一辆自动驾驶的电动汽车需要多少传感器

汽车市场已经成为传感器的重要应用市场，MEMS汽车传感器作为汽车电子控制系统电子控制系统的重要信息源，对温度、压力、位置、转速、加速度和振动等各种信息进行实时、准确的测量和控制。当前，一辆普通家用轿车上大约安装了近百个传感器，而豪华轿车上的传感器数量多达200个，那么作为未来主流的智能电动汽车，其自动驾驶系统需要多少传感器来支撑呢？

自动驾驶系统涵盖三个方面，分别为：

1）感知层，通过传感器（包括车载摄像头/超声波雷达/毫米波雷达/激光雷达等）感知车身周围环境；

2）决策层，通过感知层收集的信息作出相应的决策（涉及芯片/算法）；

3）执行层，通过接收传感器的实时信息、以及芯片/算法得出的决策信号从而采取包括刹车/警示等在内的行车行动。其中硬件设备包括传感器、芯片、高精地图。

感知就像人类通过眼睛和耳朵感知周围情况，自动驾驶的感知是通过激光雷达、毫米波雷达、高清摄像头等硬件设备的周围感知及通过GNSS（全球导航卫星系统）、IMU（惯性测量单元）、RTK（实时动态）定位等绝对位置定位组成，用来搜集车辆周边的环境。

智能驾驶感知层各类传感器及相关企业

激光雷达

激光雷达最重要的两个属性是测距和精度。激光雷达可以主动探测周围环境，属于“主动视觉”，即使在夜间仍能准确地检测障碍物。因为激光光束更加聚拢，所以比毫米波雷达拥有更高的探测精度。缺点在于成本高昂、技术不成熟、影响车辆整体外观。激光雷达成本高于2万元，而摄像头最多仅2000元，雷达则更便宜，激光雷达主导的解决方案为主机厂带来成本压力。

近日，全球知名市场研究与战略咨询公司Yole Développement发布了《2021年汽车与工业领域激光雷达应用报告》（以下简称《报告》）。《报告》统计了包括全球十余家头部企业在内的激光雷达研发制造商在汽车和工业市场应用的份额占比情况。

来源：Yole Développement

报告显示，法雷奥排名第一，占比 28%；RoboSense(速腾聚创)占比10%，排名第二；Luminar、Livox（大疆）、电装、大陆、Cepton五家厂商以7%占有率，并列第三；紧随其后的是Innoviz、Ibeo、华为、禾赛科技、Innovusion（图达通）、Velodyne，占有率均为3%。

超声波雷达

超声波雷达在汽车中的应用已经有很多年了，在许多车辆的前后两侧都能发现它们的身影。按工作频率划分，超声波雷达有40kHz、48kHz和58kHz三种，频率越高，灵敏度越高，探测角度越小。在工作状态，通过收发超声波，超声波雷达能以1-3cm精度测算0.2-5m范围内的障碍物。

然而，由于工作频率属于声波范围，超声波雷达的不足也是显而易见的。尤其是汽车在高速行驶过程中，由于超声波信号的传播延迟，接收到的信息会出现一定的延迟。另外，超声波设备也存在方向性差的问题，需要更多的设备来覆盖同一个区域，而且天气条件也会极大地影响它们的探测效果。

不过，这并没有影响超声波雷达在汽车行业的应用，非常关键的一点就是它的超高性价比。市场上单个超声波雷达的售价仅为数十元人民币，按照一套倒车雷达系统安装4个超声波雷达计算，硬件成本还不足二百元。自动泊车系统虽然需要的超声波雷达数量多一些，但硬件总成本也能控制在五百元左右。与动不动就要数万元甚至数十万元的激光雷达相比，超声波雷达在成本方面的优势实在太突出了。

超声波目前的使用场景，基本有三种，一种是实现简单的后向倒车辅助、警告障碍物的预警功能，配置的超声波雷达数量一般是4个；另一种是增加了汽车在前进过程中的预警，配置数量在8个；最后一种就是配置12个，实现水平、垂直、斜向全自动泊车的功能。

在供应商方面，法雷奥、博世、电装、TTE占据主要份额，并且走的是软硬件一体的泊车方案。不过，近年来，国内本土供应商也在加紧抢占市场，从低端的倒车辅助到泊车应用。高工智能汽车研究院根据基于自主搭建的前装定点及量产项目数据库作为基础评价指标，通过企业规模、资本实力、研发能力、经营能力、行业影响力、成长潜力等六个一级指标综合评判，正式发布年度超声波雷达（国产）供应商市场竞争力TOP10榜单。上富电技、豪恩汽电、奥迪威、纵目科技、合肥晟泰克、海康汽车、重庆光大、辅易航、优保爱驾、苏州优达斯上榜。

毫米波雷达

毫米波指波长介于1~10mm的电磁波，毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。毫米波雷达则指工作在毫米波波段的雷达。毫米波雷达通过天线向外发射毫米波，接收目标反射信号，经计算后快速准确地获取汽车车身与其他物体直接的相对距离、速度、角度、运动方向等，再交回车辆的中央处理单元(ECU)进行智能处理和决策。

