自动驾驶需要哪些传感器(电动车霍尔传感器)

摆账网知识与问答 2024-11-16 20:28:12

一辆自动驾驶电动汽车需要多少个传感器？

序

汽车市场已经成为传感器的重要应用市场。MEMS汽车传感器作为汽车电控系统电子控制系统的重要信息源，能够实时、准确地测量和控制温度、压力、位置、转速、加速度、振动等各种信息。目前一辆普通家用车安装的传感器有近百个，而一辆豪华车的传感器多达200个。那么作为未来主流的智能电动汽车，其自动驾驶系统需要支持多少个传感器呢？

自动驾驶系统涵盖三个方面，即

1)感知层，通过传感器(包括车载摄像头/超声波雷达/毫米波雷达/激光雷达等)感知车体周围环境。);

2)决策层，通过感知层收集的信息做出相应的决策(涉及芯片/算法)；

3)执行层通过接收传感器的实时信息和芯片/算法得到的决策信号，采取包括制动/报警在内的驱动动作。硬件设备包括传感器、芯片和高精地图。

感知就像人类通过眼睛和耳朵感知周围的情况。自动驾驶的感知包括激光雷达、毫米波雷达、高清摄像头等硬件设备的周边感知，以及GNSS(全球导航卫星系统)、IMU(惯性测量单元)、RTK(实时动态)定位等绝对位置定位，用于采集车辆周边环境。

激光雷达

激光雷达的两个最重要的特性是测距和精度。激光雷达可以主动探测周围环境，属于“主动视觉”，即使在夜间也能准确探测障碍物。由于激光束更加集中，因此比毫米波雷达具有更高的探测精度。缺点是成本高，技术不成熟，影响车辆整体外观。激光雷达的成本要高于2万元，而相机的成本最高只有2000元，雷达更便宜。激光雷达主导的解决方案给主机厂带来了成本压力。

报告显示，法雷奥排名第一，占比28%；RoboSense(速腾聚创)占比10%，排名第二；Luminar、Livox (DJI)、电装、Mainland China、Cepton，份额7%，并列第三；其次是Innoviz、Ibeo、华为、何塞科技、Innovusion(土豆通)和威力登，份额为3%。

超声波雷达

超声波雷达已经在汽车上使用了很多年，在很多车辆的前侧和后侧都可以找到它们。根据工作频率，超声波雷达有40kHz、48kHz、58kHz三种。频率越高，灵敏度越高，探测角度越小。在工作状态下，通过发射和接收超声波，超声波雷达可以测量0.2-5米范围内的障碍物，精度为1-3厘米。但是，由于工作频率属于声学范围，超声波雷达的缺点也很明显。尤其是汽车高速行驶时，由于超声波信号的传播延迟，接收到的信息会有延迟。此外，超声波设备还存在指向性差的问题，需要更多的设备覆盖相同的区域，天气条件也会很大程度上影响它们的探测效果。

不过这并没有影响超声波雷达在汽车行业的应用，关键是它的性价比高。市场上单个超声波雷达的价格只有几十元人民币。按照一套倒车雷达系统，安装四台超声波雷达，硬件成本不到200元。自动泊车系统虽然需要更多的超声波雷达，但总的硬件成本可以控制在500元左右。相对于动辄几万甚至几十万元的激光雷达，超声波雷达在成本上的优势太突出了。目前超声波的使用场景基本有三种。一种是实现简单的倒车辅助和预警障碍物的预警功能，配置的超声波雷达数量一般为4个；另一种是增加前进过程中的汽车预警，配置数量为8个；最后一个是配置12辆车，实现横、竖、斜三个方向的自动泊车。

供应商方面，法雷奥、博世、电装、TTE占据主要份额，走软硬件一体化的停车方案。但近年来，国内本土供应商也在加紧抢占市场，从低端停车辅助到停车应用。高工智能汽车研究院以自建的前装定点和量产项目数据库为基本评价指标，通过对企业规模、资本实力、研发实力等六项一级指标的综合评价，正式发布了年度超声波雷达(国内)供应商市场竞争力TOP10榜单；d能力、业务能力、行业影响力、成长潜力。尚电科技、豪恩汽车、奥迪威、穆宗科技、合富盛泰克、海康汽车、重庆光大、富一行、友宝艾嘉、苏州优达斯等榜上有名。

毫米波雷达

毫米波是指波长为1 ~ 10毫米的电磁波，毫米波的波长介于厘米波和光波之间，所以毫米波兼有微波制导和光电制导的优点。毫米波雷达是指工作在毫米波段的雷达。毫米波雷达通过天线向外发射毫米波，接收目标的反射信号，快速准确地获得直接相对距离、速度、角度、运动方向等。经过计算后的汽车车身与其他物体之间的距离，然后返回给车辆的中央处理器(ECU)进行智能处理和决策。车载毫米波雷达主要集中在24GHz和77GHz两个频段。毫米波雷达具有传输距离远、性能稳定、成本可控等优点，但也存在角度分辨率弱、识别精度低的缺点。基于测量距离远、全天候稳定工作、成本低的特点，毫米波雷达无疑被广泛应用于自动驾驶汽车，但其在探测精度上的短板也需要不断的技术迭代来弥补。

