車用傳感器孰優(yōu)孰劣？

目前汽車中使用的傳感器主要是雷達(dá)、LiDAR和攝像頭，各有長(zhǎng)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(huì)產(chǎn)生冗余（圖中顏色重疊部分），確保一個(gè)系統(tǒng)出現(xiàn)故障時(shí)，另一個(gè)系統(tǒng)繼續(xù)運(yùn)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(gè)完整的360°數(shù)字處理環(huán)境

比較一下特斯拉的車載傳感器配置，距未來愿景主要是少了LiDAR，冗余也不夠，當(dāng)然未來數(shù)量還會(huì)不斷增加。

特斯拉車載傳感器配置

雷達(dá)：只是一種成本較低而可靠的技術(shù)，能夠在一定距離內(nèi)探測(cè)較大的物體，在弱光和惡劣天氣下表現(xiàn)良好，但它只適用于倒車或泊車時(shí)的安全輔助裝置，是主要感測(cè)方式的重要補(bǔ)充。由于使用無線電波而不是光來探測(cè)物體，所以雷達(dá)在雨、霧、雪和煙中都能“看”得很清楚。

LiDAR：通過測(cè)量激光信號(hào)從物體上返回到本地傳感器所需的時(shí)間來確定車輛與環(huán)境或物體之間的距離

立體視覺：它基于從相鄰的兩個(gè)視角（雙目或多目攝像頭）獲取同一環(huán)境的兩幅獨(dú)立圖像來估計(jì)距離，即視覺信息的三角測(cè)量。它是使用算法處理器對(duì)現(xiàn)實(shí)環(huán)境進(jìn)行密集的3D數(shù)字表示。

三目攝像頭示意圖

立體視覺和LiDAR都能進(jìn)行距離測(cè)量、深度估計(jì)和密集點(diǎn)云生成（即3D環(huán)境地圖）。兩者都可產(chǎn)生豐富的數(shù)據(jù)集，不僅可以用來感測(cè)物體，而且可以在高速、各種環(huán)境、長(zhǎng)距離和短距離下識(shí)別物體。作為車輛自動(dòng)駕駛的主要傳感器系統(tǒng)，兩者也都可以同時(shí)部署以產(chǎn)生冗余。

因?yàn)檫@兩種感知方式都是光學(xué)技術(shù)，所以與人眼一樣容易受到同樣的挑戰(zhàn)：要“看到”道路，就要求有良好的視線，并且遠(yuǎn)離污垢和其他污染物。那么，兩者的利弊如何呢？

早期LiDAR優(yōu)勢(shì)明顯

不可否認(rèn)，信號(hào)的數(shù)量越多，可能實(shí)現(xiàn)的距離測(cè)量數(shù)量就越多。LiDAR是通過多個(gè)旋轉(zhuǎn)（物理或通過邏輯）的激光器來實(shí)現(xiàn)的，以360度視野掃描車輛周圍環(huán)境。在自動(dòng)駕駛發(fā)展史上，LiDAR一直是一項(xiàng)重要的傳感技術(shù)。開創(chuàng)性的自動(dòng)駕駛原型依靠LiDAR實(shí)現(xiàn)了精確的距離測(cè)量、可靠性和易用性。例如，2004年開始的由美國(guó)國(guó)防部高級(jí)研究計(jì)劃局（DARPA）贊助的自動(dòng)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(shì)顯而易見，包括：

高精度（測(cè)量精度達(dá)到厘米級(jí)）

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(yàn)證穩(wěn)定可靠

感測(cè)效果不受溫度和光照的影響

盡管LiDAR有諸多優(yōu)點(diǎn)，但也確實(shí)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(huì)因反射造成誤報(bào)。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(duì)LiDAR的信號(hào)強(qiáng)度有所限制，使分辨率限制了視場(chǎng)和視場(chǎng)之間的距離

LiDAR測(cè)量的有效性與物體的反射率有關(guān)。如果信號(hào)遇到反射性差的障礙物，如黑色車輛，信號(hào)的能量只返回很小一部分，因此感測(cè)的可靠性會(huì)降低。幸運(yùn)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

立體視覺后來居上

在車輛自動(dòng)駕駛的早期（90年代末到21世紀(jì)初），計(jì)算機(jī)視覺科學(xué)還處于起步階段，加上半導(dǎo)體技術(shù)等因素造成的許多問題，阻礙了立體視覺作為自動(dòng)駕駛主要感測(cè)模式的采用。

