編輯|施誌良
無論車企宣傳語言中的L2.9還是L3+，汽車上的傳感器確實越來越多。
無人駕駛全球領導者Waymo的第五代自動駕駛系統中有40個傳感器，包括29個攝像頭，6個毫米波雷達和5個激光雷達。國內造車新勢力也不滿足於汽車的智能化、自動化。蔚來ES8配備23個傳感器，小鵬P7數量為31，超過特斯拉。
隨著汽車智能化變革的到來，世界各地的汽車科技公司，無論大小，都致力於去除汽車的方向盤，或者部分弱化人類駕駛員的作用。有的玩家在勇攀高峰的時候攻擊L4級自動駕駛，有的從L1和L2級自動駕駛開始步步為營，但是車載傳感器解決方案的市場蛋糕已經越做越大。
Yole，壹家市場研究公司？dédevelopment發布的《2020自動駕駛傳感器報告》預測，未來15年，用於自動駕駛汽車的傳感器將以51%的年復合增長率增長，傳感硬件總收入將在2032年達到17億美元，約合人民幣165.438+065.438元。
在千億級汽車傳感器市場，中國已經失去了R&D的機會和市場份額。相機、毫米波雷達、激光雷達等車載傳感器行業被國外品牌壟斷多年，但壹些民族品牌已經摩拳擦掌，準備奪回國產傳感器的地位。
攝像頭、毫米波雷達和激光雷達是如何讓汽車像人類壹樣感知環境的？僅僅依靠圖像識別，汽車能達到完全無人駕駛的水平嗎？在汽車端之外，路邊傳感器將如何幫助自動駕駛汽車更快地著陸？
與傳統汽車相比，自動駕駛汽車的感知系統的主要工作是取代人類駕駛員的視覺系統:通過將感知到的信息按照特定的規則轉換成電信號，傳輸到汽車的中央控制單元，輔助汽車自動駕駛。
自動駕駛歸根結底是讓汽車智能化。至於人工智能如何幫助人類，業內經常有這樣壹種說法，人工智能系統擅長的領域恰恰與人類擅長的領域相反。人類的邏輯分析能力遠超AI，但在記憶、大數據分析等領域，人類與AI相差甚遠。
汽車感知系統也存在這種現象。人類駕駛員僅憑借常識和認知就能識別道路上的行人、車輛和紅綠燈，並做出相應的加速、減速、轉彎等決策。但是計算機完成同樣的操作是非常困難的，感知和識別是第壹道關。
目前自動駕駛的核心傳感器有車載攝像頭、毫米波雷達和激光雷達。在ADAS系統中，攝像頭和毫米波雷達是主要的傳感器，激光雷達已經成為大多數L3級別以上自動駕駛汽車的必備。
車載攝像頭起到了人類“眼睛”的作用。
▲?圖片來自網絡
攝像頭作為自動駕駛中最不可或缺的傳感器，可以分辨障礙物的大小和距離，識別行人、車道線、交通標誌等。，並通過算法對圖像信息進行分析，實現許多預警和識別功能，如行人預警、車道保持、交通信號燈識別等。根據鏡頭數量，相機可分為單目相機、雙目相機和多目相機。
這種照相機的主要優點是分辨率高，成本低。人眼可以快速捕捉大量信息，相機也可以獲取豐富的信息，但是像人眼壹樣受到視野和環境的影響。壹個單目攝像頭最多可以抓拍50個，觀察距離有限；在夜間和雨雪等惡劣天氣下，相機的性能會迅速下降。
2018年3月，優步的壹輛自動駕駛汽車在亞利桑那州與壹名正在過馬路的女子相撞，導致她死亡。主要原因是由於照明條件差，夜間道路處於陰影中，無法準確識別行人。
毫米波雷達彌補了相機的缺陷。與人類的眼睛相比，它更像蝙蝠的耳朵:蝙蝠通過耳朵發出超聲波，根據其反射的回聲識別物體，並避開障礙物，因此不受光照條件的影響。
毫米波雷達類似於蝙蝠的飛行原理，利用天線發射波長為1-10mm、頻率為24-300GHz的毫米波，通過處理目標的反射信號獲得汽車與其他物體的相對距離、相對速度等環境信息，並根據這些信息對目標進行跟蹤和分類，電控單元根據車身的動態信息做出決策。
毫米波雷達的優點是抗幹擾能力強，對雨、灰塵、霧霾等離子體的穿透能力高於激光和紅外，但也存在信號衰減大、易被建築物遮擋、傳輸距離短等缺陷。
