本文是关于ADAS/AD自动驾驶技术的第四篇文章。L0到L2称为ADAS辅助驾驶，L3及以上称为AD自动驾驶，中间为L2+。文章主要探讨行车的技术方案。感知层面的传感器主要有五大类：摄像头、毫米波雷达、激光雷达、高精地图和定位。摄像头包括前视摄像头、后视摄像头、侧前视摄像头和侧后视摄像头；毫米波雷达包括前向毫米波、侧前角雷达和侧后角雷达；激光雷达主要用于实现盲区监测和变道的功能。从终局和算法的角度来看，尽管目前激光雷达基本成为了自动驾驶AD的标配，但从感知层面来说，核心还是在视觉摄像头。一是全面性，任何自动驾驶方案都包括了视觉处理；二是丰富度，视觉摄像头可以带来最大量的数据。自动驾驶究竟需不需要高精地图？从目前行业认知来看，L3以上的自动驾驶在中国当前的环境还是需要的。当前高精地图主要是跟着车企的自动驾驶需求以及能力在推进，整体上能力稍微落后一截，主要是因为建图成本和维护成本太高。总之，ADAS/AD自动驾驶技术是一个复杂的系统工程，涉及多个领域的知识。视觉作为核心传感器，其重要性和作用不可替代。但纯视觉自动驾驶方案是一个极为艰难的工程化问题，需要全链路的数据闭环，而且只有把算法做到极致，才能够解决摄像头深度、光照等问题。同时，高精地图在一定程度上可以提高自动驾驶的安全性和可靠性，但其成本较高，且产业格局尚未形成。
本文为ADAS/AD全面分析的第四篇文章(L0到L2称为ADAS辅助驾驶，L3及以上称为AD自动驾驶，中间为L2+)，基于第二篇行车功能，探讨行车的技术方案。
本文先介绍感知层面的传感器，侧重于视觉，也会探讨需不需要激光雷达和高精地图两个话题，之后会探讨计算层面的域控制器，请关注后续更新。
如下图所示，依据自动化程度，汽车人参考梳理出行车功能演进的脉络：
L0关注于预警、实现主动安全，典型功能如LDW；L1加入横向或纵向控制，典型功能是AEB、LKA和ACC；到L2将横向控制和纵向控制结合起来，实现“脱脚”，典型功能是TJA和ICA。
到L3级别要实现“脱手”，最终收敛到了高速NOA和城市NOA；而L4是要实现“脱眼”，当前应用去掉安全员的Robotaxi，在L2与L3之间，长期存在一个L2+状态，是目前的形式，从ALC开始，加入A到B点的规划，收敛到了NOA。
要实现以上功能，在感知层面，依靠的是摄像头、毫米波雷达、激光雷达、高精地图、定位等五大类传感器，可以按照安装位置，将它们进行区分，如下图所示为较为“典型和齐全”的传感器配置方案：
摄像头部分，包括了前视摄像头，像素一般为2M，帧率15/60fps，位置在车顶前挡风玻璃后：
-前视主摄像头(MainCam，HFOV52)：用于交通信号灯检测(识别红绿灯)、自动紧急制动AEB、自适应巡航ACC、前向碰撞预警FCW、车道偏离预警LDW，探测距离50-100米；
-前视窄角摄像头(NarrowCam，HFOV28)：用于AEB、ACC和FCW，探测距离150-200米，可能分辨率1828*948，15fps；
-前视广角摄像头(WideCam，HFOV100)，用于交通信号灯检测(辅助前视主摄像头)、雨量检测和防加塞(Anti-Cutin)，探测距离0-50米，60fps；
后视摄像头(RearCam，HFOV52)，一般为2M像素，帧率30fps，位于汽车尾部牌照灯位置，实现自动变道辅助ALC(AutoLaneChange)、盲点监测(BindSpotDetection)、后面碰撞预警(RearCollisionWarning)的功能，探测距离为50-100米。
此外，还有两颗侧前视摄像头(CornerCam)和两颗侧后视摄像头(WingCam)，HFOV100，一般为1M像素，帧率30fps/60fps，探测距离50米左右。
-侧前视摄像头，主要关注侧前方目标，一般位于B柱上(特斯拉)或前后镜下方(小鹏)，60fps帧率，分辨率457*237，防加塞(Anti-Cutin)和侧向车辆检测(CrossTrafic)；
-侧后视摄像头，主要关注侧边和侧后方目标，一般位于前翼子板上往后看，60fps帧率，主要用于自动变道辅助ALC(AutoLaneChange)、开门预警(DoorOpenWarning)、盲点监测(BindSpotDetection)功能。
下图是用于行车功能的典型视觉传感器FoV图：
除了行车外，还是环视摄像头，也称为泊车的摄像头，主要指的是安装在汽车前后左右四颗鱼眼摄像头(FisheyeCame)，主要满足全景环视功能(“给人看”)和融合泊车目标检测功能(“给车看”)，因此常用色彩矩阵为RGGB。
在毫米波雷达方面，包括了中长距的前向毫米波(FrontCentralRadar)、侧前角雷达(Side-FrontRadar)、侧后角雷达(Side-RearRadar)，主要是实现盲区监测和变道的功能。
从终局和算法的角度来看，尽管目前激光雷达基本成为了自动驾驶AD的标配，但从感知层面来说，核心还是在视觉摄像头，主要是从两个层面来看。
一是全面性，任何自动驾驶方案都包括了视觉处理，因为物理世界就是语义的世界，需要了解交通标志牌、车道线等是什么意思，本质都是语义问题，这些只能通过视觉来做。
二是丰富度，视觉摄像头可以带来最大量的数据，特别是从两百万到八百万像素的进化，分辨率进一步提高，会使得其每秒获得的数据量，即承载的信息内容，远远超过其他传感器。
以终为始的思考，视觉越来越重要，其作用是激光雷达无法替代的。
但是，纯视觉自动驾驶方案，这是一个极为艰难的工程化问题，需要全链路的数据闭环，而且只有把算法做到极致，才能够解决摄像头深度、光照等问题。
自动驾驶究竟需不需要高精地图，从目前行业认知来看，L3以上的自动驾驶在中国当前的环境还是需要的，即使特斯拉路子野没有用。
从功能上看，高精地图就如同一个人的“记忆”，从A到B，可以给车带来先验的信息，在能力不足前提下，是“NicetoHave”的特征。
当前高精地图主要是跟着车企的自动驾驶需求以及能力在推进，整体上能力稍微落后一截，主要是因为建图成本和维护成本太高，还需要保持鲜度，本质就是属于劳动密集型产业。
需要商业化价值的牵引，三大图商才有可能真真正正去落地，所以之后高精地图的产业格局还没有形成。
以上内容由58汽车提供。如有任何买车、用车、养车、玩车相关问题，欢迎在下方表单填写您的信息，我们将第一时间与您联系，为您提供快捷、实用、全面的解决方案。
原创文章，作者：58汽车，如若转载，请注明出处：https://car.58.com/7181739/
