先不論車企宣傳語里L2.9還是L3+，汽車里的傳感器的確是越裝越多了。

無人駕駛全球領軍者Waymo的第五代自動駕駛系統共有40個傳感器，其中包含29個攝像頭、6個毫米波雷達和5個激光雷達。國內造車新勢力們在汽車智能化、自動化上也不遑多讓，蔚來ES8搭載了23個傳感器，小鵬P7的數量則是31個，超過特斯拉。

隨著汽車智能化變革的到來，全球的汽車科技公司，無論大小，都在致力于去掉汽車的方向盤，或者部分減弱人類駕駛員的作用。有的玩家在勇攀高峰進擊L4級自動駕駛，有的循序漸進從L1和L2級自動駕駛做起，但車載傳感器解決方案的市場蛋糕已經越做越大。

市場研究公司Yole Développement發布的《2020年自動駕駛傳感器報告》預測，用于自動駕駛車輛的傳感器將在未來15年內以51%的年復合成長率增長，感測硬件的總營收將在2032年達到170億美元，約合人民幣1115億元。

車載傳感器的千億級市場里，中國在研發和市場占有率上失了先機，攝像頭、毫米波雷達和激光雷達等車載傳感器行業被外商品牌壟斷多年，但已經有部分國牌摩拳擦掌，力圖奪回國產傳感器的江湖地位。

攝像頭、毫米波雷達、激光雷達如何讓汽車像人類一樣感知環境？只依靠圖像識別能讓汽車達到全無人駕駛的級別嗎？車端之外，路端傳感器將怎樣幫助自動駕駛汽車更快實現落地？

汽車的“眼睛”與“耳朵”

與傳統汽車相對比，自動駕駛汽車的感知系統的主要工作是替代人類駕駛員的視覺系統：通過將感受的信息按照特定規則轉為電信號，傳輸到汽車的中央控制單元協助汽車自動駕駛。

自動駕駛歸根結底是要讓汽車變得智能，而關于人工智能如何幫助人類，業內常有這樣的說法：當前人工智能系統所擅長的領域與人類所擅長的領域恰恰相反。人類的邏輯分析能力遠超AI，但人類在記憶和大數據分析等領域卻與AI相差甚遠。

汽車感知系統也存在這樣的現象。人類司機只需憑借常識和認知即可識別道路上的行人、車輛、信號燈等，并對應做出加速減速、轉向等決策。而計算機想要完成同樣的操作卻非常困難，感知、識別就是第一大關。

目前自動駕駛的核心傳感器包括車載攝像頭、毫米波雷達、激光雷達，在ADAS系統中主要以攝像頭與毫米波雷達為主，而激光雷達則已成為大部分L3級以上自動駕駛汽車的必選品。

車載攝像頭，扮演的是人類“眼睛”的角色。

作為自動駕駛里最不可或缺的一個傳感器，攝像頭能分辨出障礙物的大小和距離，識別行人、車道線、交通標識等，并將圖像信息通過算法分析，實現眾多預警和識別功能，如行人警示、車道保持、交通信號燈識別等等。根據鏡頭個數的不同，攝像頭可以分為單目、雙目和多目攝像頭。

攝像頭的主要優點在于其分辨率高、成本低，人眼能夠快速捕捉海量信息，攝像頭也能夠獲取豐富的信息，但和人眼一樣受視野和環境影響。一個單目攝像頭最多能捕捉到50°范圍內，能觀察的距離有限；在夜晚和雨雪等惡劣天氣下攝像頭的性能會迅速下降。

2018年3月，Uber的一輛自動駕駛汽車在亞利桑那州與一名橫穿馬路的女士相撞并致其死亡，主要原因是由于夜里光線條件差，經過的路段又處于陰影中，沒有準確辨認行人。

毫米波雷達彌補了攝像頭的缺陷。相比人類的眼睛，它更像是蝙蝠的耳朵：蝙蝠幾乎不靠眼睛，而是通過耳朵發射超聲波、根據其反射的回音辨別物體、避開障礙飛行，因此也不受光線條件影響。

