自动驾驶中,最关键的传感检测技术都有哪些？

Posted 2023-05-16

参考技术A

       自动驾驶车辆有望实现预测性驾驶。为此，车辆必须具备远超我们人类的检测感知能力，我们需要检测自动驾驶车辆外部环境的三种关键技术：雷达、激光雷达和高性能惯性MEMS IMU。

微波雷达

      雷达目前大量用在高级驾驶员辅助系统中，例如碰撞预警和缓冲刹车、盲点检测、车道变换辅助等，然而高性能雷达技术对传统的微波信号链技术能力有极高的要求。有意思的是，根据 ADI 官方数据，新近生产的全部雷达模块中大约 50% 含有 ADI 公司技术。这家在四年前将微波射频领头羊公司讯泰（Hittite）成功纳入囊中的模拟半导体技术巨头，在汽车雷达领域有 15 年的记录，现正在开发打造创新的以“Drive360”命名的雷达技术平台，以提供最高水平的性能和距离分辨率。除了成熟的 24GHz 微波雷达技术，还支持 76 GHz 至 81 GHz 的完整频段，使其长期可用。

Drive360 雷达围绕 28nm CMOS技术构建，这是目前 ADI 在业界率先强调的工艺技术节点，据称这使雷达平台能提供最高程度的数字信号处理集成灵活性，同时 ADI 丰富的RF IP支持实现高度差异化的波形和算法。按 ADI 公开的资料表示，采用 Drive360 雷达的产品将能可靠地检测形状更小、移动速度更快、距离更远的物体（如摩托车、行人、动物等），以在关键时刻避免伤亡。

雷达、激光雷达和惯性MEMS IMU组成未来自动驾驶技术的“铁三角”

        激光雷达

雷达在未来的全天候自动驾驶应用中居于支配地位，但它只是瞬间决策解决方案的一部分。还需要其他传感器，例如摄像头和激光雷达（LiDAR，激光探测与测距）。与成熟的微波雷达技术相比，雷达所占成本只是激光雷达当前的成本很小一部分。

业界公认的最先成熟将激光雷达应用在汽车上的是美国Velodyne公司，其第一台激光雷达直径达到 30 英寸、重量接近 100 磅。2007 年其开发的激光雷达系统收费还高达 8 万美元。2010 年谷歌推出无人驾驶汽车项目的“车顶花盆”据称采用了 Velodyne 生产的 64 线激光雷达传感器，成本约为 7.5 万美元，其成本占到一辆谷歌无人车近一半。

作为传统微波技术的领头羊，ADI 也将激光雷达作为其整体 Drive360自主驾驶解决方案战略的关键支柱。激光雷达利用光脉冲将物理世界以高的置信水平实时转化为 3D 数字图像。传统激光雷达系统（现今主要用于测试车辆）非常昂贵。除此之外，它们外观很难看，并且由机械组件构成，可能导致系统停机。ADI 正在大量投资开发经济高效的真正纯固态激光雷达技术以促进汽车激光雷达系统的主流采用，并让汽车供应商和 OEM 能够在客运车辆中部署基于激光雷达的 ADAS 和自主驾驶应用。

激光雷达是一个飞速发展的领域，其探测范围和精度对于解决一些最困难的 ADAS 挑战至关重要。ADI 公司目前聚焦于固态激光雷达设计，据称其材料与计算机显示器中扫描光线所用的材料相同，将经济有效的设计消除常规产品中的活动部件，克服当前激光雷达系统成本高昂的问题，并提高可靠性。在范围、分辨率、帧速率和功耗等关键性能指标方面，它也将有改善。

惯性测量单元

       全球主流的导航采用GPS或者中国发展北斗卫星定位系统，但这些卫星导航技术也有它本身劣势，比如信号差、有误差、更新频率低等问题，所以仅靠GPS无法满足自动驾驶的定位需求，需要一种更好的设备来弥补GPS的不足。而MEMS惯性测量单元（IMU）拥有更高的更新频率，而且不受信号影响，可以很好与GPS形成互补。

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，在导航中有着很重要的应用价值。我们把传统的IMU和与车身、GPS等信息融合的算法组合在一起的系统称为广义的、针对自动驾驶的 IMU。

除了检测周围环境之外，自动驾驶车辆还需要能在各种气候条件下感受路况并做出响应。ADI公司的惯性MEMS将多轴加速度计和陀螺仪与处理和校准功能集成在单个封装中。IMU连同板载ADAS和卫星定位输入，提供精确的车辆位置和航向画面，同时抑制正常驾驶产生的冲击和振动。

目前的GPS有很多时候是精度不够准确或者无效的，例如在隧道中经常因为信号不好无法使用，或者在市中心的高楼里GPS信号容易被折射反射。这个时候IMU就可以增强GPS的导航能力。例如，在车道线识别模块失效时，利用失效之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。

