这次我们就一起看懂自动驾驶的眼睛——传感器。
特别提示：本篇很长，内容很干，预计阅读时间20分钟以上，可先收藏，为年后储粮。
从波说起
我们把传感器比作机器的眼睛，那就先来看人眼如何看世界。上帝说“要有光，于是就有了光”。我们能看见这个世界，是因为我们能看到光；准确的说，是可见光照射到物体上，再反射到眼睛里，被我们“看见”。那么究竟什么是光呢？
1. 光是一种波
被中学物理虐过的同学可能还记得，光也是一种电磁波。关于光的波动属性，你一定见过这个公式：
几乎所有关于波的奥秘，都是基于这个公式。我们来回顾下：电磁波的传播速度都是恒定的，即等式左端的C，真空理论值每秒30万公里，这也是爱因斯坦爷爷推导的自然界物理运动的速度极值，“超光速会形成黑洞”。
既然速度相同，决定电磁波差异的就在等式的右端了，即波长和频率的反比关系。电磁波谱就是按照电磁波的波长或频率关系，给光波排座次。
电磁波谱从左向右，波长依次增加，频率依次减小。位于频谱中间位置的窄窄一条就是可见光所在的位置，是人眼视觉神经可以感受到的电磁波，对应波长在400nm～760nm（这个单位叫“纳米”），是人眼能够看到世界的原因。可见光也不是单一颜色的，波长由长到短依次为赤橙黄绿青兰紫。
对于机器而言，就不会受制于用可见光的波段看世界，整个电磁波谱上的波段都可以为之所用。更厉害的是，人的眼睛不具备光的发射功能，只能被动接受反射光；而机器之眼传感器还可以主动发射光波，自造反射光。
2. 波的性质影响传感器
既然光是一种电磁波，波的性质就深刻影响了传感器的性质。影响传感器性质的波的属性主要有：
（1）电磁波波长越长，绕射能力越强。这个理论来自波的衍射原理，波可以绕过小于自己波长的障碍物。因此利用波长较长频段的传感器，可以在空气中有云雨雾雪大分子障碍物时使用。
（2）电磁波波长越短，分辨率越高；而分辨率越高，意味着对应传感器在距离、速度、角度上的测量精度更高。
3. 波能当做测量尺
波有个用处，可以当做尺子，探测物体的距离和速度。
测距：波的测距通常有两种方式，一种是计算从发射波到接受到反射波所耗费的时间，就像波进行了折返跑；另一种是对比反射波和发射波波形的变化，推算出距离。
测速：也可以分为两种方案，一种是基于测距实现，即以一定时间间隔连续测量目标距离，用两次目标距离差值除以时间得到速度，这种适用于测量反射波比较强烈的目标。另一种是利用“多普勒频移”实现，所谓“多普勒频移”是指由于目标物体的移动，回波信号与发射信号之间会产生一个频率差。通过分析频率差特征计算速度。
了解了电磁波，我们就来看自动驾驶如何利用电磁波的特性，以传感器为眼看世界。这里主要介绍自动驾驶的三大主力传感器：激光雷达、毫米波雷达、摄像头。
三大主流传感器
传感器作为机器之眼，功能就是获得清晰的环境信息。其评判维度可以分为看的远（探测距离），看的清（分辨率&图像信息），稳定性（不同环境表现&耐用性）。
目前自动驾驶测试车上主流配置是激光雷达 毫米波雷达 摄像头，三种传感器在信息获取维度及使用场景上形成互补，协作感知环境。我们分别看看三大主流传感器的表现。
1. 激光雷达--探测距离远，精度高，天气影响大
激光雷达是一种主动传感器，主动发射电磁波激光束，探测反射波，通过计算反射时间和反射波特征探测目标的距离和速度等信息。
激光其实是一种人造光，是人工激发原子后辐射的光。用在无人车上的激光雷达，一般使用的是近红外波段。比起普通光源，激光波长的分布非常窄（单色性好），亮度高，并且非常有纪律性，光呈“束状”朝向一个方向射去，不会散乱，不会像水波一样四向辐射。
但线状“激光束”如何探测一个平面上不同方位？转起来是个好办法。目前已经应用的激光雷达采用机械转动的方法解决这个问题。在描述机械式激光雷达时，还会提到“线”的概念。所谓线，是指水平垂直面上有多少激光束。这衡量了激光雷达探测垂直角度的能力。
如果你见过L3以上级别的无人车，车顶上不停旋转的装置就是激光雷达。当然如果你买过扫地机器人，顶上凸出来的观望台就是一个单线的激光雷达。单线激光雷达即只能发射一条激光束的雷达，观望台里机械装置在不停转动，实现360度扫描环境。
激光雷达在探测环境时，可以看成是长度几十米到几百米的可以自动发射回收的尺子，遇到障碍物即收回报告障碍物距离，误差最小可以做到几厘米。这把伸缩尺不但能够探测到障碍物的位置信息，还能通过回收不同方向各点激光尺的报告信息，以点成线，以线成面形成障碍物“点云”图像。
但和我们眼睛里的图像不同的是，点云是根据障碍物位置信息聚合的，只能显示形状，几乎不能区分颜色。比如探测到交通指示牌，通过点云描绘的形状，可以判断障碍物是个交通指示牌，但交通指示牌上标识图像和文字等信息，激光雷达是无能为力的。
激光雷达是把好尺子，但也有弱点。激光雷达在不良天气下的表现不佳，由于波长多在近红外，相对小，不能绕过空气中大分子障碍物，因而雨雪烟雾都会对激光尺造成阻挡。
