Self-Driving干货铺1：传感器

2019-07-20 12:02

自动驾驶汽车包括五大核心部分：感知、传感器融合、定位、规划和控制，这五大部分涉及的内容及相互之间的关联楼主会在后续几篇中逐步介绍，这篇楼主先从感知部分说起。

感知作为系统输入，是自动驾驶功能实现的基础，负责搞清楚车辆周围的环境。为了尽可能准确真实的反应环境信息，自动驾驶汽车需要各类传感器的支持和配合，所配备的传感器主要包括：GNSS（如GPS）、摄像头、惯性测量单元IMU、毫米波雷达、激光雷达、超声波雷达等，除了上面这些我们可以实际摸得着的传感器，还需要所谓的“高精度地图”的支持。其中GPS和摄像头这里就不再累赘，生活中我们经常使用这两种传感器，也相信大家对其有直观的认识和体验。

高精度地图

高精度地图是专门服务于自动驾驶的，生活中我们经常接触的是传统地图，例如当我们开车去某处时，地图会推荐多条路径以及每条路线花费多长时间，当我们获得这些信息后，我们需要根据地图提供的信息来决定是直行、左转还是右转，在整个过程我们需要对驾驶环境进行评估以及考虑各种交通管制，如限速标志、红绿灯等。

而无人驾驶车缺少我们人类固有的视觉和逻辑能力，例如我们可利用所看到的东西和GPS在世界中确定自己的位置，我们也可轻松准确的识别障碍物、其他车辆、行人或交通信号等信息。但对无人车来说上述这些可能是一件非常艰巨的任务，因此高精度地图是无人驾驶技术不可或缺的一部分。

高精度地图相比传统地图包含大量的驾驶辅助和周围环境信息，最重要的是道路网的精确三维表征。例如交叉路口布局和路标位置，高精度地图还包含很多语义信息，例如地图可能会报告交通灯上不同颜色的含义，也可指示道路的速度限制以及左转车道开始的地方。

高精度地图最重要的特征之一就是精度，我们常用的手机上的导航地图只能达到米级，平时我们使用时可能感觉一两米也没什么，但当我们设法把车停在路边时一两米的误差就可能导致道路堵塞或发生碰撞。而高精度地图能够达到厘米级的精度，这对无人驾驶车的安全性至关重要，但高精度地图无法实时都保证地图处于最新状态，试想周围的环境是时刻变化的，例如车可能这会停在这下会就开走了，因此保持这些地图的更新是一项重大的任务，需要耗费人力物力不断去验证和更新这些地图

惯性测量单元IMU

惯性测量单元是定位的一种粗略辅助手段，在机器人定位中我们经常采用惯性测量单元来进行航迹推演实现粗略的定位。假设一辆车正以恒定速度直线行驶，在已知汽车初始位置、速度及行驶时间的情况下，我们很容易得到汽车当前所处的位置。

同样的上述问题，但只提供初始速度和加速度信息，此时基于初始位置，我们可计算得出汽车在任何时间点的车速和位置，而如何获取汽车的加速度信息则正是惯性测量单元IMU应该要做的。IMU我们也经常接触，小到手机、智能手表，大到导弹、宇宙飞船都会使用，不同领域所采用的区别在于成本和精度。

一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态，在导航中有着很重要的应用价值。

IMU具有随时间误差累计的特性，因此一般无人车会采用“GPS＋IMU”这种组合方式来实现更稳定的定位（关于定位楼主会在后续章节中讨论），例如百度阿波罗采用一款NovAtel SPAN－IGM－A1的惯性测量单元。

它是一款卫星导航GNSS和惯性导航深度融合的导航定位系统，内部封装了OEM615 GNSS 板卡和惯性测量单元（IMU），在卫星信号被阻断时仍持续可用。

超声波雷达Ultrasonic Sensors

超声波传感器是机器人、汽车等领域最常见的传感器，还记得我们在学校玩单片机时经常买的超声波传感器吗？

对于车用级的超声波传感器，其模样及其安装位置一般都如下：

超声波传感器在汽车中应用很广泛，如果大家还对其比较陌生，那么“倒车雷达”可能更通俗易懂写。当我们在倒车入库时，车子移动过程中，我们在驾驶室内常能听到”滴滴滴“的声音，这些声音就是根据超声波传感器检测到的距离反馈给我们的信息。对于倒车雷达应用，其一般安装在汽车的前后保险杠位置，来进行前后障碍物的检测。

