2.1 傳感器配置

在智能駕駛技術出現之前，車載傳感器已經被用于汽車電子技術，作為電子控制單元（Electronic Control Unit，ECU）的輸入裝置，將發動機、底盤、車身各部分的運行工況信息以信號方式傳輸給ECU，從而使汽車達到最佳運行狀態。

高級輔助駕駛系統（Advanced Driving Assistant System，ADAS）的廣泛應用，使攝像頭等用于環境感知的傳感器進入公眾視野，這些傳感器將車輛周邊的環境信息輸入相應的系統模塊中，提前給駕駛員提供預警信息或提供緊急防護，但不同系統的傳感器相互孤立，數據單獨處理，信息尚未融合。

2.1.1 傳感器的分類

在智能駕駛系統中，用于環境感知的傳感器硬件設備的種類很多，目前大部分智能駕駛汽車上采用的傳感器配置方案往往是多種型號或多種類型設備的組合。一般來講，采用的傳感器設備種類越多，價格越貴，精度相對越高，識別范圍也相對越大，因為每種傳感器設備都有其局限性。

智能駕駛汽車的傳感器可以分為視覺傳感器、雷達傳感器、聽覺傳感器、定位傳感器和姿態傳感器。其中，視覺傳感器可以分為單目攝像頭傳感器、雙目攝像頭傳感器、多目攝像頭傳感器、紅外攝像頭傳感器；雷達傳感器可以分為激光雷達傳感器、毫米波雷達傳感器和超聲波雷達傳感器；聽覺傳感器可以分為語音識別傳感器、聲音定位入口傳感器；定位傳感器可以分為全球衛星導航系統（Global Navigation Satellite System，GNSS）傳感器，慣性導航系統（Inertial Navigation System，INS）傳感器、實時動態差分系統（Real-Time Kinematic，RTK）傳感器以及高精度地圖傳感器；姿態傳感器可以分為慣性測量單元（Inertial Measurement Unit，IMU）傳感器、車載診斷系統（On-Board Diagnostics，OBD）傳感器、控制器局域網絡（Controller Area Net-work，CAN）總線傳感器、發動機/底盤等汽車工況傳感器。智能駕駛汽車的傳感器分類如圖2-1所示。

這些傳感器并不一定會同時出現在一輛智能駕駛汽車上。車輛上搭載哪些傳感器，取決于車輛需要完成什么樣的駕駛任務。如果只需要完成在高速公路上的自動駕駛任務，比如特斯拉（Tesla）在Model S里使用的自動輔助駕駛功能（Autopilot），是不需要安裝激光雷達傳感器的；但如果需要完成在城區或鄉村路段的自動駕駛任務，沒有激光雷達而僅靠視覺傳感器是很難實現的。

2.1.2 傳感器比較

智能駕駛汽車的主要傳感器比較如表2-1所示。

無論是單目攝像頭、雙目攝像頭、多目攝像頭，還是深度攝像頭，無論像素多高、采樣頻率多高，也無法解決所有圖像處理的難題。由于道路環境、天氣環境的多樣性、復雜性以及智能駕駛汽車本身的運動特性，攝像頭容易受到光照、視角、尺度、陰影、污損、背景干擾和目標遮擋等諸多不確定因素的影響。在智能駕駛的過程中，車道線、信號燈等交通要素往往存在一定程度的磨損，攝像頭反光是常態，因此不存在完全理想的攝像頭。

雷達傳感器對光照、色彩等干擾因素具有很強的穩健性，激光雷達、毫米波雷達和超聲波雷達也都有各自的優勢。但是，無論安裝多少數量/種類的雷達、采用多高的采樣頻率，都不可能徹底解決凹坑反射，煙塵干擾和雨、雪、霧等惡劣天氣條件下的檢測難題，也難以實現真正的全天候、全時段、全路況檢測，因此雷達傳感器也不可能完美。

定位導航系統為智能駕駛提供了高精度、高可靠性的定位、導航和授時服務，RTK+IMU的組合更為實時精準定位和保持位置精度奠定了重要基礎。但是，無論位置服務公共平臺多好、慣性導航系統的精度多高，還是會存在采樣頻率不夠高、地理環境過于復雜、初始化時間過長、衛星信號丟失等問題，因此定位導航系統也存在缺陷。

由此可見，沒有完美的傳感器設備。不同類型的傳感器各有各的優缺點，無論是“毫米波雷達+攝像頭”方案，還是“3D激光雷達”方案，都不具備“獨當一面”的能力。不同的配置方案之間看似是競爭關系，實則為互補關系，互相啟發、互相補充。不同的智能駕駛任務需要不同種類的傳感器，智能駕駛汽車并非要配置最全、最多、最貴的傳感器才能完成駕駛任務，而要以任務需求為導向，有針對性地選取合適的傳感器，通過組合實現性價比最高的優化配置。同時，智能駕駛汽車要實現安全行駛，還必須保證多種傳感器協同工作和信息冗余。因此，多種傳感器往往需要協同工作、優勢互補，通過視覺、雷達、定位等傳感器之間互補協作，以像素、點云等形式輸入采集到的環境數據，并采用人工智能算法對數據進行提取、處理和融合，進一步形成完整的車輛周邊駕駛態勢，為智能駕駛汽車的行為決策提供依據。