谈起自动驾驶，首先要攻克的第一个难关就是传感器。如果说自动驾驶是对驾驶者的全面解放，那么具体来说，传感器的主要工作是替代人类的眼睛和大脑，从而实时感知车外复杂多变的环境。
不同传感器的原理和功能各不相同，想感知复杂的道路环境单纯依赖某一个传感器肯定不够，需要多个传感器组合起来，而自动驾驶解决方案的最终效果好坏，一部分也取决于传感器的搭配是否合理。本文我们就给大家介绍一下目前几款主流的传感器，并以地图标注自动驾驶解决方案为例，更具体的介绍一下各传感器是如何优势互补，一起打“组合拳”的。
作为汽车上用于识别环境的“眼睛”，摄像头是自动驾驶里最不可或缺的一个传感器。
摄像头可以分辨出障碍物的大小和距离，识别行人、交通标识牌等。而且可以采集车辆周围图像信息，经过计算机的算法分析，实现众多预警类、识别类的功能，如疲劳驾驶预警、行人警示、车道保持、交通标志识别、交通信号灯识别等。
具体来说，作为自动驾驶传感器的摄像头，市面上目前比较成熟的方案有单目和双目。顾名思义，他们的区别首先是镜头的多少，此外测距原理完全不同，单目摄像头主要需要对目标进行识别，也就是说在测距前先识别障碍物是人、车还是其他，在此基础上再进行测距。目前应用于自动驾驶的路况判断，多以单目摄像头方案为主。而双目摄像头则更像人类的双眼，主要通过两幅图像的视觉计算来确定距离，而不需要知道障碍物具体是什么，因此双目在测算距离方面，要比单目的准确性高。不论是单目还是双目，摄像头的安装位置有前视、后视、侧视、环视，针对不同的应用场景，他们可以组合应用。
就像我们的眼睛能最快捕捉到海量的信息，摄像头的优点是信息量丰富，成本可控，然而缺点是是受视野的影响较为严重，一个单目摄像头最多能捕捉到50°范围内，最远不超过150米的场景信息，此外还极易受恶劣天气、逆光和光影等复杂情况的影响。
比起人类的耳朵，这里更像是蝙蝠的耳朵，蝙蝠可以在飞行的时候用耳朵发出超声波，这种声波碰到物体上再折回，蝙蝠收到回声后通过分析振幅、频率、信号灯声音特征，可以精准地判断距离。
正如蝙蝠耳朵的原理，毫米波雷达就是利用波长1~10mm，频率30GHz~300GHz之间的电磁波，通过测量回波的时间差算出距离。因为电磁波不会收到天气、视线等情况的干扰，所以具备全天时全天候以及探测距离远的优势。毫米波雷达的优点是体积小、质量轻、径向距离和速度分辨率高，传输距离远、性能稳定，缺点在于角度分辨力弱，辨别行人、车辆这样的类目物体能力较低。
与毫米波雷达不同的是，激光雷达依靠的是激光而不是无线电波。通过发射和接收返回的激光束，分析激光遇到目标后的折返时间，计算出目标与车的距离。通过这种方法，搜集目标表面大量的密集点的三维坐标、反射率等信息，能快速复建出目标的三维模型及各种图件数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。目前市场上比较常见的有8线、16线和32线激光雷达，还有少量64线产品。激光雷达线束越多，测量精度越高，安全性也越高，但是成本也越高。
激光雷达是自动驾驶不可或缺的核心组件，各个车企也都看好激光雷达在无人驾驶汽车的应用前景。但其仍面临着成本高、量产难的问题。
激光雷达的优点是测距精度高，方向性强，响应快，能快速复建出目标的三维模型，但缺点是目前成本较高，且容易受天气的影响，如雨雪、大雾等，但随着算法和硬件的改进，相信未来这个问题是可以解决的。
图为：激光雷达感知结果，来自地图标注自动驾驶解决方案
大脑的功能就非常复杂了，作为超视距自动驾驶传感器，高精度地图在其中发挥的作用更像是“大脑”里的记忆模块。
不同于摄像头、雷达等其他感知设备的实时感知，高精度地图更像是人类的记忆，可以超视距提前感知周围环境。因为预先储存了大量关于道路和周围环境的数据，在到达目的地之前，通过调用“记忆”可以预先对道路情况作出“预感知”，从而扩大全域感知范围，帮助自动驾驶车作出更加合理的路径规划。
图为：自动驾驶地图感知结果，来自地图标注自动驾驶解决方案
此外，高精度地图在自动驾驶系统中连接感知与执行机构，可实时通过各感知设备回传的结果，配合决策模块，帮助自动驾驶汽车实现平顺、安全的路径规划。并且在路况比较复杂的路口，可以通过高精度地图记录车辆关联关系，精准预测路权竞争者的行为，从而优化决策结果。