超声波（指20kHz以上的机械波）是一种特殊的声波，具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。

超声波传感器通过时间差测量距离长度，首先超声波发送器向外部的某个方向上发射超声波信号并在发射信号的同时开始计时；超声波在空气中传播，当遇到障碍物时会立即返回并传播回去并被接收器接收。超声波在空气中的传播速度为340米／秒，定时器可以通过记录时间t来测量从发射点到障碍物的距离长度，即s ＝ 340t ／ 2。

超声波能量消耗慢，介质行进距离长，穿透力强，测距方法简单，成本低，而且在短距离测量中，超声波传感器具有很大的优势（一般探测距离在15～250cm或30～500cm之间，如博世车用超声波传感器的检测范围为20～450厘米）。因此在汽车会被广泛采用，如BOSCH的APA自动泊车系统及Side View Assist系统都应用了超声波传感器来进行安全辅助驾驶。

但是，由于超声波的传输速度容易受到天气条件的影响（在不同的天气条件下，超声波的传输速度不同，传播速度慢），因此其在高速测距方面存在一定的局限性。当汽车高速行驶时，超声波测距无法实时跟上车速，而且误差很大。另一方面，超声波当在相对长的距离处测量目标时，回波信号相对较弱，这会影响测量精度。

下面将会阐述无人驾驶中最重要的两个传感器：毫米波雷达Radar和激光雷达LiDar，到目前为止，自动驾驶汽车的感知主要依赖两种方法：毫米波雷达传感器结合摄像头或激光雷达增强。无人驾驶车通过利用这两类传感器对静态地图进行动态补充，从而构建所谓的“世界模型”，在自动驾驶竞赛中，激光雷达与毫米波雷达的竞争日趋激烈。它甚至引起了汽车行业的一种竞争。虽然包括Waymo、Cruise和福特在内的许多公司主要依靠激光雷达，但特斯拉则采用毫米波雷达结合摄像头的技术，埃隆马斯克也曾公开羞辱汽车的激光雷达系统技术，声称“傻瓜才用激光雷达”，当然这句话只是为了博取噱头，因就当前自动驾驶来说单一感知系统是远远不够的，都有各自的优缺点，主流的做法则是各感知系统进行相互融合和配合，提高系统冗余和不同状况下的互补性。

毫米波雷达Radar

毫米波雷达，顾名思义，就是工作在毫米波频段的雷达。毫米波是指长度在1～10mm的电磁波，对应的频率范围为30～300GHz。目前，车载雷达频段主要集中在在24GHz、77GHz和79GHz这3个频段。其中，24GHz的波长是1．25cm（虽然24GHz的波长是1．25cm，但是目前业界也依然将其称之为毫米波），77GHz的波长则更短，只有3．9mm。不同频段的毫米波雷达具有不同的性能和成本，毫米波雷达由于具有出色的测距测速能力，因此被广泛地应用在自适应巡航控制（ACC）、盲点检测、辅助变道（LCA）等辅助驾驶应用中。通常，为了满足不同距离范围的探测需要，一辆汽车上会安装多颗短距、中距和长距毫米波雷达。其中24GHz雷达系统主要实现近距离探测（SRR），77GHz和79GHZ雷达系统主要实现中远距离的探测（MRR or LRR）。不同的毫米波雷达“各司其职”，在车辆前方、车身和后方发挥不同的作用。

24—24．25GHz频段：目前大量应用于汽车的盲点检测、变道辅助。雷达安装在车辆的后保险杠内，用于监测车辆后方两侧的车道是否有车、可否进行变道。这个频段也有其缺点，首先是频率比较低，另外就是带宽（Band width）比较窄，只有250MHz。

77GHz频段：这个频段的频率比较高，国际上允许的带宽高达800MHz。这个频段的雷达性能要好于24GHz的雷达，所以主要用来装配在车辆的前保险杠上，探测与前车的距离以及前车的速度，实现的主要是紧急制动、自动跟车等主动安全领域的功能。

