真乄科技業的頂尖投資團隊

越來越多的公司開始大力發展自動駕駛汽車，通過這些廠商的努力探索，我們已經可以一窺哪些傳感特性將驅動自動駕駛汽車向前發展。

谷歌計劃從數千英里的汽車道路行駛測試中找到答案，特斯拉則計劃將高級駕駛輔助系統（ADAS）加入新款汽車中，並觀察其應用情況。上述測試的核心在於自動駕駛汽車的基本構建模塊—— 傳感器。

隨著“無人駕駛”的未來雛形愈趨明顯，汽車所使用的傳感器數量將增加十倍，但是，哪類傳感器最具價值呢？

當人們進行汽車設計時，汽車製造廠商最感興趣的地方在於，在不犧牲安全性的前提下，大力推動成本優化。

基於上述策略，目前的汽車傳感器中，使用最多的就是攝像頭，它所覆蓋的功能包括緊急制動。

同時，為了在2020年實現“Level 4”自動駕駛汽車的目標（這裡的“Level 4”為SAE International國際自動機工程師學會J3016標準對無人駕駛技術等級的劃定。處於Level 4水平的機動車，能夠在匯入高速公路、交通擁堵低速行駛時，實現包括自動轉向、剎車、控速在內的所有駕駛操作），需加強激光雷達和無線電雷達（以下簡稱雷達）的組合應用。讓我們來詳細了解一下每類傳感器的特別之處，以及如何通過傳感器將機動車一步步演變成自動駕駛汽車。

1、激光雷達主要用於3D映射。激光雷達是光探測和測距的簡稱，是一項利用激光進行距離測量的技術。該技術在所有方向的掃描距離能夠達到100多米，最終在汽車周圍生成精確的3D地圖，汽車接收到上述信息後，便能夠對下一步操作做出智能判斷。激光雷達面臨的問題是生成的數據太大，而對OEM廠商而言，激光雷達的價格較高。

2、雷達主要用於運動測量。雷達是無線電探測和測距的簡稱，該傳感器系統利用無線電波來測定速度、範圍和對象角度。雷達的計算量要比攝像頭小很多，與激光雷達相比，所使用的數據也大為減少。從方位而言，雷達的精度比激光雷達低一些，雷達適用於任何狀況，甚至可以利用反射“看”到後方的障礙物。現代無人駕駛汽車的原型機，往往依靠雷達和激光雷達來“交叉驗證”路況，並對駕駛做出預判。

3、攝像頭主要用於分類和紋理解譯。攝像頭是目前為止相對最便宜且使用最頻繁的傳感器（但是其過程處理並不是最便宜的），攝像頭需要用到大量的數據（全高清意味著每一幀都有數百萬像素或兆字節），讓其數據處理成為一項計算量龐大且算法複雜的工作。與激光雷達和雷達不同，攝像機能分辨顏色，因此，攝像機成為場景解讀的最佳工具。

顯然，這三款傳感器對於汽車製造廠商打造下一代互聯網汽車各具優勢，但是分析過每類傳感器的利弊後，我們或許可以做出一些預判與推測。

根據OEM廠商列出的無人駕駛汽車的成本結構，由於成本過高，激光雷達將在很長一段時間內只能是高端車型的選擇。通往“Level 4”水平的自動駕駛汽車（SAE, 2014）需要安全性得到驗證的技術，但是對“Level 2-3”水平的自動駕駛汽車而言，激光雷達的採用率將相對落後。

雷達作為一項成熟技術，在自動駕駛汽車領域變得日益高效。最近介入市場的新興射頻製程（RF CMOS）技術讓雷達傳感器變得更小、功耗更低、效率更高，非常符合OEM廠商的成本縮減策略。這將幫助OEM廠商更好的使雷達與攝像頭實現互補，成為“最佳拍檔”。

攝像頭是三款傳感器中最便宜的一款，並且近期內其在汽車領域的裝配量仍將保持領先地位。攝像頭的未來，很大程度上依賴於無人駕駛汽車控制算法的開發，以及如何處理所生成的大量數據。從谷歌等公司引入潛在的“免費”算法（參考Tensorflow），或許將有助於改變其應用速度。