近年來，自動駕駛無疑成為了技術界和汽車界的熱門話題，谷歌、百度、蘋果和尤伯杯科技公司、特斯拉、奧迪、奔馳、寶馬等主要汽車制造商紛紛投入自動駕駛領域。然而，在自動駕駛路線的爭論一直沒有停止過。據了解，在不同的技術路線中，所使用的傳感器主要有激光雷達、毫米波雷達和照相機三大類，各有優缺點。這里是汽車電子蕭邊一起了解相關內容。
一、主流傳感器的比較
Lidar：
激光雷達具有高精度、高分辨率的優點，并建立外周三維模型的前景。但其缺點是對隔離帶等靜止目標的檢測較弱，著陸技術成本高。由于激光雷達可廣泛用于ADAS系統，如自適應巡航控制（ACC）、車輛碰撞預警（FCW）和自動急救制動（AEB），因此吸引了很多先進的技術初創企業競爭，而傳統的供應商也積極布局投資達到快速獲取先進技術戰略伙伴關系。
毫米波雷達：
與激光雷達、毫米波雷達具有探測距離遠等優點，受天氣條件和低成本。由于毫米波雷達使用硅基芯片，它們不是特別昂貴，也不涉及復雜的過程，預計在技術改造的第二階段仍有下降的空間。
與激光雷達相比，臨時性成本過高，技術壁壘較低，其全天候工作優勢，可以說是毫米波雷達進入自動駕駛門檻的市場低點。
相機：
攝像機是最基本的通用傳感器，價格低廉，應用廣泛，同時雷達的圖像識別功能無法完成，不僅能識別路標，而且在自動駕駛系統的圖像處理方案中不可缺少的一部分。
在激光雷達的高成本，高精度地圖相機是另一個低成本的技術路線圖。除了具有自動駕駛的高精度地圖提供定位服務外，攝像機還可以作為低成本和少量的數據傳輸在地圖采集過程中（2D屏幕捕捉相機是小尺寸的數據采集器）。
二，視覺引導或激光雷達引導？
據清華大學鄧志東教授介紹，有自動駕駛環境感知的兩種主要技術路線：一種多傳感器視覺融合方案導致特斯拉為代表，與低成本的激光雷達的其他優勢，如谷歌waymo。
1、視覺導致特斯拉為代表：相機+毫米波雷達+超聲波雷達+低成本的激光雷達。
攝像機視覺屬于被動視覺，這是由環境光照影響較大。目標檢測和大滿貫是不可靠的，但成本低。目前，特斯拉已經在生產車上安裝了自動駕駛儀2固件，但成本非常低，僅7000美元左右，8架攝像機單眼環視，有1毫米雷達和12臺超聲波雷達，希望從L2跳到L4。
經過六個月的努力，特斯拉最近完成了從Mobileye單目視覺技術過渡到特斯拉公司NVIDIA驅動計算硬件平臺的軟件系統基于PX2道路試驗數據和軟件8.1版本在今年3月底發布，通過深度學習手段方面已基本達到Mobileye的技術水平在短期內這是之前，很難想象。特斯拉自動駕駛儀技術如何，一個重要的觀察點是看它是否在2017年底，從洛杉磯到紐約，完全自主駕駛，實現全程4500公里，無需人工干預。
2、激光導致谷歌waymo為代表：低成本的激光雷達和毫米波雷達+攝像頭+超聲波傳感器。
激光雷達是主動視覺，其目標檢測比SLAM更可靠，但顏色和紋理損失大，成本高。目前，谷歌waymo成立自己的R&；D組激光雷達硬件，超過90%的成本降低，基本上是7000美元，同時，他們已經開始在美國菲尼克斯地區的500級汽車社會β，大大促進落地技術路線的實踐。
激光雷達LED解決方案可以繼續朝著以下兩個方向前進：
一種是將激光雷達和彩色攝像機結合起來，直接獲取彩色激光點云數據的攝像機和激光雷達硬件模塊的研制。
二是進一步降低激光雷達的硬件成本，如固態激光雷達的研制和實施，成本將降到數百美元。
無論如何，現在的自動駕駛領域的三個核心問題，重點突破：利用人工智能，尤其是目標識別的研究中，自主導航和信息融合的深度，這三方面的技術成就的真正的商業價值。
目標識別：例如，如何可靠地檢測和預測附近的障礙物，特別是在極端和緊急情況下，對于復雜的交通密集地區的城市地區。
自主導航：激光撞擊或視覺SLAM及其低成本導航精細積分；
信息融合的多傳感器信息融合是如何進行的？
三。在未來的發展趨勢是什么？
目前，由于各種原因，不同廠家對自動駕駛技術仍存在爭議，并強調傳感器的組合方式。然而，未來業界的主流觀點是，毫米波雷達、激光雷達和攝像機傳感器是實現自動駕駛的唯一途徑。顯然，innoviz CEO keilaf，以色列首創公司，聯合創始人和Omer David，也支持這個觀點。
他認為，毫米波雷達技術、攝像機和激光雷達傳感器數據融合，是保證車輛全球定位對周邊環境和理解必不可少，提供必要的技術儲備和水平三級5自動驅動方案。在環境感知，每個傳感器都有其獨特的優勢和弱點。例如，毫米波雷達可以完成測距在低分辨率的情況下，以及受天氣因素影響；和相機具有更高的分辨率，能夠感知的顏色，但強烈的影響；激光雷達可以提供三維遙感信息，環境的重建可以更強。
在這種情況下，只有多個傳感器的融合，才能更準確地提供車輛周圍環境的圖紙信息，并滿足OEM主機廠所需的安全標準。目前，高性能激光雷達的生產和成本仍然是多傳感器融合技術方案乃至全自動駕駛技術的障礙之一。
