幾個感知感測器的小總結

寫之前感覺這是一個百字之內就能說清楚的話題，但真正總結起來，又覺得隨時需要添加新信息。

-----------------------分割線------------------

目前無人駕駛用到的感知感測器主要有攝像頭（普通，廣角，魚眼等），LIDAR（mechanical, solid state），各種range的雷達，不常用的還有超聲波、紅外、熱成像等等。以下從參數和應用角度做簡單比較，下次有機會再說sensor fusion。

• 攝像頭
  車用級別的在1M-3M pixel，工作時幾百mW功耗，-40C~105C工作環境，30/60fps。
  主要供應商: OmniVision, ONSemi, SONY, BOSCH
• 優點/特點：
• 擅長物體識別，特別是deep learning應用後
• 數據包含色彩信息，於是擅長識別交通燈和理解周圍環境
• 如果對焦合適，百米內距離的場景，有很高的解析度（清晰度）
• 廉價，汽車級已經大規模量產應用
• 缺點：
• 即使3Mpx相對手機攝像頭像素較小，但計算成本仍非常高
• 受光照（夜晚），天氣，陰影影響很大
• 非常遠距離時，解析度不足
• 單攝像頭沒有距離和速度信息，雙攝像頭距離和速度信息精度一般
• 雷達
  幾十到幾百米，Frequency-Modulated Continuous-Wave (FMCW)，頻率24-26GHz/76-81GHz，掃描頻率幾十Hz，精度幾十厘米(range有關)，相對速度幾百km/h，速度精度1%左右。

  主要供應商: BOSCH, DENSO, Freescale

  

• 優點/特點：
• 天生自帶速度、距離信息
• 對光照、天氣沒有要求
• 窄波長距，寬波短距，各有應用場景
• 不佔據很多計算資源
• 有時可以檢測到障礙物後面的信息（可以提前預測）
• 缺點：
• 角度精度較差
• 解析度差
• 難以識別物體
• 物體反射率對數據有影響
• 靜止物體可能誤判
• 一定的穿透性可能帶來誤判
• 激光雷達LIDAR
  紅外光（>900nm），掃描頻率幾十Hz，0.0x-0.x角精度，垂直20°左右，水平360°，功耗十幾W，最遠可以一百米左右，厘米級精度
  主要供應商：Velodyne, Ibeo, Valeo, Quanergy, Continental, BOSCH
• 有點/特點：
• 角精度和距離精度都非常好
• 返回3D數據
• 360°全景數據
• 對光照、天氣也要求不高，但不能有強雨或厚霧
• 缺點：
• 目前mechanical Lidar非常貴，solid state有希望近期上市（Quanergy），但不確定能否達到汽車級
• 雖然比雷達解析度高，但存在Range vs intensity tradeoff
• 對路標等信息難以識別

這三種最常用的sensor各有用處，完全根據應用場景決定：

Source: TI ADAS solution guide

Reference & Credit to:

• Christopher Wilson: Automated VehiclesSensors & Mapping

• TI: Advanced Driver Assistance (ADAS) Solutions Guide
• Brad Templeton: Cameras or Lasers?

• EETimes: Autonomous Cars" Pick: Camera, Radar, Lidar?
• 各種公開資料

推薦閱讀：