誰將為未來自動駕駛的核心傳感器代言？

自動駕駛現(xiàn)已成為人工智能技術(shù)應(yīng)用落地的熱門領(lǐng)域，但隨著無人車邁出的步伐越大，面臨的安全性方面的挑戰(zhàn)也越大。而近期不斷發(fā)生的自動駕駛車輛事故也將自動駕駛安全性的問題再次推向風(fēng)口浪尖。自動駕駛車輛的安全性問題成為當(dāng)前社會各界，包括研究領(lǐng)域最關(guān)心的課題之一。其中，作為自動駕駛車輛的眼睛——傳感器就很重要了。

如今，車載傳感器的種類五花八門，無論是攝像頭、雷達(dá)、還是利用光脈沖測距的光達(dá)(Lidar)組件，均是各有所長。其中，以車載攝像頭與激光雷達(dá)為代表的傳感器“一哥之爭”最為引人注目。

一個是傳感器“新晉小生”激光雷達(dá)，時刻發(fā)揚(yáng)著高效、精準(zhǔn)的探測精神；另一個是入行多年、以成本低廉、技術(shù)成熟著稱的“老大哥”攝像頭，誰將為未來自動駕駛的核心傳感器代言？

通過為期一個月的觀點PK活動【激光雷達(dá)與攝像頭，未來哪種會成為自動駕駛的核心傳感器】，我們收集了兩種陣營的不同觀點看法，究竟是用攝像頭還是激光雷達(dá)？大家一起來看看。

為攝像頭“老大哥”站站隊觀點 1效果不錯，但太貴怎么辦？

“從仿生學(xué)角度來看，人類只依靠眼睛和耳朵就能夠準(zhǔn)確判斷交通中出現(xiàn)的各種問題。在實際商業(yè)化過程中，激光雷達(dá)雖然效果不錯，但過于昂貴，不適合落地。”

這是攝像頭陣營中發(fā)出的第一種聲音：太貴，用不起！

據(jù)了解，目前美國Velodyne64線激光雷達(dá)在10萬美金左右，即使是16線雷達(dá)的售價也在8000美金左右。

試想一下，如果換成最新出爐的128線激光雷達(dá)，也夠商用車廠“捏一把冷汗”的。相比之下攝像頭的成本就低了不止一點點，足夠讓自動駕駛研發(fā)領(lǐng)域“心動許久”。

觀點 2沒有用到極致，就是浪費，太不光榮！

“都知道攝像頭便宜，如果再加上毫米波雷達(dá)、超聲波雷達(dá)等，完全可以將效果提升到很好的狀態(tài)?，F(xiàn)在很多廠商太過于看重激光雷達(dá)的“潮流性”，而并沒有好好想辦法將廉價的傳感器性能發(fā)揮到極致，這就是一種跟風(fēng)形勢下的浪費！”

其實業(yè)界關(guān)于將攝像頭技術(shù)發(fā)揮到極致的探索，一直在持續(xù)。

很長一段時間里，關(guān)于自動駕駛的路況判斷，多數(shù)以單目攝像頭的方案為主，但在測距范圍與距離上，就會不可避免出現(xiàn)一個難以平衡的問題。

因為攝像頭的技術(shù)原理類似于人類的眼睛，視覺越寬，探測到的精準(zhǔn)距離的長度越短；當(dāng)距離變長時，視角就相應(yīng)地變窄了，很大程度上為路況判斷帶來障礙。

如何解決？業(yè)內(nèi)很快出現(xiàn)了雙目甚至多目攝像頭。

雙目攝像頭所涉及的雙目視覺測距原理，不同于單目，要先將目標(biāo)障礙物與數(shù)據(jù)庫樣本建立起對應(yīng)關(guān)系、然后才能進(jìn)行距離估算。

其采用的是基于視差的三角測距原理，僅通過計算左右“兩眼”獲取的兩幅圖像對應(yīng)點間的位置偏差，就可以實時還原視覺場景中每一點的真實三維幾何信息，有點類似于3D 電影的感覺。