ADAS系统的毫米波雷达市场长期被国外汽车零部件巨头集中垄断，以德国、美国、日本为研发地。主要公司有博世、Mainland China、海拉、富士通、电装、天河、德尔福和奥托立夫。国内微波/毫米波雷达传感器企业近年来逐渐兴起，大多为初创企业，普遍缺乏整车行业背景。随着ADAS(高级驾驶辅助系统)的加速渗透，越来越多的汽车产业链供应商，如沪电、亚太。

份、华域汽车等大厂纷纷通过自主研发、国际合作、投资创业团队等方式切入加速布局。

车载高清摄像头

摄像头测距能力相对较弱，且受环境光照的影响大，但摄像头的核心优势在于非常适用于物体识别、数据量远超其他传感器。摄像头成像原理与人眼类似，都是物体反射的光通过镜片在传感器上成像，人眼就能看懂摄像头拍摄的内容，摄像头可以完成物体分类。同时摄像头拥有最丰富的线性密度，其数据量远超其他类型的传感器。基于图像信息密度最高的优势，使得它处于整个感知融合的中心地位。车载摄像头覆盖率较低，市场潜力巨大。

要完全实现自动驾驶，汽车必须配置五类摄像头，伴随智能驾驶等级提升，单车车载摄像头数量增长，单车摄像头配置数量至少为 12个，L5预计需要12-15颗（感知环视 DMS/OMS），随着车载摄像头技术的成熟，单品价格总体呈下降趋势，据 ICVTank 数据，2020 年车载摄像头价格带芯片及算法前视摄像头1,000元左右，无芯片500万像素仅200元，未来这一价格有望进一步下降，并将进一步推动车载摄像头覆盖率和单车配置数量提升。随着ADAS和自动驾驶的逐步深入，预计未来车载摄像头市场规模仍保持高速增长，根据ICVTank，全球车载摄像头市场规模将有望在2025年达到270亿美元，CAGR 达15.8%

车载摄像头企业：

GPS与IMU

对于一辆自动驾驶汽车来说，高精定位有两层含义：（1）得到自车与周围环境之间的相对位置，即相对定位；（2）得到自车的精确经纬度，即绝对定位。因此，自动驾驶汽车对于周边环境的理解需要高精地图、联合感知等技术的辅助。高精地图可以把由测绘车提前采录好的、用经纬度描述的道路信息告诉车辆，而所有的车辆也可以把实时感知得到的、用经纬度描述的动态障碍物的信息广播给周围的车辆，这两个技术叠加在一块，就可以大大提高自动驾驶汽车的安全性，从而拓展它们的运营范围。之所以使用经纬度来描述这些信息，是因为不同的车辆，包括采集高精地图的测绘车在内，必须使用同一个观测坐标系才能共享观测的信息，而目前世界上最通用的观测坐标系就是由经纬度定义的坐标系，对绝对定位的需求就来自这里。众所周知，GPS可以为车辆提供精度为米级的绝对定位，差分GPS或RTK GPS可以为车辆提供精度为厘米级的绝对定位，然而并非所有的路段在所有时间都可以得到良好的GPS信号。因此，在自动驾驶领域，RTK GPS的输出一般都要与IMU，汽车自身的传感器（如轮速计、方向盘转角传感器等）进行融合。严格来讲，IMU只提供相对定位信息，即自体从某时刻开始相对于某个起始位置的运动轨迹和姿态。然而，将IMU的相对定位与RTK GPS的绝对定位进行融合后，就产生了两个无可替代的优点：

（1）IMU可以验证RTK GPS结果的自洽性，并对无法自洽的绝对定位数据进行滤波和修正；一个简单的例子是，如果RTK GPS输出汽车的绝对位置在短时间内发生了很大的变化，这意味着汽车有很大的加速度，而此时IMU发现汽车并不具备这样的加速度，就表明RTK GPS的定位出了问题，应该由IMU来接管绝对定位系统；

（2）IMU可以在RTK GPS信号消失之后，仍然提供持续若干秒的亚米级定位精度，为自动驾驶汽车争取宝贵的异常处理的时间。同样的道理，IMU也可以在相对定位失效时，对相对定位的结果进行航迹推演，在一段时间内保持相对定位的精度；例如，在车道线识别模块失效时，基于失效前感知到的道路信息和IMU对汽车航迹的推演，仍然能够让汽车继续在车道内行驶。

其中，IMU的全称是inertial measurement unit，即惯性测量单元，通常由陀螺仪、加速度计和算法处理单元组成，通过对加速度和旋转角度的测量得出自体的运动轨迹。

