自动驾驶主要包括哪些传感器

【太平洋汽车网】自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机（包括单目、双目立体视觉、全景视觉及红外相机）和雷达类测距传感器（激光雷达、毫米波雷达、超声波雷达等）

自动驾驶汽车是依靠人工智能、视觉计算、激光雷达、监控装置和全球定位系统协同合作，让电脑可以在没有人类主动的操作下，自动、安全地操作机动车辆，其主要由环境感知系统、定位导航系统、路径规划系统、速度控制系统、运动控制系统、中央处理单元、数据传输总线等组成。

无疑安全稳定和绿色环保的自动驾驶汽车成为了首选，特别是近两年自动驾驶汽车成为了科技领域内的热点，在给汽车行业带来巨大变革的同时，也为元器件设备厂商等带来了新的机会。

一般情况下，自动驾驶汽车包含的传感器主要有五种类型：

1、远程雷达：信号能够透过雨、雾、灰尘等视线障碍物进行目标检测。

2、照相机：一般以组合形式进行短程目标探测，多应用于远距离特征感知和交通检测。

3、激光雷达：多用于三维环境映射和目标检测。

4、短程/中程雷达：中短程目标检测，适用于侧面和后方避险。

5、超声波：近距离目标检测。

（图/文/摄：太平洋汽车网问答叫兽）

自动驾驶包括哪些传感器

【太平洋汽车网】自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机（包括单目、双目立体视觉、全景视觉及红外相机）和雷达类测距传感器（激光雷达、毫米波雷达、超声波雷达等）。

自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机（包括单目、双目立体视觉、全景视觉及红外相机）和雷达类测距传感器（激光雷达、毫米波雷达、超声波雷达等）。这些传感器目前都可以找到开源的SDK快速开发。小可根据这几年的开发经验，特此整理了目前常用传感器的一些API，方便初学者节省开发时间。当然，对于可以根据需求自主定制传感器的土豪公司而言，本篇显得多余，请绕行。本篇主要适用于自动驾驶初级开发者，主要面向高校和科研院所的研究人员，以性能为主，较少考虑成本问题。笔者主要基于Linux系统进行开发，所介绍的API均以Ubuntu14.04及以上版本为准（4月份要出Ubuntu18.04了，2年一个稳定版本，值得期待）。

自动驾驶主流传感器单目摄像机首推AVT工业相机，国内代理商较多，比如大恒。包含的相机种类较为齐全，接口包括1394火线接口、网口接口等，价格从几千元到几万元不等。SDK可以在官网上找到，推荐使用最新的Vimba_v2.0开发套件，安装过程较为简单，且SDK中包含QT、OpenCV在内的多个开发示例，上手较快。

应用：单目相机的应用开发主要包括特征类符号的检测与识别，如车道线检测、交通标志识别、交通灯识别、行人和车辆检测等，基于机器学习的视觉计算在自动驾驶普及之日一定会是必不可少的部分，尽管目前来说视觉检测可靠性并不是很高，在以激光雷达为主要感知手段的自动驾驶车辆中应用并未达到预期。

路面及车辆识别双目摄像机应用于室外场景的双目视觉确实不多见，笔者之前用过的bumblebee双目也是应用于室内场景，之后接触了ZED相机也是室内比较好用，当然，openCV中也集成了该方法，习惯C编程的可以看下，OpenCV经典教材《学习OpenCV》中文版464页至492页有详细内容，更有代码，不多说。

（图/文/摄：太平洋汽车网问答叫兽）

自动驾驶需要哪些传感器

一辆自动驾驶电动汽车需要多少个传感器？

序

汽车市场已经成为传感器的重要使用市场。MEMS汽车传感器作为汽车电控系统电子控制系统的重要信息源，能够实时、准确地测量和控制温度、压力、位置、转速、加速度、振动等各种信息。目前一辆普通家用车安装的传感器有近百个，而一辆豪华车的传感器多达200个。那么作为未来主流的智能电动汽车，其自动驾驶系统需要支持多少个传感器呢？

自动驾驶系统涵盖三个方面，即

1)感知层，通过传感器(包括车载摄像头/超声波雷达/毫米波雷达/激光雷达等)感知车体周围环境。);