除了雙目攝像頭，更為先進(jìn)的多目攝像頭可以通過不同角度的攝像頭來捕捉不同范圍的場景，同時解決無法來回切換焦距以及不同距離情況下提升識別清晰度的問題。

但基于現(xiàn)實來看，盡管多目攝像頭解決了一些問題，但同時也帶來了例如成本和安裝位置等新難題，當(dāng)然我們相信，攝像頭的技術(shù)改進(jìn)會持續(xù)不斷。

觀點 3確定“狂用”激光雷達(dá)，不是噱頭+炒作嗎？

“未來，自動駕駛系統(tǒng)的處理速度和分辨率都不應(yīng)該成為問題。攝像頭的價格便宜且圖像內(nèi)容豐富，而激光雷達(dá)獲得的是稀疏圖像?！?/p>

在自動駕駛的輔助駕駛系統(tǒng)中，視覺影像處理系統(tǒng)最基礎(chǔ)，對于駕駛者的呈現(xiàn)也更直觀，而攝像頭在視覺影像處理系統(tǒng)中又是“基礎(chǔ)中的基礎(chǔ)”，因此車載攝像頭對于自動駕駛必不可少。

此外，計算機(jī)視覺在自動駕駛車輛上的使用確實出現(xiàn)了一些比較直觀的例子。例如交通標(biāo)志和信號燈的識別、高速公路車道的檢測定位。如今基于Lidar信息實現(xiàn)的部分功能，也可以用基于計算機(jī)視覺技術(shù)的攝像頭來實現(xiàn)。

計算機(jī)視覺系統(tǒng)在自動駕駛場景中主要解決的問題可以歸結(jié)為：物體的識別與跟蹤以及車輛本身的定位等。通過深度學(xué)習(xí)的技術(shù)，攝像頭可以識別在行駛途中遇到的物體，例如行人、地上的標(biāo)志、紅綠燈以及旁邊的車輛等。

業(yè)界普遍相信隨著技術(shù)的發(fā)展，更多基于攝像頭的算法會讓自動駕駛的感知能力越發(fā)穩(wěn)、準(zhǔn)、快。

為“小鮮肉”激光雷達(dá)加加油觀點 1攝像頭技術(shù)瓶頸較多，能好用？

“通過解析圖像數(shù)據(jù)來獲取行駛狀態(tài)的方式還是太被動，而且速度慢，抗干擾性也差。如果攝像范圍內(nèi)飛過一只鳥都要解析一下，遇上雨雪冰雹的話，難保車載計算機(jī)不會死機(jī)。”

觀點 2激光雷達(dá)還是利大于弊，很快會走上“物美價廉”的道路！

“激光雷達(dá)所具有的高精度、高可靠性以及三維特性使其將作為并有可能一直作為自動駕駛技術(shù)核心傳感器發(fā)揮作用?！?/p>

三維激光雷達(dá)的點云數(shù)據(jù)可以精確描繪周圍環(huán)境及目標(biāo)的三維輪廓及方位深度信息，對于目標(biāo)檢測、識別、跟蹤的實現(xiàn)至關(guān)重要。

雖然基于雙目視覺技術(shù)，攝像頭確實可以實現(xiàn)深度信息的獲取，但其精確度、環(huán)境耐性還是會帶來應(yīng)用的局限性。

目前，Velodyne的64線激光雷達(dá)確實要60-70萬人民幣，但隨著自動駕駛技術(shù)的普及，激光雷達(dá)技術(shù)的成熟，生產(chǎn)廠商的增加，產(chǎn)量的提升以及低線數(shù)和固態(tài)激光雷達(dá)的發(fā)展，廉價的激光雷達(dá)在不遠(yuǎn)的將來一定會出現(xiàn)。

觀點 3實踐出真知，激光雷達(dá)確實好用的沒話說！

“因為切身實踐過，對遠(yuǎn)距離攝像頭的局限性深有感觸?！?/p>

目前， 激光雷達(dá)的激光掃描方法不僅可以作為軍事用途，而且獲取的數(shù)據(jù)成果也被廣泛應(yīng)用于城市規(guī)劃、農(nóng)業(yè)開發(fā)、環(huán)境監(jiān)測及國家重點建設(shè)項目等方面，經(jīng)濟(jì)效益顯著，應(yīng)用前景比較好。

