一文详解无人驾驶中的各种感知传感器

驾驶哥

2021年9月14日 09:22

浏览：2496 收藏：2

来源 | CV研习社

导读：本文介绍无人驾驶中几种主流的环境感知传感器，包括视觉摄像机、毫米波雷达、超声波雷达、激光雷达。通过分析对比每种传感器的原理和优缺点，进一步理解不同场景下如何构建感知方案。

1、感知传感器

在无人驾驶中，传感器负责感知车辆行驶过程中周围的环境信息，包括周围的车辆、行人、交通信号灯、交通标志物、所处的场景等。为无人驾驶汽车的安全行驶提供及时、可靠的决策依据。目前常用的车载传感器包括相机、毫米波雷达、超声波雷达、激光雷达等。根据各个传感器的特性，在实际应用中往往采用多种传感器功能互补的方式进行环境感知。

2、视觉摄像机

传感器原理

摄像头属于被动触发式传感器，被摄物体反射光线，传播到镜头，经镜头聚焦到CCD/CMOS芯片上，CCD/CMOS根据光的强弱积聚相应的电荷，经周期性放电，产生表示一幅幅画面的电信号，经过预中放电路放大、AGC自动增益控制，经模数转换由图像处理芯片处理成数字信号。

其中感光元器件一般分为CCD和CMOS两种：CCD的灵敏度高，噪声低，成像质量好，具有低功耗的特点，但是制作工艺复杂，成本高，应用在工业相机中居多；CMOS价格便宜，性价比很高，应用在消费电子中居多。为了满足不同功能的视觉需求，有很多不同种类的摄像机。

传感器分类

组合相机：这里指无人驾驶前视环境感知中常出现的单目/双目/三目，由不同焦距组成光学阵列，用于探测不同范围内的目标。

传统的单目做前视感知一般FOV较小，景深会更远，能够探测远距离障碍物，比如mobileye早期产品采用52°的镜头，当然现在主推的是100°摄像头能够感知更广的范围。

双目相机利用视差原理计算深度，通过两幅图像因为相机视角不同带来的图片差异构成视差。双目立体视觉在测距精度上要比单目做深度估计准确很多。

三目相机采用三个不同焦距单目摄像机的组合，弥补了视野范围和景深不可兼得的问题，由宽视野的摄像头感知近距离范围，中视野的摄像头感知中距离范围，窄视野的摄像头感知远处目标。在AutoPilot 2.0的方案中三个摄像头分别为前视窄视野摄像头（最远感知250米）、前视主视野摄像头（最远感知150米）及前视宽视野摄像头（最远感知60米）。

鱼眼相机： 由十几个不同的透镜组合而成，在成像的过程中，入射光线经过不同程度的折射，投影到尺寸有限的成像平面上，使得鱼眼镜头拥有更大的视野范围。鱼眼相机的视场角一般能达到190°，广阔的视野范围也带来严重的图像畸变。通常应用在自动驾驶泊车功能中，安装在车辆前后保险杠处各一颗，左右后视镜下方各一颗，四颗鱼眼相机拼接成全景图覆盖车身周围5米左右范围做车位线检测。

红外相机： 利用普通CCD摄像机可以感受红外光的光谱特性，配合红外灯作为照明源达到夜视成像的效果，通常在芯片表面加滤光涂层或在镜头中加滤光片滤掉人眼不可见的光以恢复原来色彩，具有夜视效果。近红外线的绕射能力虽然可以穿透烟雾、墨渍、涤纶丝绸之类的材料，但是并不能穿透所有丝织物，所以红外相机是做不到对人体的透视功能的~~~。

除了上述几种摄像机，其实还有事件摄像机，结构光摄像机，全景摄像机等，在无人驾驶的感知中目前涉及较少。

传感器特性

视觉摄像机能够得到丰富的纹理，特征信息，相比毫米波、激光雷达，采用图像数据能够实现车道线检测，交通标识符检测，freespace等功能。但是也有其不足之处，比如：

相机容易受到光照的影响：
在强光直射或者阴影背光的情况下成像质量较差；
物体高速运动时容易产生运动模糊；

3、毫米波雷达

传感器原理

毫米波雷达通过发射无线电波，然后接收反射回来的信号，通过电磁波返回的飞行时间计算目标的相对距离；根据多普勒原理，当发射的无线电波和被探测目标有相对移动、回波的频率会和发射波的频率不同，通过检测频率差计算目标的相对速度。

根据测距原理可以将毫米波雷达分成脉冲测距雷达和连续波测距雷达，由于调频连续波技术成本低廉、技术成熟并且信号处理复杂度低，所以FWCW调制方式的毫米波雷达成为主流。内部结构主要包括收发天线、射频前端、调制信号、信号处理模块等。

传感器分类

常用的车载毫米波雷达按照频率分为24GHz、77GHz和79GHz，也有少数地区研究其他频率的毫米波雷达，比如日本主要采用60GHz。频率越低，绕射能力越强，所以信号损失越小。通常24GHz毫米波雷达用于近距离探测，77GHz的毫米波雷达用于远距离探测，79GHz的毫米波从带宽、分辨率等方面均优于前者，将成为未来的发展方向。