2)决策层，通过感知层收集的信息做出相应的决策(涉及芯片/算法)；

3)执行层通过接收传感器的实时信息和芯片/算法得到的决策信号，采取包括制动/报警在内的驱动动作。硬件设备包括传感器、芯片和高精地图。

感知就像人类通过眼睛和耳朵感知周围的情况。自动驾驶的感知包括激光雷达、毫米波雷达、高清摄像头等硬件设备的周边感知，以及GNSS(全球导航卫星系统)、IMU(惯性测量单元)、RTK(实时动态)定位等绝对位置定位，用于采集车辆周边环境。

激光雷达

激光雷达的两个最重要的特性是测距和精度。激光雷达可以主动探测周围环境，属于“主动视觉”，即使在夜间也能准确探测障碍物。由于激光束更加集中，因此比毫米波雷达具有更高的探测精度。缺点是成本高，技术不成熟，影响车辆整体外观。激光雷达的成本要高于2万元，而相机的成本最高只有2000元，雷达更便宜。激光雷达主导的解决方案给主机厂带来了成本压力。

报告显示，法雷奥排名第一，占比28%；RoboSense(速腾聚创)占比10%，排名第二；Luminar、Livox(DJI)、电装、MainlandChina、Cepton，份额7%，并列第三；其次是Innoviz、Ibeo、华为、何塞科技、Innovusion(土豆通)和威力登，份额为3%。

超声波雷达

超声波雷达已经在汽车上使用了很多年，在很多车辆的前侧和后侧都可以找到它们。根据工作频率，超声波雷达有40kHz、48kHz、58kHz三种。频率越高，灵敏度越高，探测角度越小。在工作状态下，通过发射和接收超声波，超声波雷达可以测量0.2-5米范围内的障碍物，精度为1-3厘米。但是，由于工作频率属于声学范围，超声波雷达的缺点也很明显。尤其是汽车高速行驶时，由于超声波信号的传播延迟，接收到的信息会有延迟。此外，超声波设备还存在指向性差的问题，需要更多的设备覆盖相同的区域，天气条件也会很大程度上影响它们的探测效果。

不过这并没有影响超声波雷达在汽车行业的使用，关键是它的性价比高。市场上单个超声波雷达的价格只有几十元人民币。按照一套倒车雷达系统，安装四台超声波雷达，硬件成本不到200元。自动泊车系统虽然需要更多的超声波雷达，但总的硬件成本可以控制在500元左右。相对于动辄几万甚至几十万元的激光雷达，超声波雷达在成本上的优势太突出了。目前超声波的使用场景基本有三种。一种是实现简单的倒车辅助和预警障碍物的预警功能，配置的超声波雷达数量一般为4个；另一种是增加前进过程中的汽车预警，配置数量为8个；最后一个是配置12辆车，实现横、竖、斜三个方向的自动泊车。

供应商方面，法雷奥、博世、电装、TTE占据主要份额，走软硬件一体化的停车方案。但近年来，国内本土供应商也在加紧抢占市场，从低端停车辅助到停车使用。高工智能汽车研究院以自建的前装定点和量产项目数据库为基本评价指标，通过对企业规模、资本实力、研发实力等六项一级指标的综合评价，正式发布了年度超声波雷达(国内)供应商市场竞争力TOP10榜单；d能力、业务能力、行业影响力、成长潜力。尚电科技、豪恩汽车、奥迪威、穆宗科技、合富盛泰克、海康汽车、重庆光大、富一行、友宝艾嘉、苏州优达斯等榜上有名。

毫米波雷达

毫米波是指波长为1~10毫米的电磁波，毫米波的波长介于厘米波和光波之间，所以毫米波兼有微波制导和光电制导的优点。毫米波雷达是指工作在毫米波段的雷达。毫米波雷达通过天线向外发射毫米波，接收目标的反射信号，快速准确地获得直接相对距离、速度、角度、运动方向等。经过计算后的汽车车身与其他物体之间的距离，然后返回给车辆的中央处理器(ECU)进行智能处理和决策。车载毫米波雷达主要集中在24GHz和77GHz两个频段。毫米波雷达具有传输距离远、性能稳定、成本可控等优点，但也存在角度分辨率弱、识别精度低的缺点。基于测量距离远、全天候稳定工作、成本低的特点，毫米波雷达无疑被广泛使用于自动驾驶汽车，但其在探测精度上的短板也需要不断的技术迭代来弥补。

