智能輔助駕駛：雷達、LiDAR和攝像頭孰優(yōu)孰劣？

現在各大車(chē)企在智能輔助駕駛方面宣傳尤為看重，但實(shí)際怎么運轉、有何作用又有什么優(yōu)劣？目前汽車(chē)中使用的傳感器主要是雷達、LiDAR和攝像頭。它們各有長(cháng)短，用處不同。這些傳感器協(xié)同工作，提供外部世界車(chē)輛、行人、騎自行車(chē)的人、標志等原始數據，其重疊功能會(huì )產(chǎn)生冗余（圖中顏色重疊部分），確保一個(gè)系統出現故障時(shí)，另一個(gè)系統繼續運行。

ADAS完整愿景將融合多種RF技術(shù)和立體視覺(jué)等傳感器，形成一個(gè)完整的360°數字處理環(huán)境。

毫米波雷達

毫米波雷達是一種使用毫米波段進(jìn)行測距、探測、跟蹤、成像的主動(dòng)傳感器。它可主動(dòng)發(fā)射電磁波，穿透煙塵，幾乎不受光線(xiàn)和天氣影響，幫助車(chē)輛實(shí)時(shí)感知周?chē)矬w并提供較為準確的距離和速度信息。

毫米波雷達里，77GHZ毫米波雷達是智能汽車(chē)上必不可少的關(guān)鍵部件，是能夠在全天候場(chǎng)景下快速感知0-200米范圍內周邊環(huán)境物體距離、速度、方位角等信息的傳感器件。那么它是如何計算被監測目標的位置、速度和方向的呢？

· 位置

毫米波雷達通過(guò)發(fā)射天線(xiàn)發(fā)出相應波段的有指向性的毫米波，當毫米波遇到障礙目標后反射回來(lái)，通過(guò)接收天線(xiàn)接收反射回來(lái)的毫米波。根據毫米波的波段，通過(guò)公式計算毫米波在途中飛行的時(shí)間&TImes;光速÷2，再結合前車(chē)行駛速度和本車(chē)的行駛速度因素，就可以知道毫米波雷達(本車(chē))和目標之間的相對距離了，同時(shí)也就知道目標的位置。

· 速度

此外，根據多普勒效應，毫米波雷達的頻率變化、本車(chē)及跟蹤目標的相對速度是緊密相關(guān)的，根據反射回來(lái)的毫米波頻率的變化，可以得知前方實(shí)時(shí)跟蹤的障礙物目標和本車(chē)相比的相對運動(dòng)速度。因此，表現出來(lái)就是，傳感器發(fā)出安全距離報警時(shí)，若本車(chē)繼續加速、或前監測目標減速、或前監測目標靜止的情況下，毫米波反射回波的頻率將會(huì )越來(lái)越高，反之則頻率越來(lái)越低。

· 方位角

關(guān)于被監測目標的方位角測量問(wèn)題，毫米雷達的探測原理是：通過(guò)毫米波雷達的發(fā)射天線(xiàn)發(fā)射出毫米波后，遇到被監測物體，反射回來(lái)，通過(guò)毫米波雷達并列的接收天線(xiàn)，通過(guò)收到同一監測目標反射回來(lái)的毫米波的相位差，就可以計算出被監測目標的方位角了。原理圖如下：

方位角αAZ是通過(guò)毫米波雷達接收天線(xiàn)RX1和接收天線(xiàn)RX2之間的幾何距離d，以及兩根毫米波雷達天線(xiàn)所收到反射回波的相位差b，然后通過(guò)三角函數計算得到方位角αAZ的值，這樣就可以知道被監測目標的方位角了。

位置、速度和方位角監測是毫米波雷達擅長(cháng)之處，再結合毫米波雷達較強的抗干擾能力，可以全天候全天時(shí)穩定工作，因此毫米波雷達被選為汽車(chē)核心傳感技術(shù)。

但是，毫米波雷達的感知精度并不理想，不具備圖像級的成像能力。因為毫米波雷達是利用在目標物體表面的反射、漫反射和散射來(lái)進(jìn)行目標檢測和跟蹤，所以對于像行人、動(dòng)物、自行車(chē)這一類(lèi)低反射率的目標，探測準確度也會(huì )大打折扣，路面上的靜態(tài)物體也可能被當成雜波過(guò)濾掉了。

另外，4D毫米波雷達其實(shí)也是毫米波雷達的一種，并非什么新物種。相比傳統3D毫米波雷達而言，4D毫米波多加了一個(gè)高度信息，但是分辨率相比激光雷達來(lái)說(shuō)還是有很大差距。目前市場(chǎng)上的4D毫米波雷達每幀約輸出1000多點(diǎn)，而一個(gè)128線(xiàn)激光雷達每幀輸出可達十幾萬(wàn)點(diǎn)，二者輸出的數據量相差了2個(gè)數量級之多。