近距离雷达（SRR）： 如上图所示，车辆四周的角雷达和安装于车辆后方的雷达，常用24GHz的毫米波探测40米以内的目标。

远距离雷达（LRR）： 安装于车辆前保险杆上的前雷达常用77GHz的毫米波探测200米以内的目标并和摄像头的目标输出做后融合。

79GHz的毫米波雷达频率更高，波长更短，分辨率更高，所以在远距离测距，测速上性能优于77GHz，并且由于体积较小，是将来发展趋势。

传感器特性

毫米波雷达测量距离远，通常能达到200多米，并且受天气影响较小，电磁波在雨雪、大雾、粉尘中具有良好的穿透性。但是也有其不足之处，比如：

对某些材质回波弱比如行人、锥桶或塑料制品等识别率较差；
对金属材质特别敏感，导致虚警率很高；
采样稀疏导致原始数据噪声大，目标抖动；
径向目标探测较准，但是切向目标敏感度差；
原始数据只有距离和角度信息，缺乏目标高度信息；

4、超声波雷达

传感器原理

超声波雷达通过声音在空气中传输的时间来判断障碍物的距离，在5米以内的精度能达到厘米级范围。其原理是利用超声波在空气中的传播速度，测量声波在发射后遇到障碍物反射回来的时间，根据发射和接收的时间差计算其到障碍物的距离。主流的工作频率有40KHz、48KHz、58KHz三种。

传感器分类

针对泊车场景一般在车辆周围安装12颗超声波雷达，车辆前后各安装4颗短距离超声波雷达，左右各安装2颗长距离超声波雷达。

短距离超声波（UPA）测量范围一般在3米以内，如上图所示，安装在车辆的前后保险杠处用于倒车时探测近处障碍物，常用于倒车报警功能。

远距离超声波（APA）测量范围一般在5米以内，安装在车辆左右各两颗，用于探测近处障碍物并判断空车位，常用于泊车辅助功能。

传感器特性

超声波雷达受到雨水、粉尘、泥沙的干扰较小，在空气中穿透性强、衰减小，短距离探测中精度较高，常用于泊车场景。但是也有其不足之处，比如：

声波的传输容易受到天气温度的影响，高低温情况下测距误差较大；
声速相比光速较慢，车速较快时超声波测距无法跟上汽车车距的实时变化，误差较大；
超声波雷达的输出是在视野范围内的距离值，但是无法准确的给出目标位置；

5、激光雷达

传感器原理

激光雷达是主动测量传感器，通过对外发射激光脉冲来进行物体检测和测距。根据测距方法的不同可以分为三角法测距、TOF法测距、相干法测距。市面上用的比较多的还是TOF测距的激光雷达。

基于TOF测距的激光雷达通过激光器以不同的角度发送多束激光，遇到障碍物后反射回来由接收器接收，最后激光雷达通过计算激光发射和接收的时间差，计算障碍物的相对距离，并根据接收到的强度信息分析障碍物的材质。

传感器分类

激光雷达从工作方式上可以分为

机械式激光雷达
混合固态激光雷达
固态激光雷达

机械式激光雷达通过底部旋转马达带动激光束进行360°扫描，每扫描一圈得到一帧激光点云数据，扫描一圈的时间称为一个扫描周期。通过测量激光信号的时间差和相位差来确定距离，并根据每条扫描线的角度和扫描旋转角度构建极坐标关系。

混合固态激光雷达将机械式的外部旋转元器件做到了设备内部，比如MEMS技术直接在硅基芯片上集成体积十分精巧的微型扫描镜，并通过 MEMS 扫描镜来反射激光器的光线，从而实现微米级的运动扫描。

固态激光雷达比如相阵控技术通过调节相位偏移来改变激光束的发射方向，从而实现整个平面的扫描。其原理是相控阵发射器由若干发射接收单元组成一个矩形阵列，通过改变阵列中不同单元发射光线的相位差，可以达到调节射出波角度和方向的目的。

性能指标

波长： 大多数激光雷达采用905nm波长的光源，也有部分远距离探测雷达使用1550nm的波长。波长越长功率越大，通俗点说就是通过大力出奇迹的方式堆功率来探测的更远。针对多个激光雷达相同波段干扰问题，可以采用连续波调频技术解决。

线数： 激光雷达可以分为单线、16线、32线、64线、128线等，线数越多单位时间内采样的点数就越多，分辨率越高。单线激光雷达常出现在机器人领域用于扫地机避障等功能；16线激光雷达在园区小车上曝光率较多，用于slam或者近距离障碍物检测；32线和64线激光雷达由于点云更加稠密，采用深度学习技术进行目标识别具有很好的周围环境感知能力。

分辨率： 包括水平角分辨率和垂直角分辨率，机械式激光雷达水平角分辨率一般在0.08°，垂直角分辨率根据线数的不同有较大的变化，16线激光雷达的垂直角分辨率为2°，呈现出的一帧点云较为稀疏。

视场角： 包括水平视场角和垂直视场角，机械式激光雷达的水平视场角为360°，垂直视场角一般在20°~50°之间。固态激光雷达达不到全视野范围，水平视场角通常小于100°，垂直视场角通常在20°~70°之间。

扫描频率： 采样频率在5~20Hz之间，一般默认10Hz，线数越多，每一帧的点数越多。比如16线激光雷达，按照10Hz采样，每帧大约30000多个点。

传感器特性

激光雷达对光照变化不敏感，不受夜晚场景的影响，可以全天候工作；测距精度相比其他传感器都要高，具有一定的抗干扰能力；感知周围信息量较为丰富；但是也有其不足之处，比如：