           此外，GPS更新频率过低（仅有10Hz）不足以提供足够实时的位置更新，IMU的更新频率可以达到100Hz或者更高完全能弥补GPS所欠缺的实时性，GPS/IMU组合系统通过高达100Hz频率的全球定位和惯性更新数据，可以帮助自动驾驶完成定位。通过整合GPS与IMU，汽车可以实现既准确又足够实时的位置更新。

清华发布自动驾驶前沿报告：解密六大关键技术

从传统车企到新造车势力，再到互联网大佬，都在加注自动驾驶。

自动驾驶既指向了更高效安全的交通运营系统，也意味着庞大的价值链重组，因此获得了政府、资本和产业界的强力关注。

我们推荐来自清华-中国工程院知识智能联合研究中心的自动驾驶前沿报告，从技术、人才、应用和趋势的维度盘点自动驾驶的产业发展。

以下为小编整理呈现的干货：

无人驾驶：从科幻到落地

自动驾驶，也就是汽车利用传感器和计算机系统实现无人操作的智能驾驶，在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。

通过对人类驾驶员长期驾驶实践的理解，无人驾驶技术可以拆解为“环境感知-决策与规划-控制与执行”过程的理解、学习和记忆的物化。

根据美国国际汽车工程师学会2014年制定的SAE J3016标准，汽车自动化系统可以分为Level 0（无自动化）~ Level 5（完全自动化）六个级别。这一标准不仅被美国交通运输部采纳为联邦标准，同时也已经成为全球汽车业界评定自动驾驶等级的通用标准。

从技术的角度来看，无人驾驶汽车是一个复杂的软硬件结合的智能自动化系统，运用到了自动控制技术、现代传感技术、计算机技术、信息与通信技术以及人工智能等。

从战略意义的角度来看，自动驾驶移动能力更强，能够有效改善交通安全、实现节能减排、消除交通拥堵、促进产业转型。

KPMG：自动驾驶技术可在2014到2030年间使得全球车祸死亡人数降低2500；

IHS Automotive：无人驾驶量产汽车将在2025年上市，估计销量可达23万辆；

英特尔：无人驾驶汽车市场的规模将在2050年前达到7万亿美元。

因此，自动驾驶汽车受到了各国政府前所未有的重视，国内外各院校、研究机构都投入了大量人力、物理，各大车企、科技公司、汽车零部件供应商以及自动驾驶汽车创业公司也纷纷在这个领域进行布局。

在国外，无人驾驶技术的兴起可以追述到上世纪七十年代的实验室；随后，在1984年，DARPA（美国国防高级研究计划署）与陆军合作自主地面车辆（ALV）项目；同期，美国著名大学如卡内基·梅隆、斯坦福、麻省理工等都先后加入无人驾驶汽车的研究工作中，著名的NavLab系列智能车辆就出自卡内基·梅隆大学。

2009年，谷歌宣布开始研发无人驾驶技术（Project Chauffeur），并于2012年5月获得了美国（内华达州）首个自动驾驶车辆路测许可证；随后，谷歌将其自动驾驶业务拆分出来，成立独立的新公司Waymo。在谷歌的带领下，新技术力量纷纷入局无人驾驶领域。

国外无人驾驶汽车发展图谱（重要事件一览）

国外科研院校对无人驾驶技术的研究发展过程一览

国外新技术力量对无人驾驶技术的研究贡献（以谷歌为例）

与美、发达国家相比，我国在无人驾驶汽车方面的研究起步稍晚，从20世纪80年代底才开始。不同于国外车企以自主研发为主，我国汽车制造厂商多采取与国内科研院所、高效合作研发无人驾驶技术的方式。

2011年，一汽集团联手国防科技大学研制红旗HQ3无人驾驶汽车，完成了286公里的面向高速公路的全程无人驾驶试验；2013年，百度启动无人驾驶汽车项目，并与传统车企发展合作；随后，高科技公司相继加入角逐。

国内无人驾驶汽车发展图谱（重要事件一览）

国内科研院校对无人驾驶技术的研究发展过程一览

国内新技术力量对无人驾驶技术的研究贡献（以百度为例）

六大关键技术概览

无人驾驶汽车的关键技术包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X、无人驾驶汽车测试与验证技术。其中，环境感知、决策与规划和车辆控制环节涉及了人工智能的应用。

环境感知技术

环境感知可以理解成汽车利用传感器套件对车身周围的动摇和静态对象进行3D重构。目前，环境感知技术有两种技术路线，一种是以特斯拉为代表的以摄像机为主导的多传感器融合方案；另一种是以谷歌、百度为代表的以激光雷达为主导，其他传感器为辅助的技术方案。