还有一点是价格昂贵，比如市面上多数扫地机器人采用了激光雷达感知方案，尽管使用结构最简单的单线激光雷达，仍然占了整机成本很大部分。Google测试无人车Waymo使用的3个64线激光雷达价格约22万美元。好在L3之前激光雷达还不是必需品，留给了市场时间和机会，乐观认为2020年符合自动驾驶需求的激光雷达价格可以降到1000元。
2. 毫米波雷达—全天候服务，但精度相对低
和激光雷达一样，毫米波雷达也是主动发出电磁波；但不同于“激光束”，毫米波雷达发出的毫米波是一个锥状的波束。毫米波频段30-300GHz，对应波长为1-10mm，比激光雷达使用的波长长，对应的，具备了绕物能力，但精度下降。
但毫米波频段中很多频率区域的电磁波在空气中容易被水离子、氧气吸收，所以可用的频段需要筛选，目前开放给民用的可用频段是24GHz，60GHz，77GHz和120Ghz几段，24GHz传感器已经在ADAS并线辅助等功能中大规模应用。
毫米波波长长，绕物能力好，是否看到了毫米波雷达最大的优势？受天气和环境的影响最小，能在云雨雾雪天气中使用（大雨除外），是各类传感器中全天候性能最好的。
“上帝打开了毫米波雷达的一扇窗，同时也关上了一扇门”，毫米波由于波长太长，探测精度大大下降，不能清晰呈现目标物点云。为了提升毫米波雷达的探测精度，行业重点也由24GHz雷达向77GHz/79GHz雷达发展。
3. 摄像头—最像人的眼睛
摄像头大家都很熟悉了，不熟悉的同学请拿起手机自拍。和激光雷达、毫米波雷达主动发出电磁波不同，摄像头是像人眼一样，被动地接收可见光。
应用于自动驾驶的摄像头负责采集图像信息。相比其他传感器的优势很明显，是唯一可以读取“内容”信息的传感器，障碍物类型、交通标识、信号灯颜色通通归他搞定，所见即所得。
摄像头劣势也很显著，一是识别所消耗的算力巨大，并且识别率不能保证100%（目前识别率约95%），仍需大量数据训练提升；二是摄像头成像是将三维世界映射成二维照片，丢失了深度信息，不能直接给出距离，只能靠算法解决，进一步增加了对算力的要求。
一般来说，只有一个摄像头（单目）的时候采用近大远小原则测距，结合传感器尺寸，通过对比图片中物体的像素大小和样本库中相同物体大小，估算目标距离，这就要求在估算距离之前首先对目标进行准确识别，还要不断维护一个带真实尺寸信息的样本特征数据库。
而双目摄像头（带2个摄像头）的检测方式是通过对两幅图像的视差进行计算，无需进行目标物图像识别，更像人的眼睛。
这里列表总结三大传感器的特性。
辅助传感器
虽然三大传感器的功能已经很强大，仍需一些辅助传感器配合，加强感知能力，应对不同场景。这里来简单来看三大传感器的常用僚机：红外传感器、超声波传感器、惯导。
1. 红外传感器---夜视王者
电影中常有主角带着红外眼镜不换弹夹杀敌三千的场景，红外为什么这么神奇？其实任何具有一定温度的物质都能辐射红外线，红外传感器通过测量目标与背景间的红外线差，将测量信息处理转化为图像信息。在光线不足或恶劣天气场景，红外传感器依然可以检测到摄像头和激光雷达不能识别的物体。
2. 超声波雷达
跟激光和毫米波雷达应用电磁波不同，超声波雷达通过发出超声波信号（是声波而非电磁波）并记录反射时间，运用声速（真空中约340m/s）计算物体距离。
超声波雷达已经在倒车雷达中大规模应用，主要由于超声波测距方法简单，成本低。但超声波雷达测距短、误差大、精度低，导致了应用场景的局限性。
3. 惯导
惯导（INS）全称是惯性导航系统，不要依赖外部信息，通过测量自身运动的方向和加速度，计算运动的速度、角度和位置信息，从而推算自身位置。举个栗子，我们在房间中闭上眼走路，通过心中计算走过的步数和转向的角度估计走动的大体距离。
惯导的优点很突出：不需要依赖于外部信息，不受环境和天气的影响；但惯导的缺点也很明显，定位误差会随时间而增大，工作之前需要校准。另外，符合自动驾驶要求精度的惯导价格很高，达到20万元人民币。
结语&柯基问答
以上展示了各类传感器的优缺点，受限于传感器特性及成本因素，主流传感器融合方案集中于（激光雷达 毫米波雷达 摄像头），激光雷达提供精度信息，毫米波雷达辅助全天候工作，摄像头提供内容信息。但自动驾驶对安全度和稳定性要求极高，需要各类型传感器补充信息，哪怕是冗余。
在新春佳节来临之际，柯基给读友们拜年，愿“时间有效率，时代有思考，猪事顺利，关注科技柯基”。柯基还把祝福语写在了自动驾驶专用道路旁的广告牌上，那么问题来了，当自动驾驶车呼啸而过时，
能够认清广告牌形状的是哪只眼睛呢？ 多选
0人 0%
激光雷达
0人 0%
毫米波雷达
0人 0%
摄像头
0人 0%
红外传感器
0人 0%
送祝福，求关注，心意送到，形状不重要
如果您对我们的服务还满意，请关注
“从0到1看科技”
,