79GHz—81GHz频段：这个频段最大的特点就是其带宽非常宽，要比77GHz的高出3倍以上（能到3000MHz），这也使其具备非常高的分辨率，可以达到5cm。这个分辨率在自动驾驶领域非常有价值，因为自动驾驶汽车要区分行人等诸多精细物体，对带宽的要求很高。

正如前面所说，频率越高波长越短，分辨率、精准度就越高。所以，79GHz的毫米波雷达相信会成为汽车领域主流传感器。

全球主要有四大毫米波雷达供应商简称为ABCD，即Autoliv、Bosch、Continental和Delphi。Autoliv以24GHz盲点、变道辅助雷达为主；Bosch的毫米波雷达主要以77GHz为主，覆盖的面比较广，有长距（LRR）、中距（MRR）以及用于车后方的盲点雷达。Continental在毫米波雷达产品方面既有24GHz，也有77GHz，性能做得还不错。Delphi以77GHz毫米波雷达为主，采用较为传统的硬件方案，成本比较高，性能不俗。

毫米波雷达测距原理很简单，就是把无线电波（毫米波）发出去，然后接收回波，根据收发的时间差测得目标的位置数据和相对距离。根据电磁波的传播速度，可以确定目标的距离公式为：S＝ct／2，其中s为目标距离，t为电磁波从雷达发射出去到接收到目标回波的时间，c为光速。

毫米波雷达测速是基于多普勒效应（Doppler Effect）原理。所谓多普勒效应就是，当声音、光和无线电波等振动源与观测者以相对速度v运动时，观测者所收到的振动频率与振动源所发出的频率有不同。

到这已经讲了超声波和毫米波雷达，那么这两种波到底有什么区别呢？“超声波”是超过人耳听觉上限的“声波”，即是一种人耳听不到的“声波”，“超声波”的频率超过20kHz，频率范围在20KHz～500KHz，它是由机械振动产生的，在空气中传播速度和声音相同，每秒约340米，其方向性很好。

“电磁波”是由不断变化的电场和磁场互相激发形成的，传播速度和光速相等，每秒30万公里。超声波和电磁波（含“微波”在内：“微波”的频率，介于“超短波”和“毫米波”之间，属于电磁波范畴。）的主要区别：1、振荡源不同，2、传播速度不同。所以，“电磁波”和“微波”都不属于“超声波”。

与激光雷达图像相比，毫米波雷达图像具有低精度和低分辨率。毫米波雷达无法正确判断物体的形状，换句话说，无论前方是鹿还是树，对于毫米波雷达来说可能检测出来的都是一个点而已，出于这个原因，毫米波雷达系统技术通常与摄像机和其他传感器系统进行配合。

激光雷达LiDar

激光雷达是光探测和测距的缩写（Light Detection and Ranging）。该技术使用近红外光扫描物体并创建环境的3D地图，这就是它的工作原理。激光雷达传感器的激光束被发射出去并再返回回来，根据收到的信息，激光雷达系统会创建一个看起来像阴影的点云，并反映物体的形状和大小。

激光雷达的历史可以追溯到20世纪60年代，随着激光器的发明，激光驱动技术变得非常流行。如今，激光雷达技术有很多应用，如测量大气层中的云层、地形勘探等。

激光雷达技术是迄今为止最准确的自动驾驶技术，它能扫描汽车周围的环境并创建精确的3D图像，能覆盖车辆周围环境的360度视图。激光雷达传感器可以识别各种物体，其不仅能看到道路、车辆和行人还可区分车辆类型、行人、儿童、动物和其他可能需要特殊预防措施的物体，如减速带；此外激光雷达还可跟踪物体运动及其方向，这些信息对无人驾驶车辆至关重要。

激光雷达有机械式和固态两种，目前自动驾驶领域使用最多的是机械旋转式激光雷达：首先在竖直方向上排布多束激光（即所谓的16、32或64线等激光雷达），从而由“线”构成“面”，通过不断旋转激光发射头形成多个面，最终达到动态3D扫描的目的，这也就是为什么几乎所有的无人驾驶汽车都会有个不停旋转的球了。