精准定位技术

精准定位技术顾名思义就是让汽车指导自己所在的物理位置，这就涉及惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统。

决策与规划技术

根据环境感知和导航子系统，自动驾驶汽车的行为决策与路径规划系统结合给定的起始点和终点进行信息处理。目前，针对自动驾驶决策与规划的专用芯片/计算平台包括英特尔-Mobileye开发的EyeQX和英伟达的NVIDIA Drive PX系列。

控制与执行系统

车辆控制平台是无人车的核心部件，控制着车辆的各种控制系统。车辆控制系统可以分为纵向控制（采用油门和制动综合控制的方法实现对预定车速的跟踪）和横向控制（包括对驾驶员行为的模拟和车辆动力学的分析）两个环节。

高精地图与车联网V2X

为了更好的规避潜在风险，帮助车辆预知路面复杂信息，如坡度、曲率、航向等，无人驾驶往往需要结合实时的高精地图，而这种实时性，可以通过车联网（V2X系统）实现。

人工智能在自动驾驶汽车中的应用

自动驾驶汽车学术热点

学者分布及迁徙

根据国际期刊会议的学术论文，AMiner对自动驾驶领域全球h-index排名（国际公认比较能准确反映学者学术成就的指数）TOP 1000的学者进行计算分析，绘制出了该领域（automated vehicle）学者的全球分布地图。

自动驾驶领域学者的全球分布地图

各国自动驾驶人才统计图

据此可见，从国家来看，美国是自动驾驶汽车研究学者聚集最多的国家，英国、中国紧随其后，加拿大和意大利也聚集了很多该领域的人才；从地区来看，西欧自动驾驶人才的集中地，而中国大陆、美国东部等地区也吸引了大量人才。

中国学者分布

就中国来看，自动驾驶研究学者主要集中在北京、上海和南京，其次是西安、长沙、武汉和成都等地。

各国人才迁徙图

根据全球自动驾驶h-index排名前1000的专家学者迁徙路径统计来看，美国是自动驾驶领域人才流动大国，人才输入和输出都大幅领先（流出略大于流入），随后是英国、德国、中国和加拿大，中国人才流入量大于流出量。

全球各h-index指数（左）、性别（右）的自动驾驶人才统计图

从h-index指数来看，全球自动驾驶h-index排名前1000的学者中，20到40的学者数量最多（占40%），40到60的学者次之（占20%）；从性别来看，全球男性自动驾驶学者比例占97%，远高于女性。

中国各h-index指数（左）、性别（右）的自动驾驶人才统计图

在中国，h-index指数小于等于10的学者最多，占69%，大于等于60的学者最少，仅占1%；性别方面，中国男性自动驾驶学者比例占99%，远高于女性。

国外代表性研究学者

国内代表性研究学者

应用和趋势

自动驾驶的应用目前主要体现在公共交通、快递运输，以及面向老年人和残疾人的汽车品类。

公共交通方面，相比于小汽车，它更能惠及普通群众，让民众感受到人工智能、自动驾驶带来的技术革新和便利，这也使该项技术最初的出发点。

今年3月，法国EasyMile的自动驾驶巴士EZ10成为了首辆在加州道路运营上路的完全没有司机驾座的汽车，这也是第一家受益于加州自动驾驶新政的公司。

而随着全球老龄化问题的加剧，自动驾驶技术正在极力弥补快递等行业面临的劳动力不足问题。随着技术的成熟和市场普及程度的提高，无人配送将成为必然的趋势。

2018年“618”促销活动期间，京东的北京上地配送站就出现了20余台配送机器人。随着调度平台命令发出，首批载有“618”货物订单的3辆配送机器人依次出发，自动奔向订单配送的目的地。

此外，自动驾驶汽车已经开始在老年人和残疾人这两个消费群体中有所应用。2012年，谷歌员工让失去95%视力的Steve Mahan坐上谷歌自动驾驶车，展示了自动驾驶技术的巨大潜力。

自动驾驶汽车的真正落地，一方面还需要技术的完善，包括高精地图和车联网系统的构建，专用计算平台/芯片的推出，以及安全高效的决策规划算法和控制执行系统的实现；另一方面，需要相关政策法规的完善，刺激技术发展的同时，保障产业发展的安全、健康。

小编认为，从历史演绎路径来看，自动驾驶作为未来高效、安全交通运行体系的解决方案，已经从一开始的军方科研项目，演绎成科技企业入局汽车/出行领域的筹码，其在汽车四化变革中的核心地位指向了颠覆性的价值链重组（根据普华永道思略特：2030年仅数字出行服务业，市场规模将达到2.2万亿美元，但现有的汽车制造商所占行业利润将减半）。科技企业们试图通过信息技术的优势合纵连横，分一杯羹，传统车企也在努力调整战略，与之博弈。

（来源：战略前沿技术）