激光雷達的工作原理與雷達類似，但其最大的優勢是可以利用多普勒成像技術，生成目標清晰的3D圖像。
通過測量激光信號的時間差和相位差來確定距離，利用在此過程中采集到的目標物體表面大量密集點的三維坐標、反射率和紋理信息，快速獲得被測目標的三維模型和線、面、體等各種相關數據，從而達到環境感知的目的。
國內激光雷達廠商安全質量工程部總監趙鑫告訴旅者(ID:carcaijing)，激光雷達是自動駕駛不可或缺的傳感器，尤其是L4及以上級別。激光雷達優勢明顯，分辨率高，精度高，抗幹擾能力強。激光雷達的線越多，測量精度越高，安全性也越高。
“無論是探測精度、信息豐富度，還是對外界的實際感知，對於無人車來說都是必不可少的。”趙鑫說。
激光雷達是壹種精密儀器，其工作原理涉及多個專業學科。尤其是頂尖頭部企業在相關領域有多年的深耕和積累，成熟產品精度高，導致lidar成本更高，價格更貴。但作為自動駕駛汽車上的智能硬件，整個自動駕駛行業的發展和產業鏈的開放與合作，成為助推激光雷達成本降低的重要力量。
另壹方面，激光雷達的線越多，能夠感知的環境細節就越多，接收的點雲數據量就越豐富，對軟硬件的要求也就越高。擁有足夠的計算能力來處理傳感器捕捉的環境信息，已經成為自動駕駛解決方案的重要組成部分。
車載傳感器行業曾經是海外廠商的絕對統治。
隨著自動駕駛技術的逐步推廣，車載攝像頭、毫米波雷達、激光雷達的市場需求也快速增長。由於技術壁壘高，對軟硬件系統要求高，國外Tier1在R&D、品牌信任度、市場占有率等方面具有明顯的先發優勢。
在攝像頭主導的圖像識別技術供應商中，以色列公司Mobileye占據了絕對的主導地位。Mobileye為整車廠提供“車載攝像頭+算法+視覺處理芯片”的整體解決方案。2019年舉辦全球26家汽車公司合作項目45個，獲得22款新車型訂單超過16萬輛，市場滲透率超過70%。
在毫米波雷達領域，全球毫米波雷達市場被博世、法雷奧、海拉、大陸、德爾福、電裝等國際巨頭所壟斷，因為軟硬件的關鍵技術被外資壟斷。根據中國高科技行業綜合門戶網站OFweek的統計，博世、Mainland China和海拉是2018年全球毫米波雷達市場的前三家公司，市場份額分別為19%、16%和12%。
激光雷達的市場壟斷更加明顯。曾經掌握核心技術的美國威力登技術公司，幾乎是激光雷達的代名詞。威力登成立於1983，曾經是國內無人駕駛科技公司的不二選擇，與谷歌、通用汽車、福特、優步、百度等都有合作。，占據車載激光雷達的大部分市場份額。
近年來，隨著中國汽車智能化的浪潮，車載傳感器的蛋糕越來越大，民族品牌挑戰者也在崛起。
近日，在2020世界智能網聯汽車大會上，《智能網聯汽車技術路線圖2.0》正式發布。計劃到2025年，L2和L3自動駕駛智能網聯汽車將占中國汽車總銷量的50%。中信證券預測，傳感器需求將呈指數級增長，2023年汽車傳感器市場有望突破340億元。
三種傳感器的國內供應商都在努力奪回國外Tier1的市場份額。
Mobileye封閉的“黑箱”模式極大地制約了車企的研發，但也給了國內相機解決方案提供商彎道超車的機會。Mobileye將算法與芯片“捆綁”，合作的下遊廠商只能獲取輸出信號，而不知道具體的識別算法，無法據此修改算法。另壹方面，Mobileye壹直未能在更高層次的自動駕駛系統中證明自己的計算和多傳感器集成能力。
在相機系統解決方案上，中國的德賽四維、百度Apollo、華為等廠商早已布局。德賽四維是小鵬兩家理想車企背後的自動駕駛系統供應商，也是中國第壹家英偉達支持的本土自動駕駛Tier1。