這段時(shí)間，立體視覺最受詬病的問題是：

攝像頭分辨率低，遠(yuǎn)距離圖像質(zhì)量差

弱光環(huán)境下性能差

計(jì)算資源要求高（計(jì)算機(jī)視覺處理需要多臺(tái)PC機(jī)）

駕駛過程中未經(jīng)校準(zhǔn)的攝像頭需要手動(dòng)調(diào)整

當(dāng)時(shí)，這些問題的嚴(yán)重性足以阻礙立體視覺作為一種可行的自動(dòng)駕駛感知替代品的部署。在沒有競(jìng)爭(zhēng)者的情況下，LiDAR得以蓬勃發(fā)展。

不過，從那時(shí)起，立體視覺慢慢走上了更具吸引力的發(fā)展之路，出現(xiàn)了大逆轉(zhuǎn)，目前已具備了和LiDAR競(jìng)爭(zhēng)的能力：

低成本、高分辨率攝像頭（目前為800萬像素?cái)z像頭）

適用于夜間駕駛的具有HDR（高動(dòng)態(tài)范圍圖像）和微光圖像處理功能的高級(jí)ISP（圖像信號(hào)處理

專門為實(shí)時(shí)計(jì)算機(jī)視覺處理而設(shè)計(jì)的嵌入式SoC（系統(tǒng)級(jí)芯片

自動(dòng)動(dòng)態(tài)攝像頭校準(zhǔn)

正是這些發(fā)展將立體視覺從一種小眾自動(dòng)駕駛技術(shù)變成了一種強(qiáng)有力的競(jìng)爭(zhēng)者，成為車輛自動(dòng)駕駛的主要感測(cè)方式。

為什么自動(dòng)駕駛更需要對(duì)象類型？

克魯日（Cluj－Napoca）技術(shù)大學(xué)的研究人員稱，密集立體視覺系統(tǒng)的一般處理流程是圖像采集、立體處理、視差到3D映射，最后是感測(cè)算法的應(yīng)用。

立體視覺硬件使用兩個(gè)攝像頭，以24fps的最大幀速率獲取一系列優(yōu)化的圖像。通過產(chǎn)生輸出函數(shù)的專用硬件板對(duì)被跟蹤圖像的進(jìn)行3D重建——可以是兩個(gè)處理后的圖像之間的視差圖或用于生成基于左攝像頭的X－Y坐標(biāo)系的Z－map。

立體視覺系統(tǒng)能夠生成兩種類型的環(huán)境數(shù)據(jù)：一是基于高程（elevation）測(cè)量的復(fù)雜駕駛環(huán)境密度圖，二是由參數(shù)化車道、跟蹤長(zhǎng)方體和行人組成的一系列幾何元素。過去，傳統(tǒng)雙目攝像頭不區(qū)分對(duì)象類型，僅僅是將前方障礙物檢測(cè)或測(cè)量出來。這使其在實(shí)際應(yīng)用中存在一些問題。因?yàn)橛?jì)算元素既耗時(shí)又密集，為了根據(jù)接收到的環(huán)境數(shù)據(jù)進(jìn)行實(shí)時(shí)決策，系統(tǒng)需要大量的數(shù)據(jù)帶寬和處理能力，因此必須使用并行計(jì)算。

雖然LiDAR也是一種常用的測(cè)距技術(shù)，也能夠精確地進(jìn)行3D物體感測(cè)，而單目攝像頭也可以用來推斷或預(yù)測(cè)與深度相關(guān)的信息，但立體視覺在提供對(duì)3D環(huán)境的高度詳細(xì)和準(zhǔn)確的360度理解方面具有獨(dú)特優(yōu)勢(shì)。立體視覺利用兩個(gè)同步自動(dòng)校準(zhǔn)的攝像頭信息生成3D深度圖，是自動(dòng)駕駛系統(tǒng)中視覺感知、運(yùn)動(dòng)預(yù)測(cè)和路徑規(guī)劃的重要組成部分。

