智能驾驶三合一，摄像头、激光雷达、毫米波雷达缺一不可！

智能驾驶三合一，摄像头、激光雷达、毫米波雷达缺一不可！

现在的自动驾驶主要看中美，而中美导致主流的方案就有两种：特斯拉的纯视觉方案+国内的多传感器融合方案。

看下面这个图片，特斯拉的外围传感器主要包含 12 个超声传感器 (Valeo)、8 个摄像头(风挡玻璃顶 3 个前视，B 柱2 个拍摄侧前方，前翼子板 2 个后视，车尾 1 个后视摄像头，以及 1个 DMS 摄像头)、1 个毫米波雷达 。我们可以看到，即便是特斯拉的“纯视觉”方案，也无法避免雷达的使用。

更不要提国内的其他车企的多传感器融合方案了，更加是：摄像头和激光雷达、毫米波雷达统统上阵。

导致多传感器应用的根本原因在于，每一个单一种类传感器都是有自己的缺点，无法规避和覆盖所有自动驾驶场景需求。

一、摄像头传感器

摄像头传感器借鉴了哺乳动物的眼睛的一些概念。最重要的就是“硅传感器”类同于人类的“视网膜”。主要原理是镜头以光子的形式采集光子，这些光子会最终落在布满“感光像素点”的硅传感器上。光子具有能量，感光像素点吸收光子能量后转化为电能，存储为电荷，光线越强，电荷越大。随后会转化成计算机可读取的格式。在摄像头来看，这个世界是像素的。

这样的感光原理，导致了摄像头最大的问题，就是摄像头无法感知“深度”。“立体视觉”是生物的眼睛可以适应物体的“深度感知”。而摄像头把三维数据世界的信息转化为简洁的二维格式，在这个过程中遗漏了物体与相机之间的距离。当然，这样的问题也在通过“布置多个摄像头”来进行解决，但是实用效果依旧没有雷达等传来器来的直接（快速）、稳定。

其次，摄像头还有一个低技术含量的问题：污垢。再好的设备，沾染上一点污泥，就不能正常工作了。而前挡风玻璃的污垢问题，几乎是无法避免的，因为我们无法决定车辆行驶的路况和天气。

二、激光雷达（Lidar）

上面说的摄像头是将三维空间拆解为二维像素矩阵。激光雷达则不同，它向周围散射出强烈的脉冲激光，测算出光束反射回来所用的时间，然后计算出周围环境的三维数字模型：点云。

激光雷达能绘制出高精度的3D模型，并附有准确的深度信息，其分辨率甚至可以精确到厘米。这就决定了激光雷达在无人驾驶汽车领域无可撼动的重要地位。

但是激光雷达也有自己的缺点：成像时间。激光雷达的工作原理是发出激光，扫描周围物体，旋转一周才能将完成一次循环。如果只是发出一束激光，扫描一周显然太慢了，所以现在的激光雷达都是同时发射多组激光，而激光的光束越多，形成的数字场景分辨率越高，速度越快。

虽然现在激光雷达已经很好了，但是依旧无法满足某些“紧急”交通状况下，计算机需要的瞬时状态数据需求。

三、雷达（Radar）

雷达传感器主要由发射器和接收器组成，发射器负责向外发射电池波，而接收器负责接收回波。电磁波的波长（频率）不同，会有超声波雷达，毫米波雷达等的不同。

综合来看，雷达最大的优势就是可以穿透浓雾、暴雨、尘土、扬沙，强烈的灯光（摄像头的死对头，特斯拉就有类似的事故，落山的太阳光，角度刚好射入摄像头）。另外，利用多普勒效应，雷达不仅可以测距，还可以测速（想想你的罚单）。

当然，雷达也有其缺点，它只能在特定的，狭窄的范围内工作，所以大部分雷达传感器都是并排安装，典型的就是后保险杠的3-4颗倒车雷达。

那么总结一下：

我们可以看到摄像头高效的将3D世界信息压缩成2D像素网格，激光雷达如同一个“数码喷漆”，不那么高效的形成3D“点云”，雷达如同落入石子的水面，感应周围物体的大小、疏密、速度和方向。三者相辅相成，才能真正感知路边静止的小东西是一只小猫还是铁皮盒子。

所以，回到问题本身，那个才是智能驾驶的重要方向？恐怕只能说“全都要”，他们的作用是相辅相成的。

另外，自动驾驶的最大的问题是“安全”。保证安全，就需要“冗余”。从安全的角度来讲，多传感器融合的方案，从本质上就满足了冗余的要求，更好的保障自动驾驶汽车的行车安全。