作为汽车的眼睛、耳朵和大脑，不同传感器的原理和功能各不相同，他们分别在不同的场景里发挥优势，而难以互相替代，除了高精度地图的基础配置之外，其他传感器通常都是根据解决方案侧重点的不同而组合搭配的，在这里，小编也将除了高精度地图之外的各传感器在不同维度做了比较。
正是因为传感器不同能力表现，在自动驾驶不同的技术应用上，采取的方案也不尽相同：
车道线识别技术：通常使用摄像头，用于连续跟踪识别道路上车道线，这项技术目前在车辆偏离报警系统、车道保持系统上已经得到广泛应用。
行人检测技术：通常采用摄像头+毫米波雷达的方案，快速检测出车辆前方行人及危险程度，该技术目前常用于碰撞预警系统、碰撞避免系统、自动刹车系统等。
车辆检测：通常采用摄像头+毫米波雷达方案，从而快速检测前方车辆及速度、方位、危险度等。目前也常用于碰撞预警系统、碰撞避免系统、自动刹车系统、自动跟车系统、主动巡航系统等。
交通标识识别：通常使用摄像头，快速设备道路中出现交通标识、交通信号灯及其他指示信息。该技术在交通标识识别系统、交通信号灯识别系统、路口辅助系统中得到广泛应用。
倒/后方障碍物检测：通常采用毫米波雷达+摄像头的方案，检测车辆倒后方出现的车、人及其他障碍物，应用方面常用于变道辅助系统、自动泊车系统、盲区探测系统等。
为了以最快的速度研究更多的自动驾驶功能，早在2016年，地图标注基础技术研究院就研发出了第一代封闭环境的实验平台，主要目标是通过传感器的组合配置，实现车辆自适应巡航、自动紧急停车、车道保持、自动变换车道、路径规划等功能。
· 一个单目摄像头，用于检测行驶方向物体、碰撞、多车道以及红绿灯等状态
· 一个前置激光雷达，用于做车辆前方障碍物的实时监测
· 两个长距离毫米波雷达，分别安装在车辆前后方，可检测到广度达到到22度，距离达到200米范围内的障碍物。
由于1.0方案只针对自动驾驶的部分封闭场景设计。为了实现车辆在开放道路的自动驾驶，从而大范围对高精度地图进行验证，并实现城市和高速道路场景的自动驾驶，考取自动驾驶测试牌照，地图标注于2018年初开始进入了2.0平台的开发，旨在实现自动上下匝道及高速公路自动行驶、隧道自动行驶、自动超车、自动驶入路口的功能。
· 一个单目摄像头，用于检测行驶方向物体、碰撞、多车道以及红绿灯等状态
· 四个激光雷达，分别安置在车辆的前、后及左、右四个方向，跟一代只能探测前方障碍物不同的时，通过四个激光雷达，可以对车辆360度，100米范围内的障碍物进行理论监测。
· 两个长距离毫米波雷达，分别安装在车辆前后方，可检测到广度达到到22度，距离达到200米范围内的障碍物。
也就是通过2.0的自动驾驶平台方案，地图标注拿到了北京市政府颁发的自动驾驶道路测试资格T3牌照，这个牌照的获得代表着我们获得了L3-L4级别自动驾驶的道路测试资格。一方面是对于自动驾驶能力的验证，值得一提的是，这个方案也是当时获得T3牌照的众多方案里成本最低的一个；另一方面因为T3牌照是北京进行公开道路测试必要的牌照，牌照的获得也为地图标注以后的全场景研发奠定了基础。
目前，随着硬件技术的进步和迭代，地图标注也在通过自动驾驶里程的积累与技术的打磨，在2019年7月着手研发可以连接城市和高速道路自动驾驶的新一代平台，从而使自动驾驶车可以应对更复杂的城市道路路口。
· 六个单目摄像头，用于满足在更复杂的城市道路上检测行驶方向行人、障碍物、碰撞、多车道以及红绿灯等状态
· 四个16线激光雷达，分别安置在车辆的前、后及左、右四个方向，通过四个激光雷达，可以对车辆360度，100米范围内的障碍物进行理论监测。
· 两个长距离毫米波雷达，分别安装在车辆前后方，可检测到广度达到到22度，距离达到200米范围内的障碍物。
· 一个40线顶置激光雷达，安装在车辆顶部，用于360度环视200米距离内障碍物，从而精准的识别周围的车辆和行人，完成测距和识别工作。
当然，市面上的传感器也并不只是我们文中介绍的这几类，未来随着硬件的升级和算法的进步，相信会有更多更先进的传感器逐步面市。当然，无论是硬件设备、地图还是相应算法，我们共同的愿景是在自动驾驶时代来临时，通过成熟的技术，能够精准地帮助自动驾驶车辆还原最真实的现实世界，并且精准掌握预测人和车辆等一切不确定行为的能力，最终在自动驾驶为生活带来便利的同时，全面保护我们的生命以及财产安全。