與蝙蝠飛行原理相似，毫米波雷達使用天線發射波長1-10mm、頻率24-300GHz的毫米波，通過處理目標反射信號獲取汽車與其他物體相對距離、相對速度等環境信息，并根據信息對目標追蹤分類，由電子控制單元結合車身動態信息進行決策。

毫米波雷達的優勢在于抗干擾能力強，對降雨、沙塵、煙霧等離子的穿透能力高于激光和紅外，但也存在如信號衰減大、易受到建筑物等阻擋、傳輸距離短等缺陷。

激光雷達與雷達工作原理類似，但其最大優勢在于能夠利用多譜勒成像技術，創建出目標清晰的3D圖像。

通過測量激光信號的時間差和相位差確定距離，并利用此過程中收集到的目標對象表面大量密集的點的三維坐標、反射率和紋理等信息，快速得出被測目標的三維模型以及線、面、體等各種相關數據，以達到環境感知的目的。

國產激光雷達制造商禾賽科技安全及質量工程部總監趙鑫告訴出行一客 （ID:carcaijing），激光雷達是汽車要實現自動駕駛不可或缺的傳感器，尤其是針對L4級以上。激光雷達的優勢明顯，分辨率高、精度高、抗干擾能力強。激光雷達線數越多，測量精度越高，安全性就越高。

“無論是探測精度、信息豐富程度和對外界的實際感知，對于無人車來說都是必不可少的。”趙鑫表示。

激光雷達屬于精密儀器，工作原理涉及多個專業學科，尤其是頂級的頭部企業在相關領域都有多年的深耕和積累，且成熟的產品具備很高的精度，導致激光雷達成本較高、價格更貴。但是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打通與合作成為助推激光雷達降本的重要力量。

另一方面，越多線數的激光雷達所能感知的環境細節越多，其接收的點云數據量越豐富，對硬件和軟件的能力要求也越高，擁有足夠的計算能力來處理傳感器捕捉的環境信息，已成為自動駕駛解決方案中的重要一環。

外商統治，國牌挑戰

車載傳感器行業曾是海外廠商絕對統治的江湖。

隨著自動駕駛技術逐步推廣，車載攝像頭、毫米波雷達和激光雷達市場需求亦快速提升。由于技術壁壘高、對硬件與軟件系統均有較高的要求，外資Tier1們無論是研發還是品牌信賴度、市場占有率上都有著明顯的先發優勢。

以攝像頭為主導的圖像識別技術供應商中，以色列公司Mobileye占據絕對優勢位置。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年手握全球26個車企45個合作項目，并新獲得22款車型的超1600萬輛訂單，市場滲透率超過70%。

而在毫米波雷達領域，由于軟硬件關鍵技術被外商壟斷，全球毫米波雷達市場主要由博世、法雷奧、海拉、大陸、德爾福、電裝等國際巨頭廠商主導。據中國高科技行業綜合門戶OFweek統計，2018年全球毫米波雷達市場出貨量前三的企業為博世、大陸和海拉，市場占有率分別為19%、16%和12%。

激光雷達的市場壟斷更加明顯，曾掌握核心技術的美國Velodyne科技公司幾乎是激光雷達的代名詞。成立于1983年的Velodyne一度是國內全無人駕駛技術公司的唯一選擇，與谷歌、通用汽車、福特、Uber、百度等都有合作，占據了車載激光雷達大部分的市場份額。

近年來，伴隨著中國的汽車智能化浪潮，車載傳感器的蛋糕越做越大，國牌挑戰者們也隨之崛起。

近日召開的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，規劃稱我國到2025年L2級、L3級自動駕駛的智能網聯汽車占汽車總銷量達50%。中信證券預測，傳感器需求將呈指數級增長，汽車傳感器市場有望在2023年突破340億元。

三種傳感器的國內供應商們正力圖奪回外資Tier1們的市場份額。

Mobileye封閉的“黑盒子”模式對車企的研發限制極大，卻也給了國內攝像頭解決方案供應商們彎道超車的機會。Mobileye將算法與芯片“捆綁銷售”，合作的下游廠商只能獲取其輸出的信號，但不知道具體的識別算法，也不能針對性地修改算法。另一方面，Mobileye還未能證明其在更高級別自動駕駛系統的運算和多傳感器整合能力。