毫米波雷達點(diǎn)云示意

激光雷達

激光雷達也是一種主動(dòng)傳感器，最常見(jiàn)的ToF (Time of Flight) 測距法，就是通過(guò)主動(dòng)發(fā)射激光光束，并測量他們與周?chē)矬w反射往返的時(shí)間來(lái)確定距離和位置。激光雷達通過(guò)向外界發(fā)出每秒數百萬(wàn)個(gè)激光點(diǎn)，可以獲取到這些點(diǎn)的三維定位信息，清晰呈現出行人、斑馬線(xiàn)、車(chē)輛、樹(shù)木等物體細節，達到圖像級分辨率。而且，激光點(diǎn)越密集，分辨率就越高，越能完整且清晰地重構真實(shí)世界。

由于其“主動(dòng)發(fā)光”的特性，激光雷達受周?chē)h(huán)境光線(xiàn)變化的影響非常小，在一片漆黑的夜間環(huán)境也能夠“精準洞察”。此外，激光雷達能夠直接獲取到物體的體積和距離，不像攝像頭要靠“猜”，因此針對小型、異形障礙物的檢測，應對近距離加塞、隧道、車(chē)庫等復雜場(chǎng)景，都會(huì )有更好的發(fā)揮。不過(guò)，激光雷達的性能在大雨、雪、霧等極端天氣下也會(huì )受到一定程度的影響。

LiDAR是通過(guò)多個(gè)旋轉（物理或通過(guò)邏輯）的激光器來(lái)實(shí)現的，以360度視野掃描車(chē)輛周?chē)h(huán)境。在自動(dòng)駕駛發(fā)展史上，LiDAR一直是一項重要的傳感技術(shù)。開(kāi)創(chuàng )性的自動(dòng)駕駛原型依靠LiDAR實(shí)現了精確的距離測量、可靠性和易用性。

例如，2004年開(kāi)始的由美國國防部高級研究計劃局（DARPA）贊助的自動(dòng)駕駛挑戰賽中，大多數參賽者都依賴(lài)LiDAR技術(shù)。LiDAR沒(méi)有辜負人們的期望，優(yōu)勢顯而易見(jiàn)，包括：

· 高精度（測量精度達到厘米級）

· 高數據速率（機械式旋轉LiDAR每秒旋轉20轉以上）

· 經(jīng)驗證穩定可靠

· 感測效果不受溫度和光照的影響

盡管LiDAR有諸多優(yōu)點(diǎn)，但也確實(shí)有一定的技術(shù)局限性：

· 在雨、霧和灰塵等惡劣天氣條件下會(huì )因反射造成誤報。專(zhuān)用算法處理可能解決這些問(wèn)題，但比較復雜；

· 眼睛安全條例對LiDAR的信號強度有所限制，使分辨率限制了視場(chǎng)和視場(chǎng)之間的距離；

· LiDAR測量的有效性與物體的反射率有關(guān)。如果信號遇到反射性差的障礙物，如黑色車(chē)輛，信號的能量只返回很小一部分，此感測的可靠性會(huì )降低。幸運的是，大多數交通參與者都有足夠的反射能力，所以L(fǎng)iDAR在的應用相當廣泛。

攝像頭

攝像頭是最常見(jiàn)的汽車(chē)傳感器，裝在車(chē)身四周可以從多角度捕捉環(huán)境圖像，在90 年代就已開(kāi)始進(jìn)入商用并逐漸普及。它也是最接近人眼的傳感器，能夠獲取到豐富的色彩和細節信息，比如車(chē)道線(xiàn)，指示標志，紅綠燈等等。

攝像頭單目測距原理及實(shí)現：人的眼睛長(cháng)在頭部的前方，兩只眼的視野范圍重疊，兩眼同時(shí)看某一物體時(shí)，產(chǎn)生的視覺(jué)稱(chēng)為雙眼視覺(jué)。雙眼視覺(jué)的優(yōu)點(diǎn)是可以彌補單眼視野中的盲區缺損，擴大視野，并產(chǎn)生立體視覺(jué)。也就是說(shuō)，假如只有一只眼睛，失去立體視覺(jué)后，人判斷距離的能力將會(huì )下降。這也就是單目失明的人不能考取駕照的原因。

