无人驾驶中和传感器有关的事儿

前两期的技术汇，我们和大家聊了聊 Anchor 的“前世今生”。今天，我们主要想聊聊无人驾驶的“眼睛”——传感器。废话不多说，下面就进入科普时间。

传感器概览

无人驾驶作为高度集成的系统，所使用的传感器种类繁多、技术跨度较大，如果要做分类，个人认为可以简单分为服务于感知系统的和服务于定位系统的。展开来看，常见的有激光雷达、相机、毫米波、超声波；组合导航（IMU）轮速计等，但再细分，其实又可以分出很多子类。这里讲一下常用的几种感知传感器。

激光雷达按线数分有1、4、8、16、32、40、64、128线等，按工作原理分有机械旋转式和固态式，而固态又分为 MEMS 型、Flash 型、相控阵型。因为机械式技术相对成熟，可选择的产品丰富，目前大部分还是在用机械旋转式。但可以预见的是固态激光雷达是未来的趋势，预计未来1~2年，使用的人会越来越多。

LiDAR 产品，常见关注的技术指标有：测距精度、反射率区分度、有效测距范围、抗干扰能力等；激光雷达的优点是不依赖环境光源、测距精度高，可以达到 cm 级，缺点是会受雨水、阳光影响，且因为是主动发射激光，具有镜面效应。

不同激光雷达输出效果比对，从左至右，从上至下：单线、64线、128线、固态

相机按工作原理分为 RGB 相机、红外相机、事件相机。RGB相机可以构成单目、双目的应用；红外相机分为被动式与主动式；事件相机是一种比较新型的产品。

单目的测距精度一般会比较低为米级～十米级不等，但测距范围可以做到很大，只要能检测到目标就能估计出距离，图森未来在这点已经做到了1千米，而双目可以显著提高测距精度，但测距范围受基线长度影响，一般可以做到 300~400m 米的距离。

图森未来已突破千米感知

普通的 RGB 相机在夜晚没有路灯的情况下，基本是瞎的，此时红外相机的优势便突显出来。被动式红外相机只能接收由物体散发出来的红外光，相比与主动式，效果稍差，主动式红外的感知范围可以通过调整补光强度来控制，感知距离也可以做到几百米。

红外相机下的夜晚道路

事件相机的原理与传统相机有很大区别，它打破了帧的概念，是以事件（发生变化的像素）为单位输出的，也可以硬件直接输出光流信息，具有很高的动态范围和非常低的数据量，为 SLAM 应用提供了很多想想空间。图森未来非常重视视觉传感器，也在自主研发高动态、低照度的相机，可以参考我们的历史文章：图森未来突破夜间感知，实现无人驾驶卡车全天候运营，不再赘述。相机具有信息稠密且空间连续的优点，但往往对计算量的需求也是很大的，且传统相机容易受环境光的影响。

传统相机（左）VS图森未来自研相机（右）在低光照情况下成像对比

毫米波是目前最成熟的车载传感器，按测距范围可以划分成短距、中距和长距，按频段划分国内有24GHz和77GHz两种，77G相对于24G来说，角分辨率会更高一些。具有极好的可靠性和天气适应性，但没有高度信息，且测量精度较低。

综合来看，每种传感器都有其优点，也有其不足的地方。无人驾驶传感器的选择，需要根据需求定位、业务场景、天气环境、成本方面综合考虑，选取出最适合的方案。但一般来说，会是以组合的形式存在，互补、互冗余，以提供更可靠的感知方案。

多传感器使用

传感器有了，为了能得到更高质量的标定结果和算法融合结果，往往还需要做一些处理，主要是不同传感器的时间同步和同步触发。

为了能够统一所有传感器的时间，一般可以将卫星时间作为所有传感器的时间源，同样处理器也使用卫星时间作为时间源。但如何实现呢？不同传感器有不同的特点，首先是处理器，处理器之间可以通过 NTP 进行时间同步，处理器和卫星的同步可以通过PPS实现。对于相机往往内部会有一个时钟，通过内部时钟，是可以对传输耗时进行补偿的，然后通过处理器时间和补偿时间，可以推算出实际的曝光时间。如果相机自身支持 PTP 或其他时间同步协议，则让其与对应的服务自协商进行精密时间同步即可。对于激光雷达，大多数都支持 PPS 时间同步，只要给他提供稳定的 PPS 信号即可。而 PPS 信号是可以由组合导航产生的，这往往是其最基本的功能，很容易实现。这样，所有传感器的时间就都统一为卫星时间了，时间的高精度统一，对于编队行驶尤其重要。有了时间同步的基础，就可以实现同步触发了。

对于相机来说，可以通过发送触发信号，让其在特定时间进行曝光，这种信号可以是软件的，也可以是硬件的，但硬件信号的精度无疑是远远高于软件信号的精度的。对于激光雷达来说，一般都会有相位同步的功能，对于机械式雷达，可以控制其在特定时刻旋转到特定角度。同理，组合导航的PPS信号是一切触发源的基础。

无时间同步

时间同步后

无同步触发

同步触发后

传感器成本考量

不得不说，由于目前自动驾驶的规模还没有大面积铺开，硬件成本还是比较高的，一方面需要做好整体方案规划，合理选型、布局，另一方面，也要不断优化算法，提高系统的鲁棒性，使用相对低成本的传感器，虽精度稍差，但在可控范围内，以节约成本。随着整个行业的发展，相信会有更多选择、性价比高的传感器硬件产品出现。