在攝像頭系統解決方案上，中國的德賽西威、百度Apollo、華為等廠商已有布局。德賽西威是站在小鵬、理想兩家車企背后的自動駕駛系統供應商，也是英偉達在中國支持的第一家本土自動駕駛Tier1。

小鵬汽車告訴記者，小鵬 P7 搭載的自動駕駛輔助感知系統充分考慮了中國本土路況對感知能力的要求。小鵬P7攝像頭數量足有11個，但結合英偉達 DRIVE Xavier 計算平臺和德賽西威開發的自動駕駛域控制器IPU03，算力可達 30 TOPS（萬億次/秒），足以達到處理海量數據信息的算力要求。

此外，一大批視覺感知技術公司也涌現出來，如MAXIEYE、極目智能、MINIEYE等，從視覺感知、環視感知等不同角度切入。盡管距離Mobileye仍有差距，但隨著國內公司的積極研發并實現量產，這一差距正在縮小。

走在國內毫米波雷達前列的公司有德賽西威、華域汽車、森斯泰克等，但中國車載毫米波雷達行業尚未掌握核心技術，市場滲透率依然較低。數據顯示，大陸、博世和德爾福仍占據我國77GHz雷達市場80%以上的出貨量。

“毫米波雷達最早應用在軍事領域，國外很早就開始研發并應用在了汽車領域，尤其是對77GHz的技術封鎖下，國內品牌很難突破。這些外商Tier 1已經與車企建立了長期穩定的合作關系，國產品牌很難繞過他們去和OTM合作，因為別人已經有很全面的應用方案了。”同濟大學汽車學院人車關系實驗室汽車產業專家王小斌告訴 出行一客 （ID:carcaijing）。

另一個限制在于攝像頭和毫米波雷達的技術相對成熟，成本較低，價格也比激光雷達便宜很多，國產品牌很難從性價比入手。

從產業鏈的價值分配來看，激光雷達由于技術壁壘、廠家稀缺，產業附加值更高。

激光雷達是三種傳感器中成本最高的一種，也是高級自動駕駛必不可少的組成部分，過于一直是賣方主導定價，但近年來國產品牌在激光雷達領域已呈現后來者居上的勢頭：禾賽科技和速騰聚創等國內玩家都推出了不同的產品線和解決方案，在滿足車規級要求同時主打性價比，以價格優勢搶占Velodyne市場份額。

同樣規格的國產機械式激光雷達比Velodyne便宜得多。Velodyne的64線激光雷達售價一度達到10萬美元，降價后也需五十多萬人民幣，而禾賽在今年1月推出的64線產品PandarQT建議零售價定在了4999美元。

趙鑫認為，盡管目前限制全無人駕駛車落地的因素還有很多，但對于運營公司來說成本也許不是排在第一位的，性能是否達標、穩定可能更加重要。

“推出承載更多信息量的激光雷達能加快Robotaxi運營的落地。有的激光雷達探測距離有200米，但實際上感知距離到不了200米，都可能導致無法感知或者感知錯誤。”趙鑫表示。

事實上，不僅僅是國內滴滴、小馬智行、文遠知行的全無人出租車裝上了禾賽的激光雷達，國牌正打入硅谷。截至2019年，加州DMV獲得自動駕駛牌照的公司中，有超過一半是禾賽的客戶。公開信息顯示，全球自動駕駛測試里程排名前15的公司中，有12家選擇禾賽的產品作為主傳感器，包括通用Cruise、Zoox、Aurora等曾與Velodyne深度合作的頂級自動駕駛企業。

車內多傳感器融合，車外路端數據協助

車載傳感器如何組合、為高級輔助駕駛甚至L4級以上全無人駕駛提供解決方案，多年來一直有著兩種不同的路徑。

第一種是由攝像頭主導、配合毫米波雷達等低成本元件組成，構成純視覺計算，典型代表為特斯拉、Mobileye等，另一種是由激光雷達主導，配合攝像頭、毫米波雷達等元件組成，典型代表為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于攝像頭和毫米波雷達，特斯拉選擇圖像感知技術主導的路線也有也出于成本的考慮。

業內認為，兩種路線的決策方法存在差異，以攝像頭為主傳感器的自動駕駛方案“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。