單純的單目視覺(jué)測距，必須已知一個(gè)確定的長(cháng)度。

f為攝像頭的焦距，c為鏡頭光心。物體發(fā)出的光經(jīng)過(guò)相機的光心，然后成像于圖像傳感器或者也可以說(shuō)是像平面上，如果設物體所在平面與相機平面的距離為d，物體實(shí)際高度為H，在傳感器上的高度為h，H一定要是已知的，我們才能求得距離d。

下面的相機焦距f并不是透鏡的焦距，而是焦距+z0,這個(gè)我們必須要清楚。因為成像是在像平面，并不是成像在焦平面，焦平面的距離才是f，但是我們下面的模型不需要知道實(shí)際的f，所以就使用了像平面的距離焦距f+z0作為相機焦距f。

由相似三角形，可以得到:

同時(shí)，攝像頭其局限性也非常明顯，如果遇到會(huì )暗光、逆光等影響“視線(xiàn)”的情況，攝像頭也會(huì )像人眼一樣看不清從而丟失目標。

第一步，求相機焦距：

對于蠟燭，我們可以：

1.測量蠟燭的高度 H 作為先驗知識；

2.測量蠟燭到相機光心的距離 d;

3.通過(guò)相機拍攝的這一幀蠟燭圖像，可以得到蠟燭在圖像中的高度所占像素個(gè)數 h ；

知道三個(gè)量，就可以求出相機的焦距f，即：

需要注意，相機的焦距是個(gè)固定值，只要使用該方法求出焦距后，以后就不用再求了。但是，可能需要多次測量求平均值。

第二步，求物體距離相機的實(shí)際距離：

得到了相機焦距f ，對于放在其他位置的任意物體，就可以根據：

1.該物體的先驗值高度 H ；

2.統計出該物體在該幀圖像中的高度所占像素個(gè)數 h ；

3.前面求出來(lái)的相機焦距固定值 f ；

得到物體距離相機的實(shí)際距離d ：

出隧道時(shí)的逆光可能會(huì )讓攝像頭“致盲”

同時(shí)，視覺(jué)感知技術(shù)的核心在于通過(guò)軟件算法去解析高密度的信息，也就是通過(guò)“識別”這些物體并“估測”它們的距離。如果遇到一些“不認識”的物體，比如道路上的異形障礙物等，可能會(huì )因為無(wú)法全面而準確地感知，從而導致系統做出錯誤的決策。

也正因如此，僅基于攝像頭的智能駕駛方案大多停留在L2 階段，涉及 L3 級別以上的自動(dòng)駕駛功能仍存在許多 corner case 無(wú)法完美解決。這時(shí)，就需要其他傳感器來(lái)進(jìn)行“互補”。

雷達、LiDAR和攝像頭孰優(yōu)孰劣？

其實(shí)攝像頭、毫米波雷達、激光雷達這三種智能汽車(chē)上最常見(jiàn)的傳感器，各有優(yōu)缺點(diǎn)。但三個(gè)傳感器疊加在一起，就能發(fā)揮更大的作用。

攝像頭是被動(dòng)傳感器，能識別豐富的色彩信息，但受光線(xiàn)影響顯著(zhù)，在一些光線(xiàn)不好的環(huán)境下置信度相對較低。毫米波雷達的置信度高，但因分辨率較低，能夠識別出的物體類(lèi)型較少，無(wú)法有效感知行人、自行車(chē)或更小的物體。激光雷達不論是從測距能力、置信度、可感知物體細節，綜合實(shí)力都很出色，可能最大的缺點(diǎn)，就是有點(diǎn)“貴”。

但毫無(wú)疑問(wèn)的是，激光雷達的成本正在迅速降低，越來(lái)越多的汽車(chē)廠(chǎng)商已經(jīng)將激光雷達集成至了量產(chǎn)車(chē)型中，提升智能駕駛系統的安全性與舒適性。隨著(zhù)芯片化技術(shù)在不斷進(jìn)化，激光雷達的元器件數量已大幅減少，而且自動(dòng)化產(chǎn)線(xiàn)的效率上升，也有助于生產(chǎn)成本的下降。激光雷達已經(jīng)從幾年前的百萬(wàn)元級別，降至了目前的幾千元級別，成為普通消費者也能用上的“汽車(chē)黑科技”。

最后回歸到用戶(hù)需求，一個(gè)智能駕駛系統是不是“好用”，還是用戶(hù)說(shuō)了算。在感知層面，傳感器各有長(cháng)短版，如何讓它們更好地“各司其職”，發(fā)揮各自最大的優(yōu)勢才是關(guān)鍵。隨著(zhù)智能駕駛軟件能力的不斷迭代，相信未來(lái)也會(huì )逐漸“解鎖”更多的硬件潛力，進(jìn)而賦予消費者更絲滑、更舒適的智駕體驗。

來(lái)源：電車(chē)匯