本文作者Key,博客园主页：https://home.cnblogs.com/u/key1994/
本内容为个人原创作品，转载请注明出处或联系：[email protected]
无人驾驶系统的核心通常被分为三个部分：感知（Perception），规划（Planning）和控制（Control），我一般将这三个部分简称为PPC。
其中，感知系统是整个无人驾驶系统的基础，如果没有感知系统，规划和控制部分都无法正常完成工作。实际上，目前自动驾驶汽车的研究重点与难点正是感知系统。
与传统汽车相对比，自动驾驶汽车的感知系统主要负责人类驾驶员视觉系统所完成的工作。一个有意思的现象是，当前人工智能系统所擅长的领域与人类所擅长的领域往往是相反的。例如，人类的逻辑分析能力远远超过人工智能系统，但是人类的记忆、大数据分析与计算等能力与人工智能比却捉襟见肘。在汽车感知系统方面也一样，人类驾驶员不需要经过特殊的训练，只需要凭借生活经验与常识就可以轻易识别出道路上的行人、车辆、道路线、信号灯等，并根据周边环境迅速做出加速减速、转向等决定。而计算机想要完成同样的操作，却是非常困难的。
为了实现对行驶车辆周围环境信息的收集与理解，就需要在自动驾驶车辆上安装各种类型的传感器来模拟人类驾驶员的双眼，采用更为先进的算法来模拟人类大脑对信息的处理过程。
自动驾驶车辆感知系统采用的传感器主要有摄像头（Camera）、激光雷达（Lidar）和毫米波雷达（Millimeter Wave Radar）。三种传感器都拥有各自的优势，需要配合使用来完成车辆对周边环境信息的获取。
其中，摄像头是自动驾驶车辆上最简单且最接近人眼成像原理的传感器。通过对车辆周围环境实时拍摄，并采用CV技术对所拍摄的图像进行分析，可以实现车辆周围的车辆及行人检测，交通标志和信号灯识别等功能。摄像头的主要优点在于其分辨率高、成本低。
但是在夜晚、雨雪雾霾等恶劣天气下摄像头的性能会迅速下降；此外摄像头所能观察的距离有限，单凭摄像头无法准确得知远距离处的环境信息；摄像头的所拍摄的图像为2D的，虽然可以根据2D的图像建立3D模型，但是其效果难以保证。
毫米波雷达是自动驾驶汽车上另外一种常见的传感器。顾名思义，毫米波雷达是指工作频率选在30-300GHz频域（波长为1-10mm，即毫米波波段）的雷达[1]。要想了解毫米波雷达，首先需要对毫米波有一个基本的概念。随着5G技术的发展，毫米波也越来越多的被提及，毫米波的主要特点有：（1）频带宽，频率资源日益紧张的今天，毫米波的极大的带宽可以为数据传输带来更多的选择；（2）波束窄，信号可以更精确的传递到特定区域，因此可以观察到更多的细节；（3）抗干扰能力强，毫米波对降雨、沙尘、烟雾等离子的穿透能力要比激光和红外强得多；（4）元件尺寸小，用于发射毫米波的元器件尺寸较小，更容易使毫米波雷达小型化。
但是，毫米波也有本身的一些缺陷，比如：（1）信号衰减大，在大气中传播时，毫米波能量容易被氧气、雨雾等吸收，产生信号衰减；（2）容易受到阻挡，毫米波雷达很容易被建筑物、人体等遮挡；（3）传输距离短，毫米波是一种高频电磁波，传输距离短是一种天然的缺陷。
再来看自动驾驶车辆车载毫米波雷达的主要用途。采用毫米波雷达进行目标检测的主要原理为ToF技术，即Time of Flight。毫米波雷达向外界连续发送毫米波信号，并接收目标返回的信号，根据信号发出与接收之间的时间差，即可确定目标距离车辆的距离。因此毫米波雷达在自动驾驶汽车中主要用于避免汽车与周围物体发生碰撞，如盲点监测、避障辅助、泊车辅助、自适应巡航等，组成汽车避障的最后一道防线[2]。
与摄像头和毫米波雷达相比，激光雷达在自动驾驶汽车上的地位更加重要。激光雷达又称光学雷达（Light Detection and Ranging），简称Lidar。与毫米波雷达类似，激光雷达也是通过ToF技术来确定目标位置与距离的。但是，激光雷达是通过发射激光束来实现对目标的探测，其探测精度更高，探测范围更广。但是激光雷达的的缺点同样明显，激光雷达更容易受到空气中雨雪雾霾等的干扰，其高成本也是制约其应用的主要原因。
个人认为，激光雷达被视为自动驾驶汽车最为重要的传感器之一的最重要原因是其在建立三维环境模型上的优势。激光雷达通过发射多线程激光束来采集不同高度上的环境信息，并通过其内部的旋转装置实现水平方向360度范围内的信息采集。激光雷达上的信号接收装置可以接收目标反射的激光束，并将这些激光束形成点云。通过对点云数据进行处理，可以完成对周围环境信息的分类、识别等。但是，任何事情都有正反两面，越多线程的激光雷达所能探测的环境范围越大，其接收的点云数据量越大，对硬件数据处理能力要求越高。此外，由于激光雷达内部旋转装置需要不断旋转并发射激光束，因此对硬件耐磨程度及精度都具有较高要求，这也导致激光雷达成本过高从而提高了自动驾驶汽车的售价。但是，随着技术的不断发展，相信激光雷达的成本和体积都会大大降低，同时性能大大提升。
为什么说可以建立三维环境模型是激光雷达的突出优势呢？自动驾驶汽车行驶在道路上时，除了要识别车辆周围的目标物体之外，还需要对自身进行精确定位，目前最流行的定位方法是GPS+IMU的方式，但是对于对于安全性要求极高的无人车来说，单凭这一种方式进行定位是不能满足需求的，现在很多自动驾驶方案中提出采用高精地图+传感器融合的方案来提高定位的准确性与可靠性，即SLAM技术。采用激光雷达获得的数据更容易与高精地图进行点云匹配，通过这种匹配可以获得汽车在高精度地图上的全球位置及行驶方向。
值得注意的是，以上三种传感器是自动驾驶汽车上最为常见的感知传感器，三者在自动驾驶汽车上各司其职，也相互融合。另外，由于安装位置、方式等问题，三种传感器采集到的数据往往需要进行标定等处理才能使用。
@font-face { font-family: SimSun; }@font-face { font-family: "Cambria Math"; }@font-face { font-family: DengXian; }@font-face { font-family: "@SimSun"; }@font-face { font-family: "@DengXian"; }p.MsoNormal, li.MsoNormal, div.MsoNormal { margin: 0cm 0cm 0.0001pt; text-align: justify; font-size: 12pt; font-family: DengXian; }.MsoChpDefault { font-size: 12pt; font-family: DengXian; }div.WordSection1 { }