机械式激光雷达目前成本普遍偏高，相比几年前，激光雷达价格虽已经降了很多，但依然让人望而却步，Google生产的单个激光雷达传感器售价75，000美元，尽管该公司已经将价格降低了90％；领先的激光雷达供应商Velodyne虽产品线丰富但同样也是价格高昂。

机械式激光雷达除了价格高，由于需要通过旋转将射出的激光定在不同方向进行扫描，因此也额外增加了很多移动部件，进一步增加了额外的维护成本，其次还影响美观。

为了进一步降低激光雷达成本并提高其可靠性，最近这两年激光雷达领域出现了一款或将颠覆整个行业的产品－固态激光雷达，所谓的固态就是不需要旋转，而且成本也将大大降低，在固态LiDar领域最吸睛的公司莫过于Quanergy，其固态雷达产品可将成本压缩到200多美元以下，相信将大大推动自动驾驶的发展。

固态激光雷达之所以能做到小巧、可靠且成本低廉，主要是采用了一种光学相控阵技术（OPA －Optical Phased Array）。

提到相控阵技术，我们脑海里首先映入的是军事上的相控阵雷达，的确，军事雷达最初也是机械旋转式的，雷达探测目标距离的原理：雷达波从发射到从目标返回的总时间，乘上光速为目标距离的两倍。

而相控阵雷达不是“一个雷达”，本质上，它是很多个“传统雷达”的共同体。相控阵雷达的天线由无数个小单元天线组成，这些小单元天线叫做“阵元”，对于有源相控阵雷达来说，每一个阵元都是独立控制的，它们既能独立发射雷达波，也能接收雷达波的回波信号。“相控阵”就是控制每个阵元产生电磁波的相位与幅度，以此强化电磁波在指定方向上的强度，并压抑其他方向的强度，从而实现让电磁波束的方向发生改变。

同理，采用光学相控阵技术（技术背景貌似是大学物理所学的光栅衍射：通过改变不同缝中入射光线的相位差即可改变光栅衍射后中央明纹（主瓣）的位置。）该技术可以通过电信号控制阵列中相邻发射光线的相位差，达到改变模块整体发射激光的方向和角度，而成百上千的发射单元组成一个阵列，通过控制发射单元就能让一个平面实现3D空间的扫描，达到与旋转机械式雷达一样的效果。

相比机械式激光雷达，固态激光雷达具有结构简单、尺寸小、扫描速度高、扫描精度高等优点，但也有相应的缺点，即扫描角度有限，当配置固态激光雷达时，要实现全方位扫描，需在不同方向布置多个（至少前后两个）固态激光雷达；其次加工难度高，这也是导致固态激光雷达还未被大规模采用的原因。但不管如何，其低成本、小尺寸的巨大优势无疑弥补了机械式激光雷达的很多不足，相信也是未来的主流应用趋势。

激光雷达相比超声波和毫米波雷达，最大的问题是激光雷达传感器受天气条件的影响很大，其无法在雾，雪或灰尘中提供精确的环境图像，因此一般来说激光雷达系统技术必须始终与其他辅助传感器进行配合。

总结

此次将自动驾驶领域应用的主要传感器进行了粗略的介绍，高精度地图和超声波雷达最后不再赘述。从本质上讲，激光雷达不能代替毫米波雷达进行自动驾驶，反之亦然。两种汽车传感器系统都有其优势和局限性。至于激光雷达与雷达精度，答案是显而易见的。从成本方面，激光雷达传感器毫无疑问比毫米波雷达高很多，这是因为使用ToF的LiDar需要成本更高的高速电子设备，其次该需要CCD接收器、光学器件、电机和激光器等来产生和接收所使用的波，Radar则只需要一些固定天线。

从对计算能力的要求上，Radar传感器往往会产生更少的数据，因为它们只返回一个点或几十个点。LiDar传感器则发送和接收大量有关每个激光点范围的数据。因此Lidar对算力的要求比Radar更高。如果你的目标是检测你前面一辆汽车，并获得它的速度，Radar可能会适合。如果您要确定目标的精确位置，生成准确的环境信息，LiDar可能会更好，下面这张图从不同的维度对这两种传感器的性能进行了比较。