如今，越来越多的新车，都搭载了不同等级的自动驾驶功能，从基础的自适应巡航、车道保持，到高阶的城市领航辅助、无图自动驾驶，汽车能自己跟车、自己刹车、自己变道，甚至能自己识别路上的行人、电动车、障碍物，提前减速避让，哪怕司机分神了，也能避免事故的发生。很多人都会好奇：自动驾驶的汽车，没有眼睛，到底是怎么 “看见” 路上的行人和障碍物的？它怎么知道前面是车、是人、还是红绿灯？甚至能在暴雨、大雾的天气里，依然精准识别，不会出错？
很多人对自动驾驶的认知，觉得就是在车上装了几个摄像头，像人眼一样看路，然后控制车辆行驶。但事实上，自动驾驶汽车的 “眼睛”，远比我们想象的要复杂得多，它是一套由摄像头、毫米波雷达、激光雷达、超声波雷达组成的多传感器融合感知系统，不同的传感器各司其职，互相配合、互相补充，再通过人工智能算法，把这些传感器收集到的信息，融合在一起，精准识别出路上的车辆、行人、非机动车、交通标志、障碍物，甚至能预判它们的下一步动作，最终实现自动驾驶。
想要搞懂自动驾驶汽车怎么 “看见” 世界，我们先要明白，自动驾驶的核心，分为三个部分：感知、决策、控制。感知，就是汽车的 “眼睛和耳朵”，负责收集周围环境的所有信息；决策，就是汽车的 “大脑”，负责根据感知到的信息，做出判断，决定是加速、刹车、还是变道；控制，就是汽车的 “手脚”，负责执行决策的指令，控制油门、刹车、方向盘。而感知，是整个自动驾驶的基础，只有精准、全面地 “看见” 周围的环境，才能做出正确的决策，保障行车安全。
自动驾驶汽车的感知系统，主要由四大类传感器组成，它们就像四种不同的 “眼睛”，能看到不同的东西，各自有各自的优势和短板，最终通过融合算法，形成一个完整、精准的环境感知模型。我们先从最基础、最常用的传感器说起：摄像头，也就是我们常说的视觉感知方案，这是自动驾驶汽车最核心的传感器之一，也是最接近人眼的传感器。
车载摄像头，和我们手机里的摄像头原理一样，通过镜头拍摄车外的画面，然后把画面传输给车载的计算平台，通过人工智能深度学习算法，对画面里的内容进行识别和分类。算法能精准地识别出画面里的汽车、行人、非机动车、车道线、交通信号灯、交通标志、路面的坑洼和障碍物，甚至能识别出交通信号灯的颜色、标志上的文字，还能通过双目摄像头，计算出目标物体和车辆之间的距离、速度。
摄像头的优势非常明显：它成本低、分辨率高，能识别物体的颜色、形状、纹理、文字，是识别交通标志、红绿灯、车道线的最佳传感器，而且能通过图像，对物体进行精准的分类，知道前面的是小汽车、大货车、还是行人，这是其他传感器很难做到的。我们常听到的纯视觉自动驾驶方案，就是以摄像头为核心传感器，通过多个摄像头，组成 360 度的环视视野，实现对周围环境的完整感知。
但摄像头也有自己的短板：它非常依赖光线和天气环境，在晚上、逆光、暴雨、大雾、大雪的天气里，摄像头的识别精度会大幅下降，甚至无法识别；而且，单目摄像头对距离的测量精度不高，很容易出现误差，双目摄像头虽然能精准测距，但对算法的要求极高。所以，纯视觉方案，需要极强的人工智能算法和海量的数据训练，来弥补硬件的短板。
为了弥补摄像头的短板，自动驾驶汽车上，还会配备第二种核心传感器：毫米波雷达。毫米波雷达，是通过发射和接收毫米波，来探测目标物体的传感器。毫米波是一种电磁波，波长在 1-10 毫米之间，它的传播速度是光速，雷达发射出毫米波，毫米波遇到障碍物会反射回来，雷达通过计算毫米波发射和接收的时间差，就能精准算出目标物体和车辆之间的距离，再通过毫米波的频率变化，算出目标物体的速度，也就是我们常说的多普勒效应。
毫米波雷达的优势，和摄像头正好互补：它不受光线、天气的影响，无论是白天黑夜、还是暴雨、大雾、大雪天气，都能正常工作，精准探测到目标物体的距离和速度，而且成本低、技术成熟，能在恶劣天气里，给自动驾驶提供最基础的安全保障。同时，毫米波雷达对运动的物体极其敏感，能精准测出几百米外车辆的速度和距离，是自适应巡航、自动紧急制动功能的核心传感器。
