汽车自动驾驶系统，到底需要多少个传感器？

集微网消息，由于传感器的成本从15美元到1000美元不等，汽车制造商开始发问，至少在一段时间内，要让汽车实现完全自动驾驶，需要多少传感器？对此，知名半导体分析机构semiengineering做了专家采访和分析。

文章指出，这些传感器包括图像、激光雷达、雷达、超声波和热传感器，用于收集周围环境的数据。一种传感器是不够的，因为每种传感器都有其局限性。这是传感器融合背后的关键驱动力，结合了多种类型的传感器，来实现安全自动驾驶。

所有的L2级或更高级别的汽车都依靠传感器来“看到”周围环境并执行车道居中、自适应巡航控制、紧急制动和盲点警告等任务。到目前为止，原始设备制造商采取了截然不同的设计和部署方法。

不同传感器在场景应用中的优缺点

2022年5月，梅赛德斯-奔驰在德国推出了首款能够进行L3自动驾驶的汽车。3级自动驾驶是S级和 EQS的一个选择，计划于2024年在美国推出。

据该公司介绍，DRIVE PILOT在驾驶辅助包（雷达和摄像头）基础上增加了新传感器，包括激光雷达、位于前窗的高级立体摄像头和位于后窗的多功能摄像头。前驾驶室还增加了麦克风（特别是用于检测紧急车辆）和湿度传感器。总共安装了30个传感器，用于捕获安全自动驾驶所需的数据。

特斯拉选择了一条不同的道路，其在2021年宣布将在Model 3和Model Y上采取“Tesla Vision”纯摄像头自动驾驶技术战略，然后于2022年在Model S和Model X上实施该战略。特斯拉还决定取消使用超声波传感器。

传感器局限

现在自动驾驶设计面临的挑战之一是不同传感器的局限性。要实现安全的自动驾驶，可能需要进行传感器融合。关键问题不仅是传感器的数量、类型和部署位置，还包括AI/ML技术应如何与传感器交互来分析数据，从而做出最佳驾驶决策。

Rambus安全IP技术产品经理Thierry Kouthon表示：“自动驾驶普遍使用人工智能技术。自动驾驶，甚至是入门级的ADAS功能，都要求车辆表现出与人类驾驶员相当或更好的环境意识。首先，车辆必须识别其他车辆、行人和路边基础设施，并确定它们的正确位置，这需要人工智能深度学习技术能够很好解决的模式识别功能。视觉模式识别是车辆集中使用的高级深度学习领域。此外，车辆必须能够始终计算其最佳轨迹和速度，这需要人工智能也能很好解决的路线规划功能。这样，激光雷达和雷达就可以提供距离信息，这是正确重建车辆环境所必不可少的。”

传感器融合结合了不同传感器的信息，能够更好地了解车辆环境，仍然是一个活跃的研究领域。

Kouthon 说道：“每种类型的传感器都有其局限性。摄像头在物体识别方面表现出色，但提供的距离信息很少，图像处理需要大量的计算资源。相比之下，激光雷达能很好地提供了距离信息，但清晰度较差。此外，激光雷达在恶劣的天气条件下效果不佳。”

我们真正需要多少传感器？

对于自动驾驶系统需要多少传感器这个问题，并没有简单的答案。OEM正试图解决这个问题。这里其他需要考虑的因素包括，比如，在开放道路上行驶的卡车和城市的机器人出租车有非常不同的需求。

Cadence的Tensilica Vision、雷达和激光雷达DSP产品管理和营销总监Amit Kumar说：“这是一项艰巨的计算，因为每个汽车原始设备制造商都有自己的架构，通过提供更好的空间定位、更长的距离和更高的可见度，以及识别和分类物体、然后区分各种物体的能力来确保车辆安全。这还取决于汽车制造商决定实现自动驾驶的程度（例如，提供广度）。简而言之，要实现部分自动驾驶，最少要有4到8个不同类型的传感器。要实现完全自动驾驶，现在使用的传感器数量超过了12个。”

Kumar 指出，在特斯拉的案例中，有20个没有激光雷达或雷达的传感器（8个摄像头传感器加上12个3级或以下的超声波传感器）。“该公司坚信计算机视觉，其传感器套件适用于 L3 自动驾驶。媒体报道说，特斯拉可能会引入雷达来改进自动驾驶。”

Zoox使用了四个激光雷达传感器，以及摄像头和雷达传感器的组合。这是一辆无人驾驶、完全自动化的车辆，目标是在测绘良好、易于理解的路线上行驶。商业部署尚未开始，但很快就会有一个有限的用例（不像乘用车那么广泛）。

Nuro的自动驾驶送货车，在审美上并不那么重要，使用了一个有四个传感器的360度摄像头系统，加上一个360度激光雷达传感器、四个雷达传感器和超声波传感器。使用这些系统没有简单的公式。

新思科技汽车集团汽车软件与安全高级经理Chris Clark表示：“需要的传感器数量是公司可接受的风险级别的传感器数量，并且还取决于应用程序。如果你正在开发机器人出租车，不仅需要用于道路安全的传感器，还需要车内传感器来监控乘客在车内的行为以确保乘客安全。在这种情况下，我们将处于人口众多和城市人口高度密集的地区，与公路驾驶的汽车相比具有相当独特的特征，有更长的距离和更大的反应空间。在高速公路上，侵入车道的可能性较小。我认为没有固定的规则说你必须要拥有三种不同类型的传感器和三个不同的摄像头来覆盖所有自动驾驶汽车的不同角度。”