ADAS系统的毫米波雷达市场长期被国外汽车零部件巨头集中垄断，以德国、美国、日本为研发地。主要公司有博世、MainlandChina、海拉、富士通、电装、天河、德尔福和奥托立夫。国内微波/毫米波雷达传感器企业近年来逐渐兴起，大多为初创企业，普遍缺乏整车行业背景。随着ADAS(高级驾驶辅助系统)的加速渗透，越来越多的汽车产业链供应商，如沪电、亚太。

份、华域汽车等大厂纷纷通过自主研发、国际合作、投资创业团队等方式切入加速布局。

车载高清摄像头

摄像头测距能力相对较弱，且受环境光照的影响大，但摄像头的核心优势在于非常适用于物体识别、数据量远超其他传感器。摄像头成像原理与人眼类似，都是物体反射的光通过镜片在传感器上成像，人眼就能看懂摄像头拍摄的内容，摄像头可以完成物体分类。同时摄像头拥有最丰富的线性密度，其数据量远超其他类型的传感器。基于图像信息密度最高的优势，使得它处于整个感知融合的中心地位。车载摄像头覆盖率较低，市场潜力巨大。

要完全实现自动驾驶，汽车必须配置五类摄像头，伴随智能驾驶等级提升，单车车载摄像头数量增长，单车摄像头配置数量至少为12个，L5预计需要12-15颗（感知环视DMS/OMS），随着车载摄像头技术的成熟，单品价格总体呈下降趋势，据ICVTank数据，2020年车载摄像头价格带芯片及算法前视摄像头1,000元左右，无芯片500万像素仅200元，未来这一价格有望进一步下降，并将进一步推动车载摄像头覆盖率和单车配置数量提升。随着ADAS和自动驾驶的逐步深入，预计未来车载摄像头市场规模仍保持高速增长，根据ICVTank，全球车载摄像头市场规模将有望在2025年达到270亿美元，CAGR达15.8%

车载摄像头企业：

GPS与IMU

对于一辆自动驾驶汽车来说，高精定位有两层含义：（1）得到自车与周围环境之间的相对位置，即相对定位；（2）得到自车的精确经纬度，即绝对定位。因此，自动驾驶汽车对于周边环境的理解需要高精地图、联合感知等技术的辅助。高精地图可以把由测绘车提前采录好的、用经纬度描述的道路信息告诉车辆，而所有的车辆也可以把实时感知得到的、用经纬度描述的动态障碍物的信息广播给周围的车辆，这两个技术叠加在一块，就可以大大提高自动驾驶汽车的安全性，从而拓展它们的运营范围。之所以使用经纬度来描述这些信息，是因为不同的车辆，包括采集高精地图的测绘车在内，必须使用同一个观测坐标系才能共享观测的信息，而目前世界上最通用的观测坐标系就是由经纬度定义的坐标系，对绝对定位的需求就来自这里。众所周知，GPS可以为车辆提供精度为米级的绝对定位，差分GPS或RTKGPS可以为车辆提供精度为厘米级的绝对定位，然而并非所有的路段在所有时间都可以得到良好的GPS信号。因此，在自动驾驶领域，RTKGPS的输出一般都要与IMU，汽车自身的传感器（如轮速计、方向盘转角传感器等）进行融合。严格来讲，IMU只提供相对定位信息，即自体从某时刻开始相对于某个起始位置的运动轨迹和姿态。然而，将IMU的相对定位与RTKGPS的绝对定位进行融合后，就产生了两个无可替代的优点：

（1）IMU可以验证RTKGPS结果的自洽性，并对无法自洽的绝对定位数据进行滤波和修正；一个简单的例子是，如果RTKGPS输出汽车的绝对位置在短时间内发生了很大的变化，这意味着汽车有很大的加速度，而此时IMU发现汽车并不具备这样的加速度，就表明RTKGPS的定位出了问题，应该由IMU来接管绝对定位系统；