但毫米波雷达也有自己的短板：它的分辨率很低，无法识别物体的形状、颜色、类别，只能知道 “前面有一个物体，距离多远、速度多快”，但不知道这个物体是车、是人、还是路牌，也无法识别车道线、红绿灯和交通标志。而且，毫米波雷达对静态的障碍物识别能力很弱，很容易把路面的井盖、路牌、路边的护栏，当成无关的静态物体过滤掉，无法识别路面的静止障碍物。
这时候，就需要第三种传感器登场了：激光雷达，也就是我们常说的 LiDAR，它是如今高阶自动驾驶最核心的传感器，被称为自动驾驶的 “千里眼”。激光雷达的原理，和毫米波雷达类似，只不过它发射的不是毫米波，而是激光束，也就是波长极短的红外线。激光雷达会高速旋转，向四面八方发射无数束激光，激光遇到障碍物会反射回来，雷达通过计算激光发射和接收的时间差，就能精准算出周围每一个物体的距离、方位、高度、形状，最终生成一个周围环境的三维点云模型，把整个世界，以三维的形式，精准地还原出来。
激光雷达的优势，是极其精准的测距能力和三维建模能力，它的测距精度能达到厘米级，哪怕是几百米外的一个易拉罐，也能精准探测到，而且能生成周围环境的三维模型，精准识别出物体的形状、大小、位置，哪怕是静态的障碍物，也能精准识别，不会出现漏检。同时，它也不受光线的影响，白天黑夜都能正常工作，抗干扰能力极强。
简单来说，摄像头只能看到二维的平面画面，而激光雷达能看到三维的立体世界，能精准知道前面的物体有多远、多大、是什么形状，甚至能识别出路面的坑洼、凸起，这对高阶自动驾驶来说，是至关重要的。如今，绝大多数的高阶自动驾驶车型，都会搭载多个激光雷达，组成 360 度的三维感知视野，保障自动驾驶的安全。
当然，激光雷达也有短板：它的成本很高，而且在暴雨、大雾、大雪的天气里，激光会被空气中的雨滴、雾气散射，探测距离和精度会有所下降；同时，它无法识别颜色和文字，不能识别红绿灯和交通标志，依然需要摄像头来配合。
除了这三种核心传感器，自动驾驶汽车上，还有第四种传感器：超声波雷达，也就是我们常说的倒车雷达。超声波雷达，通过发射超声波，来探测近距离的障碍物，它的探测距离很短，通常只有几米，但是成本极低，能精准探测到近距离的障碍物，哪怕是很小的物体，也能识别到。它主要用在倒车、泊车、低速行驶的场景里，识别车辆周围的障碍物，实现自动泊车、低速避障的功能，是自动驾驶感知系统的最后一道防线。
讲到这里，我们就能明白，自动驾驶汽车的感知系统，为什么要采用多传感器融合的方案了。摄像头能识别物体的类别、颜色、文字，毫米波雷达能精准测速、在恶劣天气里正常工作，激光雷达能精准测距、构建三维环境模型，超声波雷达能识别近距离的障碍物，它们各自的优势互补，短板互相弥补，通过人工智能算法，把所有传感器收集到的信息融合在一起，形成一个完整、精准、可靠的环境感知模型。
比如，在晴朗的白天，摄像头和激光雷达能精准识别路上的行人和车辆，毫米波雷达能测出它们的速度，预判它们的下一步动作；在暴雨、大雾的天气里，摄像头和激光雷达的性能下降，毫米波雷达依然能精准探测到前方车辆的距离和速度，保障车辆不会追尾；在低速泊车的时候，超声波雷达能精准识别周围的障碍物，让车辆安全地停进车位。
更厉害的是，如今的自动驾驶系统，不仅能 “看见” 当下的环境，还能通过人工智能算法，预判周围车辆、行人的下一步动作，比如预判旁边的车要变道、前面的行人要过马路，提前做出减速、避让的决策，就像一个经验丰富的老司机，能提前预判风险，保障行车安全。
从最初的倒车雷达，到如今能实现城市领航的高阶自动驾驶，汽车的感知技术，发生了翻天覆地的变化。这些摄像头、雷达，就像汽车的无数双眼睛，360 度无死角地观察着周围的环境，哪怕司机分神了，它们也能时刻保持警惕，识别路上的风险，避免事故的发生。了解了自动驾驶汽车的感知原理，我们就能明白，自动驾驶的安全，从来都不是靠单一的传感器，而是靠多传感器融合的冗余设计，和海量数据训练的人工智能算法，它们共同组成了汽车的 “眼睛和大脑”，守护着我们的行车安全。
来源: 同行视界
10个月宝宝每天需要喝多少奶粉？
