科普：简单说说激光雷达、毫米波雷达和视觉传感器-感算商城

无人驾驶技术现如今其实非常成熟了，就以现在的技术水平看，如果把大城市复杂的交通状况变成实验室特定的格局，场景内有制式统一的车辆以及符合规矩的行人正常通行，那么不用方向盘，全程自动行驶的汽车当下就可以面世了。

问题就出在了汽车如何能对现实中复杂的交通状况了如指掌，如何可以像人的眼睛和大脑一样灵活应变。

关键就在需要各种各样的传感器合作来解决，它们最终将监测到的数据传给高精密的处理器，识别道路、标示和行人，做出加速、转向、制动等决策。

在智能感知识别的部分，车载光学系统和车载雷达系统是保证行车安全最为重要的，目前，主流的用于周围环境感测的传感器有激光雷达（LiDAR）、毫米波雷达（millimeter wave）、视觉传感器三种。

激光雷达（LiDAR）

通过扫描从一个物体上反射回来的激光来确定物体的距离，可以形成精度高达厘米级的3D环境地图，因此它在ADAS（先进驾驶辅助系统）及无人驾驶系统中起重要作用。从当前车载激光雷达来看，机械式的多线束激光雷达是主流方案，但受制于价格高昂的因素尚未普及开来。

在去年12月10日路测成功的百度无人驾驶汽车车身上，除了部署了毫米波雷达、视频等感应器，其车顶就安置了一个体积较大、价值70万余人民币的64位激光雷达

（VelodyneHDL64-E），谷歌同样也是采用的相同高端配置激光雷达。车载激光雷达系统的优劣主要取决于2D激光扫描仪的性能。激光发射器线束的越多，每秒采集的云点就越多。然而线束越多也就代表着激光雷达的造价就更加昂贵。

就以Velodyne的产品为例，64线束的激光雷达价格是16线束的10倍。激光雷达除了成本高昂，遇到烟雾介质以及雨雪天气中表现一般，将掣肘它的发挥。

不过作为核心传感器，低成本方案将加速无人驾驶的到来。目前，高精度的车用激光雷达产品的生产厂商主要集中于国外，包括美国的 Velodyne、Quanegy以及德国的IBEO公司等。国内的激光雷达产品目前相对落后，中国航空汽车系统控股有限公司高级专务周世宁曾表示，博世、大陆、法雷奥、英飞凌、德尔福等外资零部件企业早已抢占ADAS技术制高点，特别是在传感器的市场布局上，我国汽车零部件企业已经输在起跑线上了。

原理

与雷达原理相似，激光雷达使用的技术是飞行时间（TOF，Time of Flight）。具体而言，就是根据激光遇到障碍物后的折返时间，计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可达到厘米级别，从而提高测量精度。

而事实上，激光雷达作为“机械之眼”，也大量应用在无人机、机器人等等方向上，只不过今天我们只讨论自动驾驶这个范畴。

优势

高级辅助驾驶系统（ADAS）及无人驾驶系统中常用的环境传感器包括摄像头、激光雷达、毫米波雷达等。相比于摄像头，激光雷达的最大优势在于使用环境限制较小，即不管在白天或是夜晚都能正常使用。

毫米波雷达（millimeter wave）

毫米波是指30～300GHz频域（波长为1～10mm）的电磁波，毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。同厘米波导引头相比，毫米波导引头具有体积小、质量轻和空间分辨率高的特点。与红外、激光、电视等光学导引头相比，毫米波导引头穿透雾、烟、灰尘的能力强，具有全天候（大雨天除外）全天时的特点，这能与激光雷达的作用产生互补。另外，毫米波导引头的抗干扰、反隐身能力也优于其他微波导引头。

缺点是毫米波雷达由于波长原因，探测距离非常有限，也无法感知行人，而激光雷达可以对周边所有障碍物进行精准的建模。为了克服不同缺点缺点，车企势必要将这些传感器组合在一起。

目前看毫米波雷达也是智能汽车ADAS 系统的标配传感器，按照目前主流分类，毫米波雷达可分为24GHz雷达和77GHz雷达。参照其特性，通常车辆周围的车辆检测使用24Ghz，前方车辆检测使用77GHz。以中国的实际国情以及芯片研发进度等行业特点来看，未来三年内24GHz毫米波雷达在国内仍有市场空间。望眼全球，我国77GHz毫米波雷达的大规模应用将稍微推后。

由于ADAS的功能，往往是通过传感器+处理器的方式捆绑销售，国内汽车毫米波雷达系统的芯片、算法还主要依赖进口，成本很高。加快开发国产的 77GHZ毫米波雷达芯片并尽快车载应用，将是我国汽车毫米波雷达产业的机遇。同济大学汽车学院白杰教授认为，相对在摄像头方面的激烈竞争，毫米波雷达更有创新性，潜在的市场空间更大，机会更多。

视觉传感器

ADAS应用摄像头作为主要传感器是因为摄像头分辨率进高于其他传感器，可以获取足够多的环境细节，帮助车辆进行环境认知，车载摄像头可以描绘物体的外观和形状、读取标志等，这些功能其他传感器无法做到。从降低成本的角度看摄像头是识别用传感器的有力候补之一，在一切清晰的情况下当然摄像头是最好的选择，但是受环境因素以及外部因素影响较大，比如隧道中光线不足，天气因素导致的视线缩小等。

采集图像信息的重要工具，部分类似路标识别、车道线感应等功能智能由摄像头实现。目前摄像头的应用主要有：单目摄像头、后视摄像头、立体摄像头或称双目摄像头、环视摄像头，按照2015年全球超过8000万辆新增车辆与单车6-8颗摄像头需求，未来总体需求有望超6亿颗，对应千亿市场空间。

视觉算法在ADAS技术路线中必不可少，毫米波雷达等主动式传感器对算法依赖程度较低，算法较为简单，摄像头等被动式传感器对算法依赖程度较高，一般由第三方企业单独提供。比如视觉算法企业Mobileye。

此前，Tesla和Mobileye终止合作的事沸沸扬扬，Mobileye提供标准的传感器安装方式+地图数据云服务+软件体系平台构建，但是Tesla是想通过在线收集数据的众包模式优化自动驾驶体验，EyeQ3芯片限制了Tesla建立自己的地图，所以Tesla未来要自己研发图像算法以及图像处理芯片。

不过Mobileye还是凭几款产品占领了90%的市场份额，这家以色列的企业在当地的江湖地位相当于BAT。算法和硬件是 ADAS 系统的核心，也是 Mobileye 的核心竞争力所在。Mobileye站在ADAS的顶端，甩出竞争对手好几条街，ADAS和传统车载视觉产品对软件技术、硬件要求不同，传统车载电子公司要切入ADAS市场并不容易。国内团队如从零开始至少需要3、4年才可能完成初步的技术积累。

当然为了提高环境感知的准确度，通常需要多种传感器的组合，最终提供一个稳定耐用的解决方案。当下比较典型的就是毫米波雷达、激光雷达和车载摄像头，其他的超声波技术和红外线技术以及这些技术的算法融合都将让传感器产业带来巨大的市场。不过毋庸置疑，在汽车实现完全智能化的这几年中，传感器产业链应该是最先获得收益的。