（2）IMU可以在RTKGPS信号消失之后，仍然提供持续若干秒的亚米级定位精度，为自动驾驶汽车争取宝贵的异常处理的时间。同样的道理，IMU也可以在相对定位失效时，对相对定位的结果进行航迹推演，在一段时间内保持相对定位的精度；例如，在车道线识别模块失效时，基于失效前感知到的道路信息和IMU对汽车航迹的推演，仍然能够让汽车继续在车道内行驶。

其中，IMU的全称是inertialmeasurementunit，即惯性测量单元，通常由陀螺仪、加速度计和算法处理单元组成，通过对加速度和旋转角度的测量得出自体的运动轨迹。

陀螺仪

陀螺仪，测量角速度，具有高动态特性，它是一个间接测量角度的器件。它测量的是角度的导数，即角速度，要将角速度对时间积分才能得到角度。陀螺仪就是内部有一个陀螺，它的轴由于陀螺效应始终与初始方向平行，这样就可以通过与初始方向的偏差计算出旋转方向和角度。

加速度计

加速度计的低频特性好，可以测量低速的静态加速度。当我们把加速度计拿在手上随意转动时，我们看的是重力加速度在三个轴上的分量值。加速度计在自由落体时，其输出为0。为什么会这样呢？这里涉及到加速度计的设计原理：加速度计测量加速度是通过比力来测量，而不是通过加速度。加速度计若是绕着重力加速度的轴转动，则测量值不会改变，也就是说加速度计无法感知这种水平旋转。陀螺仪与加速度计之间的关系好似一条船，姿态就是航向（船头的方位），重力是灯塔，陀螺（角速度积分）是舵手，加速度计是_望手。舵手负责估计和把稳航向，他相信自己，本来船向北开的，就一定会一直往北开，觉得转了90度弯，那就会往东开。当然如果舵手很牛逼，也许能估计很准确，维持很长时间。不过只信任舵手，肯定会迷路，所以一般都有_望手来观察误差。

IMU的关键优势，在于它在任何天气和地理条件下都能正常工作。作为一个独立的数据源，它可用于短期导航，并验证来自其他传感器的信息，也不会因为天气、透镜污垢、雷达和激光雷达信号反射或城市峡谷效应而失效。作为一个独立的传感器，IMU被视为补充和证实其他传感器数据的传感器，即最后的传感器，用于确保车辆行驶安全，并在其他传感器受损或失效时以可控的方式使车辆停止，因此，有人将IMU称为自动驾驶系统的定海神针。目前，市场上所有配备ESC（电子稳定控制系统）系统的车辆，都已配备了低精度低成本的IMU，而高精度IMU虽可满足自动驾驶惯性导航的性能要求，但过去数千美元的价格使其无法在汽车市场上大规模部署。目前，诸多业内企业正致力于将高精度IMU的成本降至100美元以下

在IMU企业端，博世、意法半导体、TDK、ADI是全球领先的IMU供应商，中国厂商也在竞逐IMU领域，如深迪半导体、罕王微电子

自动驾驶各传感器汇总对比

通过上述分析，我可以发现这些自动驾驶传感器或多或少存在一些盲点，这就使得传感器性能的重叠和数据的融合，显得至为重要。例如，当激光雷达受到恶劣天气干扰时，雷达和红外摄像机可保证自动驾驶系统的感知功能。GNSS（全球导航卫星系统）是自动驾驶系统的一个核心要素。GNSS通过两种增强改正模式，RTK（实时动态）和PPP（精确点定位），极大地提高了GNSS的精度，将定位精度从几米提高至几厘米，当然，GNSS存在信号丢失和城市中心多路径等问题。在过去，RTK/PPP硬件成本和服务费用较高，但新型芯片模组及算法有望将其成本降低到大众市场水平。惯性测量单元（IMU），可作为传感器数据缺失时的有效补充。IMU利用内置的加速度传感器和陀螺仪，可测量三维线性加速度和三维角速度，根据这些信息，可计算出车辆的姿态（俯仰角和滚动角）、航向、速度和位置变化。IMU可用于填补GNSS信号更新之间的空白，甚至可以在GNSS和系统中的其他传感器失效时，进行航位推算。

我们以特斯拉和Waymo两种智能驾驶感知层解决方案来说明

1.以特斯拉为代表的视觉主导方案和以视觉主导方案以摄像头为主导，配合毫米波雷达、超声波雷达、低成本激光雷达；特斯拉Autopilot的感知工作主要依赖3个前置摄像头、2个侧方前视摄像头、2个侧方后视摄像头、1个后视摄像头、12个超声波传感器、1个毫米波前置雷达，实现了多传感器融合冗余。