车载毫米波雷达主要集中在24GHz和77GHz这2个频段，毫米波雷达具有传输距离远，性能稳定、成本可控等优点，但其同样也存在角度分辨率弱、辨识精度低等缺陷。基于测量距离远、全天候稳定工作以及成本低的特性，毫米波雷达毫无疑问地广泛应用于自动驾驶车辆当中，但其在探测精度上的短板也需要持续的技术迭代来补足。

ADAS系统的毫米波雷达市场集中， 长期为国外汽车零部件巨头所垄断，以德国、美国和日本等国家为研发地，主要公司有博世、大陆、海拉、富士通天、电装、天合、德尔福、奥托立夫等。国内微波/毫米波雷达传感器企业近年来逐渐涌现，多为初创企业，普遍缺乏车载行业背景。随着ADAS（先进驾驶辅助系统）的加速渗透，越来越多的汽车产业链供应商如沪电股份、亚太股份、华域汽车等大厂纷纷通过自主研发、国际合作、投资创业团队等方式切入加速布局。

车载高清摄像头

摄像头测距能力相对较弱，且受环境光照的影响大，但摄像头的核心优势在于非常适用于物体识别、数据量远超其他传感器。摄像头成像原理与人眼类似，都是物体反射的光通过镜片在传感器上成像，人眼就能看懂摄像头拍摄的内容，摄像头可以完成物体分类。同时摄像头拥有最丰富的线性密度，其数据量远超其他类型的传感器。基于图像信息密度最高的优势，使得它处于整个感知融合的中心地位。车载摄像头覆盖率较低，市场潜力巨大。

要完全实现自动驾驶，汽车必须配置五类摄像头，伴随智能驾驶等级提升，单车车载摄像头数量增长，单车摄像头配置数量至少为 12个，L5预计需要12-15颗（感知+环视+DMS/OMS），随着车载摄像头技术的成熟，单品价格总体呈下降趋势，据 ICVTank 数据，2020 年车载摄像头价格带芯片及算法前视摄像头1,000元左右，无芯片500万像素仅200元，未来这一价格有望进一步下降，并将进一步推动车载摄像头覆盖率和单车配置数量提升。

随着ADAS和自动驾驶的逐步深入，预计未来车载摄像头市场规模仍保持高速增长，根据ICVTank，全球车载摄像头市场规模将有望在2025年达到270亿美元，CAGR 达15.8%。

车载摄像头企业：

GPS与IMU

对于一辆自动驾驶汽车来说，高精定位有两层含义：

（1）得到自车与周围环境之间的相对位置，即相对定位；

（2）得到自车的精确经纬度，即绝对定位。

因此，自动驾驶汽车对于周边环境的理解需要高精地图、联合感知等技术的辅助。高精地图可以把由测绘车提前采录好的、用经纬度描述的道路信息告诉车辆，而所有的车辆也可以把实时感知得到的、用经纬度描述的动态障碍物的信息广播给周围的车辆，这两个技术叠加在一块，就可以大大提高自动驾驶汽车的安全性，从而拓展它们的运营范围。

之所以使用经纬度来描述这些信息，是因为不同的车辆，包括采集高精地图的测绘车在内，必须使用同一个观测坐标系才能共享观测的信息，而目前世界上最通用的观测坐标系就是由经纬度定义的坐标系，对绝对定位的需求就来自这里。

众所周知，GPS可以为车辆提供精度为米级的绝对定位，差分GPS或RTK GPS可以为车辆提供精度为厘米级的绝对定位，然而并非所有的路段在所有时间都可以得到良好的GPS信号。

因此，在自动驾驶领域，RTK GPS的输出一般都要与IMU，汽车自身的传感器（如轮速计、方向盘转角传感器等）进行融合。严格来讲，IMU只提供相对定位信息，即自体从某时刻开始相对于某个起始位置的运动轨迹和姿态。然而，将IMU的相对定位与RTK GPS的绝对定位进行融合后，就产生了两个无可替代的优点：

（1）IMU可以验证RTK GPS结果的自洽性，并对无法自洽的绝对定位数据进行滤波和修正；一个简单的例子是，如果RTK GPS输出汽车的绝对位置在短时间内发生了很大的变化，这意味着汽车有很大的加速度，而此时IMU发现汽车并不具备这样的加速度，就表明RTK GPS的定位出了问题，应该由IMU来接管绝对定位系统；

（2）IMU可以在RTK GPS信号消失之后，仍然提供持续若干秒的亚米级定位精度，为自动驾驶汽车争取宝贵的异常处理的时间。同样的道理，IMU也可以在相对定位失效时，对相对定位的结果进行航迹推演，在一段时间内保持相对定位的精度；例如，在车道线识别模块失效时，基于失效前感知到的道路信息和IMU对汽车航迹的推演，仍然能够让汽车继续在车道内行驶。

其中，IMU的全称是inertial measurement unit，即惯性测量单元，通常由陀螺仪、加速度计和算法处理单元组成，通过对加速度和旋转角度的测量得出自体的运动轨迹。

