自动驾驶四大核心技术，分别是环境感知、精确定位、路径规划、线控执行。环境感知是其中被研究最多的部分，依托于摄像头、激光雷达、毫米波雷达的环境感知技术逐渐趋于成熟，并逐步量产落地。
自动驾驶环境感知框架图
在感觉阶段，车辆以光学相机、激光雷达、毫米波雷达等采集周围环境数据，以 GPS（Global Positioning System）、IMU（Inertial Measurement Unit）、速度计等采集自身行驶状态信息，将真实世界的视觉、物理、事件等信息转变成数字信号，传送至作为“驾驶脑”的智能算法中心。在感知阶段，智能算法中心对采集到的信息进行分析、组织和解释，具体表征为对行驶环境中的目标或者障碍物进行识别、分割和检测，获取其类别、尺寸、几何形状、行驶方向、位置等物理和语义信息。在认知阶段，智能算法中心基于目标（障碍物）的表现和状态进行分析和推理，透过表象解析其逻辑关联，做出准确的判断（包括目标行为、安全区域、路径规划等），使“驾驶脑”具备同大脑相媲美的决策能力，继而指挥控制系统执行具体的驾驶操作。
智能网联汽车的环境感知传感器主要包括超声波传感器、毫米波雷达、激光雷达、视觉传感器等。
（1）超声波传感器。超声波传感器主要应用于短距离探测物体，不受光照影响，但测量精度受测量物体表面形状、材质的影响较大。在智能网联汽车上主要用于自动辅助泊车，结构简单、体积小、成本低。
（2）毫米波雷达。毫米波雷达是智能网联汽车应用最广泛，也是最重要的传感器之一，主要包括用于短程的 24GHz 毫米波雷达和中远程的 77GHz 毫米波雷达。毫米波雷达可以准确检测前方障碍物的距离和速度信息，抗干扰能力强，具备较强的穿透雾、烟、灰尘的能力，受天气和光线的影响小，体积小；缺点是行人的反射波较弱，难以探测。
短距毫米波雷达的应用图
（3）激光雷达。激光雷达是无人驾驶汽车的必备传感器，根据自动驾驶级别，可以配备不同线束的激光雷达。激光雷达分单线束和多线束激光雷达，多线束激光雷达通过点云来建立周边环境的 3D 模型，可以检测出包括车辆、行人、树木、路沿等细节。激光雷达能够直接获取物体的三维距离信息，测量精度高，对光照环境变化不敏感，抗干扰能力强，是智能网联汽车发展的最佳技术方向，但是成本较高。
三维目标检测效果图
（4）视觉传感器。视觉传感器包括单目摄像头、双目摄像头、三目摄像头和环视摄像头。单目摄像头、双目摄像头、三目摄像头主要应用于中远距离场景，能识别清晰的车道线、交通标识、障碍物、行人等，但对光照、天气等条件很敏感，而且需要复杂的算法支持，对处理器的要求也比较高；环视摄像头主要应用于短距离场景，可识别障碍物，同样对光照、天气等外在条件很敏感。不同传感器的感知范围不同，它们均有各自的优点和局限性，现在发展的趋势是通过传感器信息融合技术，弥补单个传感器的缺陷，提高整个智能驾驶系统的安全性和可靠性。
常用传感器对比
近年来，随着硬件算力的提升和人工智能的兴起，大量基于深度学习理论的环境感知算法被提出，其以端到端的预测方式代替分段式处理，以数据驱动取代人工建模，在精度、速率、鲁棒性等方面均超过了传统方法。作为核心的神经网络通过模拟“突触连接”可拟合更加复杂、模糊的问题，学习到的特征更能反映数据的本质，具有优秀的柔性、智能性和自学习性，为三维感知的研究提供了新的方法和思路。
CONTENT END