2.WAYMO为代表的激光雷达主导方案。激光雷达主导方案以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头。Waymo自研的4D成像雷达使用于Waymo发布的第五代感知系统WaymoDriver，搭载自研激光雷达（1个车顶4个车辆前后左右），6个自研毫米波雷达、自研29个摄像头、麦克风列阵等

结论

一辆电动汽车自动驾驶系统需要多少传感器来支撑呢？也许我们没法有个明确数值，不同厂商有不同的技术解决方案，目前无法清楚判断孰优孰劣，但是多种传感器融合与互补是必然的，无论是激光雷达、超声波、毫米波、摄像头还是GPS、IMU、加速度计、陀螺仪都是电动汽车自动驾驶必备的传感器，目前我们国内厂商相对国外企业在技术上相对要滞后，不过我们也可以看过在不同的传感领域我们一样有着不少优秀的企业代表在不断发展进步，中国作为智能汽车最大的消费市场，自动驾驶的成熟需要我们中国市场来验证，作为其核心硬件传感器研发需要我们中国企业来参与及完善。

相关问答：相关问答：为什么有习俗说“本命年要穿红内裤”？

本命年穿红内衣、红裤衩系红腰带，是民间“趋吉避邪”的一种风俗习惯。虽然有封建迷信之嫌，但为了关心自己的人能够安心，也为新的一年讨个好彩头，还是穿一下比较好。

本命年的来历

本命年犯太岁，太岁当头坐，无喜必有祸。

在传统习俗中，本命年常常被认为是一个不吉利的年份。故民间通常把“本命年”也叫做“槛儿年”，即度过本命年如同迈进一道槛儿一样。早在西汉年间就有了这种说法，一直相传至今。

古人认为，十天干加十二地支形成六十甲子，每一年玉帝会依照12生肖顺序叫一个生肖去天上值班，任命为”岁神”，当值的岁神就是“年太岁”。每逢本命年为避免妖魔鬼怪因守护神上天值班而骚扰身处本命年的人，故用红色来辟邪。

虽然在各地趋避方法不同，饰物也形形色色，除常用的红内衣、红裤衩和红腰带之外，还有红披肩、红挂件、红手套、红围巾、红线圈、红项圈、红线坠等等，但主要作用及其目的只有一个，那就是“避邪”。

本命年为什么要穿红色

中国人崇尚红色，自古以来红色就是喜庆、成功、忠勇和正义的象征。在人们心中，红色是一种具有强烈生命意义的色彩。

比如过年时，家家户户都要帖春联、红窗花、挂红灯笼等等。结婚时更是一片红光笼罩，红花轿、红衣服、红灯笼、红地毯、红蜡烛缺一不可。在古代，军队打了胜仗，要派专人手执红旗报捷，学子们考取了功名要披红戴花。

驱邪护身更是红色的重要作用之一，因为本命年是在农历一月一号开始的，所以在大年三十，不论大人小孩都要买红腰带系上，俗称“扎红”，还要早早地穿上红色内衣，或系上红色腰带，或佩戴本命年吉祥物，摆放开运吉祥摆件在身边，用以消解灾祸、化凶为吉。

总结

红色是个吉祥喜庆的颜色，虽然有封建迷信之嫌，但多少年来，人们还是很乐意在本命年穿戴些的红色服饰，在一片喜庆的红色中，希望在新的一年里平平安安，顺顺利利。

简述视觉传感器在汽车自动驾驶系统中有什么作用

视觉传感器在汽车自动驾驶系统中扮演着重要的角色，主要用于感知和理解环境。具体作用如下：

1、感知道路和交通标志：视觉传感器可以识别车道线、交通标志和信号灯等道路信息，从而辅助自动驾驶车辆行驶在正确的车道上，遵守交通规则。

2、感知行人和障碍物：视觉传感器可以识别行人、车辆和其他障碍物，从而提前采取避让或刹车等措施，确保行驶安全。

3、实现高精度定位：视觉传感器可以通过对路标、建筑物和其他固定物体的识别，实现车辆在地图上的高精度定位。