在一個(gè)城市交叉口的圖像中可以看到，包括車輛、行人、自行車和路標(biāo)、護(hù)欄等障礙物。

立體視覺視圖和嵌入圖像

將上圖中較大的立體視覺視圖與右下角的嵌入圖像進(jìn)行比較，可以清楚地區(qū)分左側(cè)的路標(biāo)、人行橫道上的行人、附近的騎車人、從左側(cè)進(jìn)入交叉口的最近的兩輛車，以及道路兩側(cè)的背景元素。立體視覺視圖中的顏色表示距離，較暖的顏色（如橙色）表示距離車輛較近，較冷的顏色（如紫色）表示距離較遠(yuǎn)。另外，小圖中3D邊界框顏色表示對(duì)象類型：車輛輪廓為綠色，行人輪廓為藍(lán)色，自行車輪廓為白色。

雖然道路場(chǎng)景很具有挑戰(zhàn)性，照明條件可能會(huì)發(fā)生很大變化，車輛、行人、自行車、碎片和其他障礙物是常態(tài)，但立體視覺解決方案也能有效地在復(fù)雜環(huán)境中實(shí)現(xiàn)。以夜間駕駛為例，在黑暗中基于立體的障礙物感測(cè)（同時(shí)感測(cè)正面和負(fù)面障礙物，如坑洞）需要魯棒的深度估計(jì)，包括視差有效性度量才能成功。

比如，計(jì)算機(jī)視覺芯片開發(fā)商Ambarella將短距離和長(zhǎng)距離立體攝像頭模塊的多個(gè)輸出組合在一起，通過生成密集點(diǎn)云以驚人的細(xì)節(jié)對(duì)環(huán)境可視化。其立體攝像頭生成的數(shù)據(jù)進(jìn)行了以下一些處理：

深度映射：創(chuàng)建深度映射可以感測(cè)場(chǎng)景中的一般對(duì)象（從車輛和行人到電線桿、垃圾箱、坑洞和碎片，包括其準(zhǔn)確大小、位置和距離，而無需對(duì)系統(tǒng)進(jìn)行明確訓(xùn)練

道路建模：對(duì)不同道路形狀精確建模，有助于下坡和上坡運(yùn)動(dòng)

數(shù)據(jù)融合：由于顏色相關(guān)信息與深度數(shù)據(jù)一起由同一傳感器提供，因此可以同時(shí)運(yùn)行單目算法（例如，通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行車道標(biāo)記或交通標(biāo)志感測(cè)），然后將此數(shù)據(jù)與深度圖融合

360度可視化：立體攝像頭可用于魚眼鏡頭的短程感知，在低速移動(dòng)時(shí)可360度查看場(chǎng)景

自動(dòng)駕駛，分辨率定輸贏

Ambarella總經(jīng)理、帕爾馬大學(xué)計(jì)算機(jī)工程教授Alberto Broggi認(rèn)為：“在當(dāng)今的自動(dòng)駕駛障礙物識(shí)別技術(shù)中，最重要的性能指標(biāo)就是分辨率，也就是圖像密度，即每秒可以提供距離測(cè)量數(shù)的多少。數(shù)值越高，汽車周圍的3D表現(xiàn)就越精確。”

一般來說，使用當(dāng)今攝像頭的立體視覺可以提供大約2000個(gè)垂直樣本／秒。LiDAR呢？才128個(gè)垂直樣本／秒，分辨率低了15倍以上。

立體（上）和LiDAR（下）圖像密度比較

Broggi解釋道：“在兩幅圖像中，彩色像素表示傳感器的測(cè)量值，顏色表示每個(gè)傳感器標(biāo)度上的測(cè)量距離。我們可以看到，左側(cè)的立體解決方案提供了更大的環(huán)境覆蓋范圍，而右側(cè)的LiDAR輸出的區(qū)域覆蓋非常稀疏�！�

由此可見兩者的明顯差異：立體視覺生成的數(shù)據(jù)更為豐富，從而使障礙物感測(cè)更容易。通過對(duì)上面兩張圖像的特寫對(duì)比，可以看到立體密度（左）和LiDAR密度（右）的區(qū)別。

立體和LiDAR的密度天壤之別

他指出，雖然這兩種技術(shù)都可用于自動(dòng)駕駛車輛的目標(biāo)感測(cè)，但效果差異很大。上述演示發(fā)生在白天，而在弱光情況下，立體的分辨率也很高。下圖顯示了夜間駕駛時(shí)的密度對(duì)比。