陀螺仪

陀螺仪，测量角速度，具有高动态特性，它是一个间接测量角度的器件。它测量的是角度的导数，即角速度，要将角速度对时间积分才能得到角度。陀螺仪就是内部有一个陀螺，它的轴由于陀螺效应始终与初始方向平行，这样就可以通过与初始方向的偏差计算出旋转方向和角度。

加速度计

加速度计的低频特性好，可以测量低速的静态加速度。当我们把加速度计拿在手上随意转动时，我们看的是重力加速度在三个轴上的分量值。加速度计在自由落体时，其输出为0。为什么会这样呢？这里涉及到加速度计的设计原理：加速度计测量加速度是通过比力来测量，而不是通过加速度。

加速度计若是绕着重力加速度的轴转动，则测量值不会改变，也就是说加速度计无法感知这种水平旋转。陀螺仪与加速度计之间的关系好似一条船，姿态就是航向（船头的方位），重力是灯塔，陀螺（角速度积分）是舵手，加速度计是瞭望手。舵手负责估计和把稳航向，他相信自己，本来船向北开的，就一定会一直往北开，觉得转了90度弯，那就会往东开。当然如果舵手很牛逼，也许能估计很准确，维持很长时间。不过只信任舵手，肯定会迷路，所以一般都有瞭望手来观察误差。

IMU的关键优势，在于它在任何天气和地理条件下都能正常工作。作为一个独立的数据源，它可用于短期导航，并验证来自其他传感器的信息，也不会因为天气、透镜污垢、雷达和激光雷达信号反射或城市峡谷效应而失效。作为一个独立的传感器，IMU被视为补充和证实其他传感器数据的传感器，即最后的传感器，用于确保车辆行驶安全，并在其他传感器受损或失效时以可控的方式使车辆停止，因此，有人将IMU称为自动驾驶系统的定海神针。

目前，市场上所有配备ESC（电子稳定控制系统）系统的车辆，都已配备了低精度低成本的IMU，而高精度IMU虽可满足自动驾驶惯性导航的性能要求，但过去数千美元的价格使其无法在汽车市场上大规模部署。目前，诸多业内企业正致力于将高精度IMU的成本降至100美元以下。

在IMU企业端，博世、意法半导体、TDK、ADI是全球领先的IMU供应商，中国厂商也在竞逐IMU领域，如深迪半导体、罕王微电子。

自动驾驶各传感器汇总对比

通过上述分析，可以发现这些自动驾驶传感器或多或少存在一些盲点，这就使得传感器性能的重叠和数据的融合，显得至为重要。例如，当激光雷达受到恶劣天气干扰时，雷达和红外摄像机可保证自动驾驶系统的感知功能。

GNSS（全球导航卫星系统）是自动驾驶系统的一个核心要素。GNSS通过两种增强改正模式，RTK（实时动态）和PPP（精确点定位），极大地提高了GNSS的精度，将定位精度从几米提高至几厘米，当然，GNSS存在信号丢失和城市中心多路径等问题。

在过去，RTK / PPP硬件成本和服务费用较高，但新型芯片模组及算法有望将其成本降低到大众市场水平。惯性测量单元（IMU），可作为传感器数据缺失时的有效补充。IMU利用内置的加速度传感器和陀螺仪，可测量三维线性加速度和三维角速度，根据这些信息，可计算出车辆的姿态（俯仰角和滚动角）、航向、速度和位置变化。IMU可用于填补GNSS信号更新之间的空白，甚至可以在GNSS和系统中的其他传感器失效时，进行航位推算。

我们以特斯拉和WAYMO两种智能驾驶感知层解决方案来说明。

1.以特斯拉为代表的视觉主导方案和以视觉主导方案以摄像头为主导，配合毫米波雷达、超声波雷达、低成本激光雷达；特斯拉Autopilot的感知工作主要依赖3个前置摄像头、2个侧方前视摄像头、2个侧方后视摄像头、1个后视摄像头、12个超声波传感器、1个毫米波前置雷达，实现了多传感器融合冗余。

2.WAYMO为代表的激光雷达主导方案。激光雷达主导方案以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头。Waymo自研的4D成像雷达应用于Waymo发布的第五代感知系统Waymo Driver，搭载自研激光雷达（1个车顶+4个车辆前后左右），6个自研毫米波雷达、自研29个摄像头、麦克风列阵等。

结论

一辆电动汽车自动驾驶系统需要多少传感器来支撑呢？

也许我们没法有个明确数值，不同厂商有不同的技术解决方案，目前无法清楚判断孰优孰劣，但是多种传感器融合与互补是必然的，无论是激光雷达、超声波、毫米波、摄像头还是GPS、IMU、加速度计、陀螺仪都是电动汽车自动驾驶必备的传感器，目前我们国内厂商相对国外企业在技术上相对要滞后，不过我们也可以看过在不同的传感领域我们一样有着不少优秀的企业代表在不断发展进步，中国作为智能汽车最大的消费市场，自动驾驶的成熟需要我们中国市场来验证，作为其核心硬件传感器研发需要我们中国企业来参与及完善。