自动驾驶的三大传感器优劣对比
安全是自动驾驶最核心的问题, 其中, 作为自动驾驶车辆的 “ 眼晴” 的传感器尤为重要。以下是目前最常被采用的几种传感器的优劣势对比：
应用场景非常丰富摄像头为汽车加上“眼睛”，可以采集车辆周围图像信息，然后经过计算机的算法分析，实现众多预警类、识别类的功能,如疲劳驾驶预警、行人警示、车道保持、交通标志识别、交通信号灯识别等，目前在汽车高级辅助驾驶(ADAS)市场已被规模使用。汽车摄像头可分为单目、双目及多目摄像头，安装位置有前视、后视、侧视、环视，针对不同的应用场景，可组合应用。相对于其它传感器，摄像头的应用领域广泛，技术+分成熟，价格相对低廉。毫米波雷达是利用波长1~10mm，频率30GHZ~300GHz的电磁波，根据电磁波发出后被物体反射回来的时间差可以算出距离，具备全天时全天候以及探测距离远的优势。目前市场上主流的车载毫米波雷达频段一般分为两种：24GHz(用于短中距离雷达，15~30m)，77GHz(用于长距离雷达，10CK200m)。相比于24GHz产品，77GHz产品在性能和体积上都更具优势，其距离分辨率更高，体积也更小。 自动驾驶最核心的传感器：车载激光雷达。又称车载三维激光扫描仪，采用光飞行时间法(TOF)，通过发射和接收返回的激光束，分析激光遇到目标后的折返时间，计算出目标与车的距离。通过这种方法，搜集目标表面大量的密集点的三维坐标、反射率等信息，能快速复建出目标的三维模型及各种图件数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。目前市场上比较常见的有8线、16线和32线激光雷达，还有少量64线产品。激光雷达线束越多，测量精度越高，安全性也越高，但是成本也越高。激光雷达是自动驾驶不可或缺的核心技术，但面临着成本高、量产难的问题。目前特斯拉整在尝试基于摄像头的深度学习算法模拟人类对环境的感知，放弃了价格高昂的激光雷达。自动驾驶的阵营也由此分为两家，主打激光雷达战线的一家，主打摄像头的另一家。著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2023-06-21
最近编辑：1年前