不过，有多少传感器将取决于车辆要解决的用例。

Clark表示，“在机器人出租车的例子中，必须使用激光雷达、普通摄像头以及超声波或雷达，因为密度太大而难以处理。此外，我们还需安装一个V2X传感器，这样输入车辆的数据将与车辆在周围环境中看到的数据相一致。在公路卡车运输解决方案中，将使用不同类型的传感器。除非我们在做类似团队合作的事情，否则超声波在高速公路上的用处不大，但这不是前瞻性传感器。相反，它可能是前视和后视传感器，这样我们就可以连接到所有团队资产。但激光雷达和雷达会更重要，因为卡车在高速公路上行驶时必须考虑距离和范围。”

另一个需要考虑的因素是所需的分析级别。他说：“因为有非常多的数据要处理，所以我们必须决定其中有多少数据是重要的。这就是传感器的类型和功能变得有趣的地方。例如，如果激光雷达传感器可以在周期早期进行局部分析，这将减少流回传感器融合进行额外分析的数据量。减少数据量反过来又会降低总体计算能力和系统设计成本。否则，需要在车辆中进行额外处理，要么整合计算环境，要么以专注于传感器网格化和分析的专用ECU的形式。”

成本始终是一个问题

传感器融合成本很昂贵。早期，由多个元件组成的激光雷达系统成本可能高达80000美元。高成本源自元件中的机械部件。现在成本要低得多，一些制造商预计在未来某个时期，成本可能会低至每件200到300美元。

新兴的热传感器技术成本将在几千美元的范围内。总体而言，原始设备制造商将继续面临降低传感器部署总成本的压力。使用更多摄像头来代替激光雷达系统将有助于原始设备制造商降低制造成本。

Siemens Digital Industries Software混合虚拟系统副总裁David Fritz表示，“在城市环境中，安全的基本定义是消除所有可避免的碰撞。”所需的传感器数量最少取决于用例。一些人认为，在未来，智慧城市基础设施将会越来越复杂且无处不在，从而减少了城市环境中对车载传感的需求。车与车之间的通信也可能对传感器产生影响。

Fritz观察到，“在这里，机载传感器的数量可能会减少，但我们还没有做到这一点。此外，在某些情况下，不得不假设自动驾驶汽车由于电源故障或其他中断问题而无法获得所有外部信息。因此，车辆始终需要配备一组传感器，这不仅适用于城市地区，也适用于农村地区。我们一直在研究的许多设计都需要在车外安装八个摄像头，在内部安装几个摄像头。前置两个摄像头，经过适当校准，我们可以实现低延迟、高分辨率立体视觉，能提供物体的深度范围，从而减少对雷达的需求。我们在车辆的前部、后部和两侧都这样做，以实现 360°全方位视角。”

在所有摄像头进行物体检测和分类时，关键信息将传递到中央计算系统以做出控制决策。

Fritz说：“如果基础设施或其他车辆信息可用，这些信息会与车载传感器信息融合，生成更全面的3D视图，从而做出更好的决策。在车内，额外的摄像头用于监控驾驶员，还可以检测遗留物体等占用情况。可能添加一个低成本雷达来处理雾天或雨天等恶劣天气情况，这是对传感器套件的高级补充。我们最近没有看到大量使用激光雷达的情况。在某些情况下，激光雷达性能会受到回波和反射的影响。最初，自动驾驶原型严重依赖激光雷达数据的GPU处理，但最近更智能的架构正朝着高分辨率、高FPS摄像头方向发展，这种分布式架构能够更好地优化整个系统的数据流。”

优化传感器融合可能很复杂。如何知道哪种组合能为您提供最佳性能？除了进行功能测试外，原始设备制造商还依赖Ansys和西门子等公司提供建模和仿真解决方案来测试各种传感器组合的效果，以实现最佳性能。

增强技术影响未来传感器设计

智能基础设施中的V2X、5G、高级数字地图和GPS等增强技术将实现自动驾驶需要的车载传感器数量更少。但要让这些技术得到提升，自动驾驶需要整个汽车行业的支持，也依靠智慧城市的发展。

Arteris IP解决方案和业务开发副总裁Frank Schirrmeister指出，“各种增强技术服务于不同的目的。开发人员通常会结合多个目的来创建安全便捷的用户体验。例如，用于路径规划的地图信息数字孪生可以在能见度有限的条件下创造更安全的体验，以增强基于传感器信息的车内局部决策。V2V和V2X信息可以补充车内局部可用信息，帮助做出安全决策，增加冗余并创建更多数据点，用作安全决策的基础。”

此外，车联网有望实现车辆与路边基础设施之间的实时协作，这需要超可靠低时延通信（URLLC）等技术。

Kouthon表示，“这些需求带来了各种人工智能技术在流量预测、5G资源分配、拥塞控制等方面的应用。换句话说，人工智能可以优化和减少自动驾驶对网络基础设施造成的沉重负担。我们希望原始设备制造商使用软件定义的车辆架构构建自动驾驶汽车，其中ECU是虚拟化的并通过无线方式更新。数字双胞胎技术对于在云模拟车辆上进行软件测试和更新至关重要，这种模拟车辆非常接近真实车辆。”

总结

最终实施时，L3自动驾驶可能需要三十多个传感器或十几个摄像头，具体取决于原始设备制造商的架构。但关于哪个更安全，或者自动驾驶传感器系统是否能在城市环境中提供与在高速公路上驾驶相同水平的安全驾驶，尚无定论。

未来几年传感器成本的下降可能会为新传感器敞开大门，这些传感器可以添加到组合中以提高恶劣天气下的安全性。但是，原始设备制造商可能还需要很长时间才能对一定数量的传感器标准化，能足以确保在所有条件和极端情况下的安全性。