无人驾驶技术中传感器的使用

无人驾驶属于汽车行业最前沿的研究领域之一。现阶段仅有少量量产车具备L2级别的自动驾驶技术，能够达到L3级别的更是凤毛麟角。但汽车未来的发展方向就是无人驾驶和自动驾驶，而要达到L5级别，仍然需要工程师们付出多年的努力。只是在谈起无人驾驶的时候，你们是否想过，相关的传感器会如何进行布置？需要进行哪些方面的考虑？

我来简单讨论一下要量产的自动驾驶在传感器选型和布置上考虑的问题。

我们都知道，无人驾驶目前主要采用摄像头、毫米波雷达、超声波雷达、激光雷达等几类传感器。这几类传感器在特性上都有所差异，如下表：

可以看到各种传感器的范围和距离都不同，有些性能强大的传感器成本高、选择余地相对也很少。

如何合理选择和布置传感器也成为自动驾驶研发，尤其是量产的关键（成本问题）。

典型区域划分

根据车辆不同方位遇到的情况不同，可以将车辆周边的感知区域划分为以下5类区域：前向A、前侧向B、后侧向E、后向D、侧向C。

每个区域在车辆行驶中遇到的情况都会有不同，所以在不同的区域内，感应范围的要求是不同的。

例如，前向A区域为最主要区域，应覆盖全速行驶时的纵向安全距离，B、E区域则主要检测相邻车道的情况和转向的情况。

传感器工作的主要区域

考虑不同使用场景的需求

在实现L5完全自动驾驶之前，所有的自动驾驶功能都会对场景进行限制，高速公路or城市道路，低速or高速……不同的场景对传感器的需求肯定也不同。

比如高速公路的场景只需要对车辆进行识别，而城市道路还需要对自行车、电动车、行人等进行识别；高速情况下为保证安全，检测的距离一定会比低速远。

而就算在同一种使用场景中，不同的功能对传感器的需求也会不同。例如实现自动泊车，依靠近距离的超声波雷达和全景传感器即可。

在高速公路上实现AEB自动紧急制动和ACC自适应巡航的功能，则仅需要对A区域内的车辆进行检测；但如果实现变道的功能可能还需要对B、E区域进行检测。

而如果高速变道还涉及到从低速匝道变到行驶道路的场景，考虑的因素就更多。

特殊场景举例

对于上述的特殊场景，下面进行简单的举例（举例式讨论，不作为实际参考）：

在下面的场景中，前车在匝道以60km/h的速度行驶，需变道到正常行驶车道，此时目标车道后方有一120km/h行驶的车辆，时距τ=2s，假设变道需要的时间为3s。

则可得到与后方车辆的安全距离为：

因此，E区域的传感器应当能检测到侧后方83米的距离才比较安全，故24GHz的毫米波雷达（≤60m），无法满足此要求；需选择77GHz的毫米波雷达或中距离摄像头（特斯拉Autopilot 2.0方案）。

类似的特殊场景还有很多，因此在目前现有的技术条件下，一定需要先对使用场景进行梳理，再依据场景和功能对传感器方案进行设计。

传感器冗余

自动驾驶的安全性和可靠性一直是最为重要的考量，如果仅仅只为了实现功能进行设计和开发，也难以满足量产的需求。

因此，对于自动驾驶中的重要功能，还需要考虑冗余设计和布置。

比如在重要的前向A区域，除了布置常用的摄像头，还应该布置一个检测距离相近的毫米波雷达；保证在摄像头失效或者出现摄像头工作受限的状况，有毫米波雷达依旧可以继续进行一定程度的检测工作。

特斯拉毫米波雷达布置位置

传感器的外观

汽车今后的传感器会越来越多，激光雷达、摄像头之类的传感器有不能加以任何的遮挡，如果传感器体积过大、外形不美观，也不会被市场心甘情愿的接受；因此将传感器设计布置的尽量不影响外观也是一个重要的考量。

拜腾与奥迪激光雷达布置对比

毫米波雷达布置

与依靠光学的传感器不同，毫米波雷达理论上可以进行隐藏布置（不遮挡最好），但在设计遮盖物、选择布置位置的时候也应该注意几项基本原则：

① 优先选用PC、PP、ABS、TPO 等电解质传导系数小的材料，这些材料中不能夹有金属和碳纤维。

② 覆盖物的表面必须平滑且厚度均匀，不能出现料厚突变或结构复杂的情况，且厚度最好是雷达半波长的整数倍，以减少对雷达波的扭曲和衰减。

毫米波雷达布置示意（引用自论文2）

总结

目前的传感器技术还有一定的进步空间，依靠光学、图像等方式的传感器也无法适应多种复杂的环境和场景；依靠感知系统的融合算法，结合各种传感器的优势能拓展自动驾驶的使用场景。

而随着高精度地图、V2X等技术的应用，超过传感器检测距离的场景和因天气原因无法工作的场景也将会更好的覆盖。