如果盤點目前所有的傳感器技術(shù)，激光雷達(dá)依舊最熱門！

此外還有一個重要原因，激光雷達(dá)在自動駕駛中確實表現(xiàn)了相當(dāng)多的用途。事實證明，高度自動化的車輛如果需要一個具有定位功能的基本地圖，關(guān)于此沒有任何一項技術(shù)能夠取代激光雷達(dá)，這就是高端產(chǎn)品得以競爭的地方。

以Velodyne 的16線激光雷達(dá)為例。視覺測距點云非常稠密，可以達(dá)到每秒鐘輸出2700萬點云，而16線激光雷達(dá)的點云只有30萬點云，點密度會高出90倍；但在測量范圍呈現(xiàn)的誤差上，立體視覺與激光雷達(dá)相比，遠(yuǎn)距離方面會落后很多。

具體來說，雙目視覺在近處的誤差較小，可以達(dá)到厘米級別，而在遠(yuǎn)端的誤差會較大，會在幾米的級別甚至達(dá)到十米的誤差，這與成像精度、成像條件以及測量目標(biāo)等相關(guān)。

而激光雷達(dá)從近到遠(yuǎn)都能保持很好的測距精度。從視場角分析，視覺系統(tǒng)不可避免地受到一些光學(xué)成像的限制，視場角不如360°旋轉(zhuǎn)的機(jī)械激光雷達(dá)。

過去，激光雷達(dá)的高價一直被人們“吐槽”，而供貨商也通過各種技術(shù)升級開發(fā)多種光束控制技術(shù)，不斷改善光達(dá)的耐用性、尺寸以及成本，其中固態(tài)光達(dá)就是探索成果之一。

固態(tài)激光雷達(dá)，就是不使用機(jī)械式激光雷達(dá)中的機(jī)械旋轉(zhuǎn)部件，采用電子方案來達(dá)到全范圍的探測，將體積縮小。

另外一種，混合固態(tài)激光雷達(dá)，是介于固態(tài)激光雷達(dá)和機(jī)械式激光雷達(dá)兩者中間。從外觀上，混合固態(tài)激光雷達(dá)幾乎看不到傳統(tǒng)的旋轉(zhuǎn)部件，但其實內(nèi)部的機(jī)械旋轉(zhuǎn)部件做的十分小巧并藏于機(jī)身內(nèi)部。

技術(shù)上來講，目前固態(tài)激光雷達(dá)和混合固態(tài)激光雷達(dá)尚處于起步階段，不過很重要的一點，業(yè)界正在尋求激光雷達(dá)成本與功能的平衡。

同發(fā)聲：綜合利用+相輔相成

其實無論是攝像頭陣營還是激光雷達(dá)的梯隊，都有一種共同的聲音，就是綜合利用，互補(bǔ)發(fā)展。

現(xiàn)在都打“組合拳”，離了誰都不行！

“以目前的行業(yè)發(fā)展情況來看，攝像頭+激光雷達(dá)的解決方案是必然的。”

激光雷達(dá)的優(yōu)點是能精確、迅速地捕捉行駛過程中與障礙物的距離、相對速度等關(guān)鍵信息，但僅靠這些信息還是無法實現(xiàn)真正意義上的“自動駕駛”。

自動駕駛想要真正占領(lǐng)市場，必然要與城市、高速公路交通系統(tǒng)對接，進(jìn)而通過人工智能實現(xiàn)常規(guī)問題的技術(shù)化。如何識別道路的紅綠燈、道路標(biāo)識，分析行人的動向？對于自動駕駛系統(tǒng)，單純感知到障礙的存在是沒意義的，必須具備預(yù)測障礙運動軌跡的能力，而攝像頭確實能夠采集豐富得多的數(shù)據(jù)，對算法提供的有效信息也要比雷達(dá)多得多。

