正确感知周围环境，深度了解自动驾驶传感器

　　特斯拉在五月份发生的自动驾驶事故，和最近在Defcon上演示的如何干扰传感器，都充分说明了传感器在自动驾驶中的重要性：环境感知是自动驾驶实现的基础，如果不能正确地感知周围环境，那么接下来的认知、决策与控制，都是空中楼台。

　　从传感器技术发展本身来说，要在接下来十年里保证自动驾驶车安全地上路，硬件性能与背后的软件算法，以及不同传感器之间的数据融合，都是需要提升的地方。

　　△车辆上的各式各样传感器

　　传感器在自动驾驶的重要性无需赘言

　　特斯拉的Autopilot系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆在高速路车道行驶、变道以及根据交通情况调整车速。

　　谷歌的全自动驾驶测试车用的是价格昂贵、结构复杂的远距传感系统LiDAR（激光雷达）。

　　丰田透露过他们的高速道路自动驾驶汽车上有12个传感器：1个藏在内后视镜里的前摄像头，5个测量周围车辆速度的雷达，和6个探测周围目标位置的激光雷达5。

　　尽管也有一些企业另辟蹊径，希望通过V2X技术来完成环境感知的工作，但是V2X严重依赖于基础设施，而传感器则不受这个限制。

　　激光雷达

　　LiDAR系统使用的是旋转激光束。宝马、谷歌、日产和苹果的无人驾驶试验车用的就是这项技术。但要想在量产车上应用，价格必须大幅下降。业内普遍认为，再过几年这个目标就能实现。

　　△激光雷达工作原理 

　　激光雷达的工作原理是通过发射和接收激光束来实现的。在其内部，每一组组件都包含一个发射单元与接收单元。上图的Velodyne使用了旋转镜面的设计。

　　这套发射/接收组件和旋转镜面结合在一起，能扫描至少一个平面。镜面不只反射二极管发出去的光，而且也能把反射回来的光再反射给接收器。通过旋转镜面，能够实现90到180度的视角，并且大大降低系统设计和制造的复杂度，因为镜面是这里面唯一的运动机构。

　　脉冲光以前被用于探测距离。探测距离的原理是基于光返回的时间，激光二极管发出脉冲光，脉冲光照射到目标物后反射一部分光回来，在二极管附近安装一个光子探测器，它可以探测出返回来的信号，通过计算发射和探测的时间差就可以计算出目标物的距离。脉冲距离测量系统一旦被激活就能收集到大量的点云。

　　如果点云中有目标物，目标物就会在点云中呈现出一个阴影。通过这个阴影可以测量出目标物的距离和大小。通过点云可以生成周围环境的3D图像。点云密度越高，图像越清晰。

　　通过激光雷达来生成周围环境的3D图像有几种不同的方式。

　　一种实现方法是让发射/接收组件上下移动同时让镜面旋转，有时也叫这种方法为"眨眼点头"。这种方法能生成高度方向上的点云，但是减少了方位数据点（azimuthdatapoints），因此点云密度会降低，分辨率也不够高。

　　另一种方法叫"光扫描激光雷达"（flashLiDAR）。这种方法是使用2D焦平面阵列（FocalPlaneArray，FPA）捕捉像素距离信息，同时发出激光来照射大块面积。这类传感器结构复杂，制造困难，因此还没有广泛的商业应用。但是它属于固态传感器，没有运动部件，因此将来有可能替代现有的机械式传感器。

　　目前虽然有不同的LiDAR结构可以产生很多形式的3D点云系统，但是还没有一种系统能达到自动驾驶导航的应用要求。比如说，有很多系统能生成精致的图像，但是产生一幅图像需要花好几分钟。这种系统就不适合移动传感类的应用。还有一些光扫描系统的刷新率很高，但视角和探测距离又太小。另外还有一些单光束（singlebeam）系统能提供有用的信息，但是如果目标太小或者超出了视角就探测不到了。

　　要想让LiDAR传感器的使用最大化，必须要能够看到周围所有的地方，也就是所说的需要实现360度视角；最终给用户输出的数据要有实时性，因此必须使数据收集和画面生成之间的时间延迟最小化。驾驶员的反应时间一般是十分之几秒，如果我们要实现自动驾驶导航，那么导航电脑的刷新率至少要达到十分之一秒。视角也不能只看水平方向，还需要有高度方向的视角，否则车就会掉到路上的坑里。垂向视角应该向下尽可能的靠近车辆，以便让自动驾驶适应路面的颠簸和陡坡。

　　目前，业内有数家生产制造激光雷达的企业，他们的产品也有着各自的特色。 

　　Velodyne拥有高精度激光雷达技术（HDL），据称其HDL传感器能够提供360度水平视角，26.5度的垂直视角，15Hz的刷新率，并可以每秒生成一百万像素的点云。今年Velodyne推出了小型化的32线传感器，可以实现200米的探测距离，垂直视角28°。

　　△Velodyne固态32线UltraPack激光雷达

Leddar公司同样