Xpeng汽車告訴壹個旅行者(ID:carcaijing)，小鵬？P7？自動駕駛輔助感知系統充分考慮了中國當地路況對感知能力的要求。小鵬有11攝像頭，但是結合英偉達？開車？澤維爾？計算平臺和德賽四維開發的自動駕駛控制器IPU03，計算能力高達？30?TOPS(每秒萬億次)足以滿足處理海量數據信息的計算需求。
此外，也湧現出壹大批視覺感知技術公司，如MAXIEYE、極智、MINIEYE等。，從視覺感知、全景感知等不同角度。雖然離Mobileye還有差距，但隨著國內公司的積極研發和量產，這種差距正在縮小。
走在國內毫米波雷達前列的公司有德賽四維、華宇汽車、Senstek等。然而，我國車載毫米波雷達產業尚未掌握核心技術，市場滲透率仍然較低。數據顯示，中國77GHz雷達市場，中國、博世、德爾福三家廠商仍占80%以上的出貨量。
“毫米波雷達最早用於軍事領域。國外很早就開始在汽車領域開發應用，尤其是在77GHz的技術封鎖下，國產品牌很難突破。這些外國品牌？1與車企建立了長期穩定的合作關系。國內品牌很難繞過他們與OTM合作，因為其他人已經有了非常全面的應用計劃。”同濟大學汽車學院人車關系實驗室的汽車行業專家王曉斌告訴澎湃新聞(ID:carcaijing)。
還有壹個限制就是相機和毫米波雷達的技術比較成熟，成本低，價格比激光雷達便宜很多。國產品牌很難從性價比入手。
從產業鏈的價值分布來看，由於技術壁壘和廠商的稀缺性，激光雷達產業的附加值更高。
激光雷達是成本最高的三大傳感器之壹，也是高級自動駕駛不可或缺的壹部分。壹直都是賣方主導。但近年來，國產品牌在激光雷達領域呈現出後來者的勢頭:何塞科技、速騰聚創等國產廠商推出了不同的產品線和解決方案，在註重性價比的同時滿足了車輛法規的要求，以價格優勢搶占了威力登的市場份額。
同規格的國產機械激光雷達比威力登便宜很多。威力登的64線激光雷達價格壹度達到65438+萬美元，降價後要50多萬元。沃賽今年654.38+10月推出的64線產品PandarQT建議零售價定為4999美元。
趙鑫認為，雖然限制所有無人駕駛汽車落地的因素還有很多，但對於運營公司來說，成本可能不是第壹位的，性能是否達標和穩定可能更重要。
“攜帶更多信息的激光雷達的引入可以加速Robotaxi操作的落地。有些激光雷達的探測距離為200米，但實際上感應距離不到200米，這可能會導致難以察覺或感知的誤差。”趙鑫說。
事實上，國內不僅是滴滴、馬驍智行、文遠智行的無人駕駛出租車配備了黑塞的激光雷達，民族品牌也在進軍矽谷。截至2019，在加州獲得DMV自動駕駛執照的公司中，超過壹半是黑森的客戶。公開資料顯示，全球自動駕駛測試裏程前15家公司中，有12家公司選擇何塞的產品作為主要傳感器，其中包括與威力登有深度合作的通用巡航、Zoox、極光等頂級自動駕駛公司。
多年來，對於如何結合車載傳感器，為L4級別以上的高級輔助駕駛甚至無人駕駛提供解決方案，壹直有兩種不同的路徑。
第壹種由攝像頭、毫米波雷達等低成本部件組成，構成純視覺計算。典型代表是特斯拉和Mobileye，另壹個是由激光雷達和攝像頭以及毫米波雷達組成。典型代表是Waymo、Apollo等主流自動駕駛廠商。
從價格控制上看，激光雷達的成本遠高於攝像頭和毫米波雷達，特斯拉出於成本考慮選擇了圖像傳感技術主導的路線。
業內人士認為，兩條路線的決策方式存在差異。以攝像頭為主傳感器的自動駕駛方案是“輕感知、重計算”，而以激光雷達為主傳感器的自動駕駛方案具有明顯的“重感知、輕計算”特征。
簡單來說，攝像頭需要依靠軟件算法的提升和大量的數據訓練來彌補硬件方案的低感知水平，而激光雷達的加入在壹定程度上降低了數據處理對計算能力的要求，這也有助於加快L4級自動駕駛汽車的商業化進程。