簡單來講，是攝像頭因為在硬件方案的感知水平較低，需要依托軟件算法方面的能力提升與大量數據訓練來加以彌補，而激光雷達的加入一定程度上降低了數據處理環節對運算能力的要求，也有助于加快L4級自動駕駛汽車商業化落地。

伊隆·馬斯克曾多次公開表示其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+大腦處理信息的方式進行安全駕駛，意味著自動駕駛也能通過視覺感知+算法決策來實現。

特斯拉近日推出的重寫版Full Self-Driving全自動駕駛套件（FSD），展現了其在視覺識別上的技術優勢，但業內人士指出，FSD能做到精準識別和自主決策，離不開背后的海量車主駕駛數據。

特斯拉通過覆蓋全車的攝像頭+超聲波傳感器和一顆前置雷達以實現高級別自動駕駛場景的覆蓋，其最大支撐來自售后車輛數據基礎上的神經網絡訓練。通過深度學習覆蓋更多工況與場景，使得視覺算法無限接近人類的感知和判斷。

“他們之所以一開始沒有推出這個功能，不是因為沒有能力或者算法沒寫完，更多是數據不夠，沒有完全驗證場景。通過量產車型去收集數據，對于其他車廠也有啟發作用。”業內人士對記者表示。

特斯拉的路線并非主流。趙鑫表示，產業鏈的動態變化反映了激光雷達的必要性。“激光雷達的制造商變多了，更多車廠開始使用激光雷達，這可能比討論技術路線更有說服力。”

部分從業者認為，要實現L4級以上自動駕駛，需要激光雷達、攝像頭和毫米波雷達等多種傳感器的綜合驗證。

國內智能駕駛公司福瑞泰克總裁張林在接受媒體群訪時指出，單靠圖像感知技術和視覺算法很難做到全無人駕駛，需要融合激光雷達算法，這也對算法的自研能力與融合技能會提出更高的要求。

“絕大多數做標識的科技公司買國際廠商的雷達，自己做算法做融合，但雷達輸出的是目標級信號，但越高程度的自動駕駛越需要底層的融合。看到的事實和目標背后是集聚和追蹤的算法，但這個過程會被過濾。如何在兩個目標疊加很近的位置中去辨識，只有做了雷達算法的人才能了解和掌握。”張林表示。

另一方面，傳感器并非越多越好。盡管安裝的傳感器數量、種類越多，車輛對周圍環境檢測越有效，但傳感器過多不僅會使成本增加、導致相互干擾，對集成和算力也會帶來挑戰。

福瑞泰克感知融合專家劉熙告訴記者，通過多傳感器融合技術可以實現冗余，即在單一傳感器失效時能通過其他傳感器數據交叉驗證，提高容錯性。此外，在激光雷達成本較高的情況下，多傳感器融合可以提高解決方案的經濟效益。

不僅僅是車內傳感器的融合，路端傳感器數據也將并入數字流，成為車端自動駕駛的補充。

“從車端到路端，從終端到云端”的5G-V2X車路協同路線被越來越多的自動駕駛公司提及，一直強調單車智能的Waymo也已開辟車道研究車路協同技術解決方案。

研究顯示，車路協同可以解決單純依靠車輛傳感器感知的置信度不足的問題，或將整車安全性提高2-3倍。通過在路端加入攝像頭、雷達等傳感器，有如給汽車的感知設備之外再加上一雙“上帝之眼”，降維解決復雜工況及場景。

在大力推進新基建的背景下，上海、雄安自動駕駛示范區的一些測試路端上已經搭載了高清的8K攝像頭、激光雷達、毫米波雷達等。

“這些技術幫助車了解到路上運行的交通狀態，如識別交通事故、占了哪條車道等，這些信息傳遞回云端再到車端，無人駕駛車能提前預見、規劃路徑避開。”劉熙表示。

王小斌指出，車路協同相當于汽車的一個“超視距傳感器”，提供現有車載傳感器探測范圍以外的信息，尤其是在復雜場景中。

“從主流觀點來看，要實現高級別的自動駕駛，路端的信息是必不可少的。但現在來看，車路協同的成本是一個限制因素，單個車企很難承擔，需要政府或者行業來牽頭推動。”王小斌表示。

責任編輯：haq