陀螺仪

陀螺仪，测量角速度，具有高动态特性，它是一个间接测量角度的器件。它测量的是角度的导数，即角速度，要将角速度对时间积分才能得到角度。陀螺仪就是内部有一个陀螺，它的轴由于陀螺效应始终与初始方向平行，这样就可以通过与初始方向的偏差计算出旋转方向和角度。

加速度计

加速度计的低频特性好，可以测量低速的静态加速度。当我们把加速度计拿在手上随意转动时，我们看的是重力加速度在三个轴上的分量值。加速度计在自由落体时，其输出为0。为什么会这样呢？这里涉及到加速度计的设计原理：加速度计测量加速度是通过比力来测量，而不是通过加速度。加速度计若是绕着重力加速度的轴转动，则测量值不会改变，也就是说加速度计无法感知这种水平旋转。陀螺仪与加速度计之间的关系好似一条船，姿态就是航向（船头的方位），重力是灯塔，陀螺（角速度积分）是舵手，加速度计是瞭望手。舵手负责估计和把稳航向，他相信自己，本来船向北开的，就一定会一直往北开，觉得转了90度弯，那就会往东开。当然如果舵手很牛逼，也许能估计很准确，维持很长时间。不过只信任舵手，肯定会迷路，所以一般都有瞭望手来观察误差。

IMU的关键优势，在于它在任何天气和地理条件下都能正常工作。作为一个独立的数据源，它可用于短期导航，并验证来自其他传感器的信息，也不会因为天气、透镜污垢、雷达和激光雷达信号反射或城市峡谷效应而失效。作为一个独立的传感器，IMU被视为补充和证实其他传感器数据的传感器，即最后的传感器，用于确保车辆行驶安全，并在其他传感器受损或失效时以可控的方式使车辆停止，因此，有人将IMU称为自动驾驶系统的定海神针。目前，市场上所有配备ESC（电子稳定控制系统）系统的车辆，都已配备了低精度低成本的IMU，而高精度IMU虽可满足自动驾驶惯性导航的性能要求，但过去数千美元的价格使其无法在汽车市场上大规模部署。目前，诸多业内企业正致力于将高精度IMU的成本降至100美元以下

在IMU企业端，博世、意法半导体、TDK、ADI是全球领先的IMU供应商，中国厂商也在竞逐IMU领域，如深迪半导体、罕王微电子

自动驾驶各传感器汇总对比

通过上述分析，我可以发现这些自动驾驶传感器或多或少存在一些盲点，这就使得传感器性能的重叠和数据的融合，显得至为重要。例如，当激光雷达受到恶劣天气干扰时，雷达和红外摄像机可保证自动驾驶系统的感知功能。GNSS（全球导航卫星系统）是自动驾驶系统的一个核心要素。GNSS通过两种增强改正模式，RTK（实时动态）和PPP（精确点定位），极大地提高了GNSS的精度，将定位精度从几米提高至几厘米，当然，GNSS存在信号丢失和城市中心多路径等问题。在过去，RTK / PPP硬件成本和服务费用较高，但新型芯片模组及算法有望将其成本降低到大众市场水平。惯性测量单元（IMU），可作为传感器数据缺失时的有效补充。IMU利用内置的加速度传感器和陀螺仪，可测量三维线性加速度和三维角速度，根据这些信息，可计算出车辆的姿态（俯仰角和滚动角）、航向、速度和位置变化。IMU可用于填补GNSS信号更新之间的空白，甚至可以在GNSS和系统中的其他传感器失效时，进行航位推算。

我们以特斯拉和Waymo两种智能驾驶感知层解决方案来说明

1.以特斯拉为代表的视觉主导方案和以视觉主导方案以摄像头为主导，配合毫米波雷达、超声波雷达、低成本激光雷达；特斯拉Autopilot的感知工作主要依赖3个前置摄像头、2个侧方前视摄像头、2个侧方后视摄像头、1个后视摄像头、12个超声波传感器、1个毫米波前置雷达，实现了多传感器融合冗余。

2.WAYMO为代表的激光雷达主导方案。激光雷达主导方案以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头。Waymo自研的4D成像雷达应用于Waymo发布的第五代感知系统Waymo Driver，搭载自研激光雷达（1个车顶 4个车辆前后左右），6个自研毫米波雷达、自研29个摄像头、麦克风列阵等

结论

一辆电动汽车自动驾驶系统需要多少传感器来支撑呢？也许我们没法有个明确数值，不同厂商有不同的技术解决方案，目前无法清楚判断孰优孰劣，但是多种传感器融合与互补是必然的，无论是激光雷达、超声波、毫米波、摄像头还是GPS、IMU、加速度计、陀螺仪都是电动汽车自动驾驶必备的传感器，目前我们国内厂商相对国外企业在技术上相对要滞后，不过我们也可以看过在不同的传感领域我们一样有着不少优秀的企业代表在不断发展进步，中国作为智能汽车最大的消费市场，自动驾驶的成熟需要我们中国市场来验证，作为其核心硬件传感器研发需要我们中国企业来参与及完善。