夜間立體（左）和LiDAR（右）密度比較

Broggi解釋說，精度是另一個(gè)重要的衡量標(biāo)準(zhǔn)，它提供的不是直接的距離測(cè)量，而是立體視覺。對(duì)于立體，距離是一個(gè)導(dǎo)出量，是通過處理兩個(gè)亮度圖像獲得的間接測(cè)量。不管怎樣，立體視覺在遠(yuǎn)距離（不強(qiáng)制要求精確測(cè)量距離）和短程（要求高精度執(zhí)行精確移動(dòng)）方面都能提供自動(dòng)駕駛應(yīng)用所需的精度水平。例如，在短距離內(nèi)，立體可以提供毫米級(jí)距離的感測(cè)。

除了分辨率和精度，現(xiàn)代立體視覺還有以下優(yōu)點(diǎn)：

立體的一對(duì)攝像頭都可以作為獨(dú)立的單目攝像頭使用，提供內(nèi)置冗余

立體攝像頭提供的雙圖像可以在一個(gè)芯片上并行執(zhí)行單目CNN算法，如目標(biāo)分類

立體視覺提供了感測(cè)一般3D形狀的能力，即使那些沒有被歸類為已知障礙物的形狀，例如，從另一輛車上掉落的石頭、各種碎片或隨機(jī)物體（如梯子或床墊）會(huì)被立體系統(tǒng)感測(cè)到；即使是負(fù)面障礙，如坑洞，也可以準(zhǔn)確感測(cè)到

立體攝像頭相對(duì)便宜，是大容量應(yīng)用的重要考慮因素；也沒有移動(dòng)部件，可以自動(dòng)認(rèn)證，并消耗最少的電力

立體視覺以幀速率運(yùn)行（每秒30幀超高清圖像），因?yàn)榱Ⅲw引擎是硬連線到立體功能芯片，可以實(shí)現(xiàn)極高的數(shù)據(jù)率

立體攝像頭可以自動(dòng)校準(zhǔn)，使兩個(gè)攝像頭的位置保持相對(duì)固定，否則測(cè)量數(shù)據(jù)將不正確

在典型駕駛條件下，振動(dòng)和沖擊是一種常態(tài)，這對(duì)立體系統(tǒng)來說是一個(gè)挑戰(zhàn)。一些公司開發(fā)的實(shí)時(shí)自動(dòng)校準(zhǔn)程序可以補(bǔ)償通常在正常車輛運(yùn)行期間發(fā)生的攝像頭移動(dòng)，確保立體視覺處理的精確度。

立體視覺是ADAS和AD的未來

如今，視覺感知已進(jìn)入深水區(qū)，算法將決定誰(shuí)是贏家。雙目的算法要求比普通單目要高，而且在車輛生命周期內(nèi)必須保持感測(cè)的穩(wěn)定性能，使兩個(gè)鏡頭保持位置相對(duì)不變才能感知準(zhǔn)確，或者采用自校準(zhǔn)能力很強(qiáng)的算法。Ambarella高級(jí)算法工程師Francesca Ghidini博士認(rèn)為，立體視覺可能是全自動(dòng)駕駛汽車的關(guān)鍵，它是互聯(lián)技術(shù)網(wǎng)格（mesh）的一部分，將為全自動(dòng)車輛鋪平道路。

崔凱認(rèn)為：“全球范圍能夠量產(chǎn)雙目的廠家也就是個(gè)位數(shù)，預(yù)計(jì)L3級(jí)別以上自動(dòng)駕駛車輛采用雙目攝像頭會(huì)成為主流，而主機(jī)廠選擇雙目沒啥難度�！�

孫路認(rèn)為：“感知的準(zhǔn)確性首先要提高算法的性能，同時(shí)要依賴結(jié)構(gòu)設(shè)計(jì)、產(chǎn)線設(shè)計(jì)多年積累的豐富經(jīng)驗(yàn)。主機(jī)廠采用雙目沒有難度，但由于尺寸較單目大，所以需要內(nèi)飾布置，一般不會(huì)集成到域控制器中。”

Cadence電氣工程技術(shù)專家Adrian Gibbons則表示：“過去幾年，ADAS一直在不斷發(fā)展，在現(xiàn)階段，立體視覺處理技術(shù)的下一步進(jìn)展將有助于ADAS的普及�！