智能輔助駕駛：雷達(dá)、LiDAR和攝像頭孰優(yōu)孰劣？

現(xiàn)在各大車企在智能輔助駕駛方面宣傳尤為看重，但實際怎么運轉(zhuǎn)、有何作用又有什么優(yōu)劣？目前汽車中使用的傳感器主要是雷達(dá)、LiDAR和攝像頭。它們各有長短，用處不同。這些傳感器協(xié)同工作，提供外部世界車輛、行人、騎自行車的人、標(biāo)志等原始數(shù)據(jù)，其重疊功能會產(chǎn)生冗余（圖中顏色重疊部分），確保一個系統(tǒng)出現(xiàn)故障時，另一個系統(tǒng)繼續(xù)運行。

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

毫米波雷達(dá)

毫米波雷達(dá)是一種使用毫米波段進(jìn)行測距、探測、跟蹤、成像的主動傳感器。它可主動發(fā)射電磁波，穿透煙塵，幾乎不受光線和天氣影響，幫助車輛實時感知周圍物體并提供較為準(zhǔn)確的距離和速度信息。

毫米波雷達(dá)里，77GHZ毫米波雷達(dá)是智能汽車上必不可少的關(guān)鍵部件，是能夠在全天候場景下快速感知0-200米范圍內(nèi)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(jiān)測目標(biāo)的位置、速度和方向的呢？

· 位置

毫米波雷達(dá)通過發(fā)射天線發(fā)出相應(yīng)波段的有指向性的毫米波，當(dāng)毫米波遇到障礙目標(biāo)后反射回來，通過接收天線接收反射回來的毫米波。根據(jù)毫米波的波段，通過公式計算毫米波在途中飛行的時間&TImes;光速÷2，再結(jié)合前車行駛速度和本車的行駛速度因素，就可以知道毫米波雷達(dá)(本車)和目標(biāo)之間的相對距離了，同時也就知道目標(biāo)的位置。

· 速度

此外，根據(jù)多普勒效應(yīng)，毫米波雷達(dá)的頻率變化、本車及跟蹤目標(biāo)的相對速度是緊密相關(guān)的，根據(jù)反射回來的毫米波頻率的變化，可以得知前方實時跟蹤的障礙物目標(biāo)和本車相比的相對運動速度。因此，表現(xiàn)出來就是，傳感器發(fā)出安全距離報警時，若本車?yán)^續(xù)加速、或前監(jiān)測目標(biāo)減速、或前監(jiān)測目標(biāo)靜止的情況下，毫米波反射回波的頻率將會越來越高，反之則頻率越來越低。

· 方位角

關(guān)于被監(jiān)測目標(biāo)的方位角測量問題，毫米雷達(dá)的探測原理是：通過毫米波雷達(dá)的發(fā)射天線發(fā)射出毫米波后，遇到被監(jiān)測物體，反射回來，通過毫米波雷達(dá)并列的接收天線，通過收到同一監(jiān)測目標(biāo)反射回來的毫米波的相位差，就可以計算出被監(jiān)測目標(biāo)的方位角了。原理圖如下：

方位角αAZ是通過毫米波雷達(dá)接收天線RX1和接收天線RX2之間的幾何距離d，以及兩根毫米波雷達(dá)天線所收到反射回波的相位差b，然后通過三角函數(shù)計算得到方位角αAZ的值，這樣就可以知道被監(jiān)測目標(biāo)的方位角了。

位置、速度和方位角監(jiān)測是毫米波雷達(dá)擅長之處，再結(jié)合毫米波雷達(dá)較強(qiáng)的抗干擾能力，可以全天候全天時穩(wěn)定工作，因此毫米波雷達(dá)被選為汽車核心傳感技術(shù)。

但是，毫米波雷達(dá)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(dá)是利用在目標(biāo)物體表面的反射、漫反射和散射來進(jìn)行目標(biāo)檢測和跟蹤，所以對于像行人、動物、自行車這一類低反射率的目標(biāo)，探測準(zhǔn)確度也會大打折扣，路面上的靜態(tài)物體也可能被當(dāng)成雜波過濾掉了。

另外，4D毫米波雷達(dá)其實也是毫米波雷達(dá)的一種，并非什么新物種。相比傳統(tǒng)3D毫米波雷達(dá)而言，4D毫米波多加了一個高度信息，但是分辨率相比激光雷達(dá)來說還是有很大差距。目前市場上的4D毫米波雷達(dá)每幀約輸出1000多點，而一個128線激光雷達(dá)每幀輸出可達(dá)十幾萬點，二者輸出的數(shù)據(jù)量相差了2個數(shù)量級之多。

毫米波雷達(dá)點云示意

激光雷達(dá)

激光雷達(dá)也是一種主動傳感器，最常見的ToF (Time of Flight) 測距法，就是通過主動發(fā)射激光光束，并測量他們與周圍物體反射往返的時間來確定距離和位置。激光雷達(dá)通過向外界發(fā)出每秒數(shù)百萬個激光點，可以獲取到這些點的三維定位信息，清晰呈現(xiàn)出行人、斑馬線、車輛、樹木等物體細(xì)節(jié)，達(dá)到圖像級分辨率。而且，激光點越密集，分辨率就越高，越能完整且清晰地重構(gòu)真實世界。

