多，因此激光雷達抗有源干擾的能力很強。

三維激光雷達一般安裝在車頂，可以高速旋轉，以獲得周圍空間的點云數(shù)據(jù)，從而實時繪制出車輛周邊的三維空間地圖。同時，激光雷達還可以測量出周邊其他車輛在三個方向上的距離、速度、加速度、角速度等信息，再結合 GPS 地圖計算出車輛的位置，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。

盡管激光雷達具備如此多的優(yōu)勢，其落地在量產車型上的最大阻礙就是成本，激光雷達單價以萬為單位，高昂的價格讓其難以市場化。

自動駕駛的未來：多傳感器融合

上面講述了自動駕駛目前最常用的三種感知傳感器類別，總結下來它們的優(yōu)劣勢如下表所示：

傳感器各有優(yōu)劣，難以互相替代，未來要實現(xiàn)自動駕駛，是一定需要多種（個）傳感器相互配合共同構成汽車的感知系統(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。例如之前特斯拉的自動駕駛碰撞車禍中，在極端情況下，特斯拉的毫米波雷達和前置攝像頭均發(fā)生了誤判?？梢姅z像頭+毫米波雷達方案缺乏冗余度，容錯性差， 難以完成自動駕駛的使命，需要多個傳感器信息融合綜合判斷。

多個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充，也可能存在冗余和矛盾，而控制中心最終只能下達唯一正確的指令，這就要求控制中心必須對多個傳感器所得到的信息進行融合，綜合判斷。試想一下，如果一個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，或者一個傳感器要求汽車左轉，而另一個傳感器要求汽車右轉，在這種情況下，如果不對傳感器信息進行融合，汽車就會“感到迷茫而不知所措”， 最終可能導致意外的發(fā)生。

因此在使用多種（個）傳感器的情況下，要想保證安全性，就必須對傳感器進行信息融合。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。

與此同時，由于多傳感器的使用會使需要處理的信息量大增，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、錯誤信息，從而保證系統(tǒng)最終做出及時正確的決策十分關鍵。目前多傳感器融合的理論方法有貝葉斯準則法、卡爾曼濾波法、D-S證據(jù)理論法、模糊集理論法、人工神經網絡法等。事實上，多傳感器融合在硬件層面并不難實現(xiàn)，重點和難點都在算法上。多傳感器融合軟硬件難以分離，但算法是重點和難點，擁有很高的技術壁壘，因此在未來算法將在整個自動駕駛行業(yè)中占據(jù)價值鏈的主要部分。

參考資料：

[1] https://www.sohu.com/a/245938034_560178