無人駕駛技術現如今其實非常成熟了，就以現在的技術水平看，如果把大城市復雜的交通狀況變成實驗室特定的格局，場景內有制式統一的車輛以及符合規矩的行人正常通行，那么不用方向盤，全程自動行駛的汽車當下就可以面世了。

  問題就出在了汽車如何能對現實中復雜的交通狀況了如指掌，如何可以像人的眼睛和大腦一樣靈活應變。關鍵就在需要各種各樣的傳感器合作來解決，它們最終將監測到的數據傳給高精密的處理器，識別道路、標示和行人，做出加速、轉向、制動等決策。

  在智能感知識別的部分，車載光學系統和車載雷達系統是保證行車安全最為重要的，目前，主流的用于周圍環境感測的傳感器有激光雷達(LiDAR)、毫米波雷達(millimeterwave)、視覺傳感器三種。

激光雷達(LiDAR)

  通過掃描從一個物體上反射回來的激光來確定物體的距離，可以形成精度高達厘米級的3D環境地圖，因此它在ADAS(先進駕駛輔助系統)及無人駕駛系統中起重要作用。從當前車載激光雷達來看，機械式的多線束激光雷達是主流方案，但受制于價格高昂的因素尚未普及開來。

  在百度無人駕駛汽車車身上，除了部署了毫米波雷達、視頻等感應器，其車頂就安置了一個體積較大、價值70萬余人民幣的64位激光雷達，谷歌同樣也是采用的相同高端配置激光雷達。車載激光雷達系統的優劣主要取決于2D激光掃描儀的性能。激光發射器線束的越多，每秒采集的云點就越多。然而線束越多也就代表著激光雷達的造價就更加昂貴。

  就以Velodyne的產品為例，64線束的激光雷達價格是16線束的10倍。激光雷達除了成本高昂，遇到煙霧介質以及雨雪天氣中表現一般，將掣肘它的發揮。

  不過作為核心傳感器，低成本方案將加速無人駕駛的到來。目前，高精度的車用激光雷達產品的生產廠商主要集中于國外，包括美國的Velodyne、Quanegy以及德國的IBEO公司等。國內的激光雷達產品目前相對落后，中國航空汽車系統控股有限公司高級專務周世寧曾表示，博世、大陸、法雷奧、英飛凌、德爾福等外資零部件企業早已搶占ADAS技術制高點，特別是在傳感器的市場布局上，我國汽車零部件企業已經輸在起跑線上了。

原理

  與雷達原理相似，激光雷達使用的技術是飛行時間(TOF，TimeofFlight)。具體而言，就是根據激光遇到障礙物后的折返時間，計算目標與自己的相對距離。激光光束可以準確測量視場中物體輪廓邊沿與設備間的相對距離，這些輪廓信息組成所謂的點云并繪制出3D環境地圖，精度可達到厘米級別，從而提高測量精度。

  而事實上，激光雷達作為“機械之眼”，也大量應用在無人機、機器人等等方向上，只不過今天我們只討論自動駕駛這個范疇。

優勢

  高級輔助駕駛系統(ADAS)及無人駕駛系統中常用的環境傳感器包括攝像頭、激光雷達、毫米波雷達等。相比于攝像頭，激光雷達的最大優勢在于使用環境限制較小，即不管在白天或是夜晚都能正常使用。

毫米波雷達(millimeterwave)

  毫米波是指30～300GHz頻域(波長為1～10mm)的電磁波，毫米波的波長介于厘米波和光波之間，因此毫米波兼有微波制導和光電制導的優點。同厘米波導引頭相比，毫米波導引頭具有體積小、質量輕和空間分辨率高的特點。與紅外、激光、電視等光學導引頭相比，毫米波導引頭穿透霧、煙、灰塵的能力強，具有全天候(大雨天除外)全天時的特點，這能與激光雷達的作用產生互補。另外，毫米波導引頭的抗干擾、反隱身能力也優于其他微波導引頭。

  缺點是毫米波雷達由于波長原因，探測距離非常有限，也無法感知行人，而激光雷達可以對周邊所有障礙物進行精準的建模。為了克服不同缺點缺點，車企勢必要將這些傳感器組合在一起。

  目前看毫米波雷達也是智能汽車ADAS系統的標配傳感器，按照目前主流分類，毫米波雷達可分為24GHz雷達和77GHz雷達。參照其特性，通常車輛周圍的車輛檢測使用24Ghz，前方車輛檢測使用77GHz。以中國的實際國情以及芯片研發進度等行業特點來看，未來三年內24GHz毫米波雷達在國內仍有市場空間。望眼全球，我國77GHz毫米波雷達的大規模應用將稍微推后。

  由于ADAS的功能，往往是通過傳感器+處理器的方式捆綁銷售，國內汽車毫米波雷達系統的芯片、算法還主要依賴進口，成本很高。加快開發國產的77GHZ毫米波雷達芯片并盡快車載應用，將是我國汽車毫米波雷達產業的機遇。同濟大學汽車學院白杰教授認為，相對在攝像頭方面的激烈競爭，毫米波雷達更有創新性，潛在的市場空間更大，機會更多。

視覺傳感器

  ADAS應用攝像頭作為主要傳感器是因為攝像頭分辨率進高于其他傳感器，可以獲取足夠多的環境細節，幫助車輛進行環境認知，車載攝像頭可以描繪物體的外觀和形狀、讀取標志等，這些功能其他傳感器無法做到。從降低成本的角度看攝像頭是識別用傳感器的有力候補之一，在一切清晰的情況下當然攝像頭是最好的選擇，但是受環境因素以及外部因素影響較大，比如隧道中光線不足，天氣因素導致的視線縮小等。

  采集圖像信息的重要工具，部分類似路標識別、車道線感應等功能智能由攝像頭實現。目前攝像頭的應用主要有：單目攝像頭、后視攝像頭、立體攝像頭或稱雙目攝像頭、環視攝像頭，按照2015年全球超過8000萬輛新增車輛與單車6-8顆攝像頭需求，未來總體需求有望超6億顆，對應千億市場空間。

  視覺算法在ADAS技術路線中必不可少，毫米波雷達等主動式傳感器對算法依賴程度較低，算法較為簡單，攝像頭等被動式傳感器對算法依賴程度較高，一般由第三方企業單獨提供。比如視覺算法企業Mobileye。

  此前，Tesla和Mobileye終止合作的事沸沸揚揚，Mobileye提供標準的傳感器安裝方式+地圖數據云服務+軟件體系平臺構建，但是Tesla是想通過在線收集數據的眾包模式優化自動駕駛體驗，EyeQ3芯片限制了Tesla建立自己的地圖，所以Tesla未來要自己研發圖像算法以及圖像處理芯片。

  不過Mobileye還是憑幾款產品占領了90%的市場份額，這家以色列的企業在當地的江湖地位相當于BAT。算法和硬件是ADAS系統的核心，也是Mobileye的核心競爭力所在。Mobileye站在ADAS的頂端，甩出競爭對手好幾條街，ADAS和傳統車載視覺產品對軟件技術、硬件要求不同，傳統車載電子公司要切入ADAS市場并不容易。國內團隊如從零開始至少需要3、4年才可能完成初步的技術積累。

  當然為了提高環境感知的準確度，通常需要多種傳感器的組合，最終提供一個穩定耐用的解決方案。當下比較典型的就是毫米波雷達、激光雷達和車載攝像頭，其他的超聲波技術和紅外線技術以及這些技術的算法融合都將讓傳感器產業帶來巨大的市場。不過毋庸置疑，在汽車實現完全智能化的這幾年中，傳感器產業鏈應該是最先獲得收益的。