由于其“主動發(fā)光”的特性，激光雷達(dá)受周圍環(huán)境光線變化的影響非常小，在一片漆黑的夜間環(huán)境也能夠“精準(zhǔn)洞察”。此外，激光雷達(dá)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(yīng)對近距離加塞、隧道、車庫等復(fù)雜場景，都會有更好的發(fā)揮。不過，激光雷達(dá)的性能在大雨、雪、霧等極端天氣下也會受到一定程度的影響。

LiDAR是通過多個旋轉(zhuǎn)（物理或通過邏輯）的激光器來實現(xiàn)的，以360度視野掃描車輛周圍環(huán)境。在自動駕駛發(fā)展史上，LiDAR一直是一項重要的傳感技術(shù)。開創(chuàng)性的自動駕駛原型依靠LiDAR實現(xiàn)了精確的距離測量、可靠性和易用性。

例如，2004年開始的由美國國防部高級研究計劃局（DARPA）贊助的自動駕駛挑戰(zhàn)賽中，大多數(shù)參賽者都依賴LiDAR技術(shù)。LiDAR沒有辜負(fù)人們的期望，優(yōu)勢顯而易見，包括：

· 高精度（測量精度達(dá)到厘米級）

· 高數(shù)據(jù)速率（機(jī)械式旋轉(zhuǎn)LiDAR每秒旋轉(zhuǎn)20轉(zhuǎn)以上）

· 經(jīng)驗證穩(wěn)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，但也確實有一定的技術(shù)局限性：

· 在雨、霧和灰塵等惡劣天氣條件下會因反射造成誤報。專用算法處理可能解決這些問題，但比較復(fù)雜；

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

· 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，如黑色車輛，信號的能量只返回很小一部分，此感測的可靠性會降低。幸運的是，大多數(shù)交通參與者都有足夠的反射能力，所以LiDAR在的應(yīng)用相當(dāng)廣泛。

攝像頭

攝像頭是最常見的汽車傳感器，裝在車身四周可以從多角度捕捉環(huán)境圖像，在90 年代就已開始進(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(xì)節(jié)信息，比如車道線，指示標(biāo)志，紅綠燈等等。

攝像頭單目測距原理及實現(xiàn)：人的眼睛長在頭部的前方，兩只眼的視野范圍重疊，兩眼同時看某一物體時，產(chǎn)生的視覺稱為雙眼視覺。雙眼視覺的優(yōu)點是可以彌補(bǔ)單眼視野中的盲區(qū)缺損，擴(kuò)大視野，并產(chǎn)生立體視覺。也就是說，假如只有一只眼睛，失去立體視覺后，人判斷距離的能力將會下降。這也就是單目失明的人不能考取駕照的原因。

單純的單目視覺測距，必須已知一個確定的長度。

f為攝像頭的焦距，c為鏡頭光心。物體發(fā)出的光經(jīng)過相機(jī)的光心，然后成像于圖像傳感器或者也可以說是像平面上，如果設(shè)物體所在平面與相機(jī)平面的距離為d，物體實際高度為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(jī)焦距f并不是透鏡的焦距，而是焦距+z0,這個我們必須要清楚。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際的f，所以就使用了像平面的距離焦距f+z0作為相機(jī)焦距f。

由相似三角形，可以得到:

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

第一步，求相機(jī)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(jī)光心的距離 d;

3.通過相機(jī)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數(shù) h ；

知道三個量，就可以求出相機(jī)的焦距f，即：

需要注意，相機(jī)的焦距是個固定值，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(jī)的實際距離：

得到了相機(jī)焦距f ，對于放在其他位置的任意物體，就可以根據(jù)：

1.該物體的先驗值高度 H ；

2.統(tǒng)計出該物體在該幀圖像中的高度所占像素個數(shù) h ；

3.前面求出來的相機(jī)焦距固定值 f ；

得到物體距離相機(jī)的實際距離d ：

出隧道時的逆光可能會讓攝像頭“致盲”

同時，視覺感知技術(shù)的核心在于通過軟件算法去解析高密度的信息，也就是通過“識別”這些物體并“估測”它們的距離。如果遇到一些“不認(rèn)識”的物體，比如道路上的異形障礙物等，可能會因為無法全面而準(zhǔn)確地感知，從而導(dǎo)致系統(tǒng)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 級別以上的自動駕駛功能仍存在許多 corner case 無法完美解決。這時，就需要其他傳感器來進(jìn)行“互補(bǔ)”。

雷達(dá)、LiDAR和攝像頭孰優(yōu)孰劣？

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

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

但毫無疑問的是，激光雷達(dá)的成本正在迅速降低，越來越多的汽車廠商已經(jīng)將激光雷達(dá)集成至了量產(chǎn)車型中，提升智能駕駛系統(tǒng)的安全性與舒適性。隨著芯片化技術(shù)在不斷進(jìn)化，激光雷達(dá)的元器件數(shù)量已大幅減少，而且自動化產(chǎn)線的效率上升，也有助于生產(chǎn)成本的下降。激光雷達(dá)已經(jīng)從幾年前的百萬元級別，降至了目前的幾千元級別，成為普通消費者也能用上的“汽車黑科技”。

最后回歸到用戶需求，一個智能駕駛系統(tǒng)是不是“好用”，還是用戶說了算。在感知層面，傳感器各有長短版，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。隨著智能駕駛軟件能力的不斷迭代，相信未來也會逐漸“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。

來源：電車匯