埃隆·馬斯克(Elon musk)曾多次公開表示對激光雷達解決方案的不屑。馬斯克認為，人類通過視覺收集信息+大腦處理信息來實現安全駕駛，也就是說通過視覺感知+算法決策也可以實現自動駕駛。
特斯拉最近推出了重寫版的Full？自動駕駛全自動駕駛套件(FSD)顯示了其在視覺識別方面的技術優勢，但業內人士指出，FSD能夠實現準確識別和自主決策，離不開背後的海量駕駛數據。
特斯拉通過覆蓋全車的攝像頭+超聲波傳感器和壹個前置雷達，實現高級自動駕駛場景的覆蓋，其最大的支撐來自基於售後車輛數據的神經網絡訓練。通過深度學習覆蓋更多工況和場景，讓視覺算法無限接近人類的感知和判斷。
“他們之所以壹開始不推出這個功能，並不是因為沒有能力或者算法沒做完，更多的是因為數據不夠，場景沒有充分驗證。通過量產車型收集數據對其他汽車制造商也有指導意義。”業內人士對某旅(ID:carcaijing)表示。
特斯拉的路線並不主流。趙鑫說，產業鏈的動態變化體現了激光雷達的必要性。“激光雷達的制造商增加了，更多的汽車制造商開始使用激光雷達，這可能比討論技術路線更有說服力。”
有從業者認為，要實現L4級別以上的自動駕駛，需要對激光雷達、攝像頭、毫米波雷達等各種傳感器進行綜合驗證。
國內智能駕駛公司Fretek總裁張林在接受媒體集體采訪時指出，單靠圖像傳感技術和視覺算法很難做到完全無人駕駛，需要融合激光雷達算法，這也對算法的自研能力和融合技能提出了更高的要求。
“絕大多數做logos的科技公司都是從國際廠商那裏買雷達，自己做融合的算法，但是雷達輸出的是目標級信號，但是自動駕駛程度越高，越需要底層融合。妳看到的事實和目標背後是采集和跟蹤的算法，但這個過程會被過濾。如何在兩個目標重疊非常近的位置識別，只有做過雷達算法的人才能理解和掌握。”張林說。
另壹方面，傳感器越多越好。雖然安裝的傳感器越多，車輛對周圍環境的探測就越有效，但傳感器過多不僅會增加成本並導致相互幹擾，還會給集成和計算帶來挑戰。
Fretek的傳感融合專家劉茜告訴旅者(ID:carcaijing)可以通過多傳感器融合技術實現冗余，即當單個傳感器出現故障時，可以通過其他傳感器數據進行交叉驗證，提高容錯能力。此外，當激光雷達成本較高時，多傳感器融合可以提高解決方案的經濟效益。
不僅是車載傳感器的融合，路側傳感器的數據也會融合到數字流中，成為車輛自動駕駛的補充。
“從車端到路端，從終端到雲端”的5G-V2X車路合作路線被越來越多的自動駕駛公司提及。壹直強調自行車智能化的Waymo也開放了車道研究車路協同技術解決方案。
研究表明，車路協同僅通過車載傳感器就能解決信心不足的問題，或使整車安全性提高2-3倍。通過在路邊增加攝像頭、雷達等傳感器，就像給汽車的傳感設備增加了壹雙“上帝之眼”，降低了維度，解決了復雜的工況和場景。
在大力推進新基礎設施的背景下，上海和雄安自動駕駛示範區的部分測試道路已經配備了高清8K攝像頭、激光雷達和毫米波雷達。
“這些技術有助於汽車了解道路上運行的交通狀況，例如識別交通事故以及它占用了哪條車道。這些信息被傳輸回雲端，然後傳輸到汽車上。無人駕駛汽車可以提前預見和規劃要避開的路徑。”劉茜說。
王曉斌指出，車路協同相當於汽車的壹個“超視距傳感器”，提供現有車載傳感器探測範圍之外的信息，尤其是在復雜場景下。
“從主流觀點來看，要實現高水平的自動駕駛，路側信息必不可少。但現在，車路協調的成本是壹個限制因素，單個車企難以承擔，需要政府或行業牽頭。”王曉斌說。
本報記者趙成對此文亦有貢獻。
本文原載於2020年10月23日《財經》雜誌“汽車與旅行”專欄。
本文來自車家作者汽車之家，不代表汽車之家立場。