其實，隨著自動駕駛車輛收集的傳感器數(shù)據(jù)越來越多，當(dāng)下最重要的還是傳感器融合的質(zhì)量。畢竟，自動駕駛無法使用單獨一種傳感器來完成駕駛?cè)蝿?wù)以及安全保障，很大程度上傳感器融合的結(jié)果決定了決策與行為的安全性。

當(dāng)然，如果必須同步所有的傳感器信號，這種融合方式還是比較困難的。相比于對象數(shù)據(jù)，原始數(shù)據(jù)在轉(zhuǎn)換過程中不會發(fā)生丟失，所以大數(shù)人支持這種數(shù)據(jù)融合的方式。但是不容忽視的一點，如果做到原始數(shù)據(jù)的融合，就必須要大批量的處理能力以及GB級網(wǎng)絡(luò)，才能準(zhǔn)確無誤將信號傳送到整車中。

相輔相成，相互滲透才是正道！

“目前看，高端的激光雷達(dá)為主，計算機(jī)視覺(也就是攝像頭)為輔比較合適。”

同樣，在激光雷達(dá)的支持陣營中，也有聲音明確表示，無論是激光雷達(dá)還是攝像頭，都應(yīng)該“相輔相成”才是最佳！

現(xiàn)在，大多數(shù)團(tuán)隊青睞的32線或64線激光雷達(dá)在探測道路障礙的能力上非?？煽浚灰谔綔y范圍內(nèi)，它們幾乎不可能出錯。不過，一旦距離稍遠(yuǎn)，它們就很有可能分不清障礙物到底是什么，例如將皮卡錯看成普通汽車，將三位行人看成兩位，此外也可能無法識別面部表情和肢體語言。最重要的是，這家伙是“色盲”，它看不出紅綠燈信號。

如果有了計算機(jī)視覺的輔助，情況就不一樣了。激光雷達(dá)可以將障礙物的圖片從背景中“摳”出來，隨后計算機(jī)視覺很容易就能分清它到底是什么，而且無需100%可靠，只負(fù)責(zé)提高最終效果就行。

如果自動駕駛汽車只需遵從“不要撞到路上的東西”這樣簡單的命令，激光雷達(dá)就完全夠用，但這樣的設(shè)定下自動駕駛汽車會頻繁剎車，影響乘坐舒適度。隨著激光雷達(dá)的精度越來越高，環(huán)境建模會更加細(xì)致，而且一般來說激光視場角大，穩(wěn)定性更高，可靠性更好，不過一些場景的識別還是需要攝像頭，所以更多開發(fā)者贊同以激光雷達(dá)為主、攝像頭為輔的自動駕駛感知系統(tǒng)。

傳感器融合之路，企業(yè)需“留心”

其實不單單是激光雷達(dá)、攝像頭這兩種傳感器，自動駕駛一定會走上各種車載傳感器融合的道路。

從L1到L5所涉及的不同階段的輔助駕駛以及自動駕駛的發(fā)展過程中，對傳感器的種類和數(shù)量的需求會呈現(xiàn)不斷增長的趨勢。

越復(fù)雜的駕駛環(huán)境和自動駕駛功能對環(huán)境的感知需求也會越來越高，所以高敏感度的傳感器融合是自動駕駛企業(yè)應(yīng)該特別“留心”的事兒。

比如，在“定位”的場景下，GPS通常會以較低的更新頻率提供相對準(zhǔn)確的位置信息，而IMU則以較高的更新頻率提供不太具有準(zhǔn)確性的位置信息。在這個過程中，我們通?？梢允褂每柭鼮V波來整合兩種類型的數(shù)據(jù)，它們各自呈現(xiàn)的優(yōu)勢，合并后提供準(zhǔn)確且實時的位置信息更新。

GPS/IMU定位（圖片來源于CSDN資訊）

例如，IMU每5ms更新一次，但期間誤差不斷累積導(dǎo)致了精度不斷降低。但同時每100ms可以得到一次的GPS數(shù)據(jù)更新，可以有效幫助校正IMU積累的誤差。

但這樣的搭配帶來的數(shù)據(jù)組合并不足以完成精確的定位工作。主要由于這樣的定位精度僅在一米之內(nèi)，涉及范圍太狹窄；GPS信號所帶有的天然多路徑問題將引入噪聲干擾；如果在開放的環(huán)境中，GPS也不適用，例如隧道等。

因此作為補(bǔ)充方案，攝像頭也加入了“定位”的行列。

簡單來說，基于視覺的定位，首先需要通過對立體圖像的三角剖分，得到視差圖來計算每個點的深度信息。

然后可以通過匹配連續(xù)立體圖像幀之間的顯著特征，通過相關(guān)性估計兩幀之間的運動情況。

立體視覺測距問題（圖片來源于CSDN資訊）

最后通過比較顯著特征和已知地圖上的定位點來計算車輛的當(dāng)前位置。

但這種以視覺為基礎(chǔ)的定位方法比較敏感，適用性并不樂觀，在此基礎(chǔ)上，借助大量粒子濾波的激光雷達(dá)就登場了！

由激光雷達(dá)產(chǎn)生的點云對環(huán)境進(jìn)行了“形狀化描述”，盡管精準(zhǔn)度還做不到極致，但是通過粒子濾波，系統(tǒng)可以做到將已知地圖與觀測到的具體形狀進(jìn)行比較，然后降低位置的不確定性。

車輛在運動狀態(tài)下，又該怎么辦？這種情況，可以使用粒子濾波的方法來關(guān)聯(lián)已知地圖和激光雷達(dá)測量過程。

據(jù)了解，粒子濾波可以在10厘米的精度內(nèi)達(dá)到實時定位的效果，這個指標(biāo)在城市道路的復(fù)雜環(huán)境中比較有效。

但不容忽視的一點，激光雷達(dá)在一些特殊的氣候條件下也存在問題。例如，空氣中有懸浮的顆粒，通常的雨滴或者灰塵就會對測量結(jié)果產(chǎn)生很大的波動！

這樣梳理下來，一個簡單的“精準(zhǔn)定位”操作妥妥需要傳感器相互融合，各自發(fā)揮自帶的優(yōu)點！

定位中的傳感器融合（圖片來自CSDN資訊）

百度作為自動駕駛領(lǐng)域的“先行者”，始終堅持傳感器融合的態(tài)度。關(guān)于激光雷達(dá)以及攝像頭，Apollo在感知方案對以上兩種方案均有考慮。從1.5開始，加入64線激光雷達(dá)，主要用于3D障礙物的感知。到2.0加入毫米波雷達(dá)，增強(qiáng)了遠(yuǎn)距離的能力，而且增加了與激光雷達(dá)的融合感知。另外還新增了不同焦距的兩個攝像頭，主要用于紅綠燈的識別。最后在2.0版本中對于這兩種傳感器的使用，是一種相互結(jié)合的情況。目前使用的參考硬件有：

車載計算單元 ─ Neousys Nuvo-6108GC

CAN 卡 ─ ESD CAN-PCIe/402-B4

GPS與慣導(dǎo)（IMU） ─ 支持兩種選型：

NovAtel SPAN-IGM-A1

NovAtel SPAN? ProPak6? and NovAtel IMU-IGM-A1

Light Detection and Ranging System (LiDAR)激光雷達(dá) ─ Velodyne HDL-64E S3

攝像頭 — Leopard Imaging LI-USB30-AR023ZWDR with USB 3.0 case

毫米波雷達(dá) — Continental大陸 ARS408-21

Apollo各傳感器、計算單元和控制器的接線與數(shù)據(jù)流通原理圖：

備注：

黑色線：基于協(xié)議格式的數(shù)據(jù)流

紅色線：電源的連接線

具體的安裝過程參照：《Apollo 2.0 Hardware and System Installation Guide》

總體上說，傳感器與配套的算法及芯片相輔相成，未來更希望提供一套完整的解決方案，而不是單個硬件。另外不同類型的傳感器的功能各有優(yōu)勢，融合使用并通過量產(chǎn)及新技術(shù)推動才有望達(dá)到成本的下降。