【中国传动网 行业动态】 自动驾驶汽车是依靠人工智能、视觉计算、激光雷达、监控装置和全球定位系统协同合作，让电脑可以在没有人类主动的操作下，自动、安全地操作机动车辆，其主要由环境感知系统、定位导航系统、路径规划系统、速度控制系统、运动控制系统、中央处理单元、数据传输总线等组成。

自动驾驶汽车在传统汽车的基础上扩展了视觉感知功能、实时相对地图功能、高速规划与控制功能，增加了全球定位系统天线、工业级计算机、GPS接收机、雷达等核心软硬件。感知环节通过各种传感器采集周围环境基本信息，是自动驾驶的基础，主要包括毫米波雷达、激光雷达、超声波传感器、图像传感器等。

虽然说自动驾驶在全球范围内已经形成风潮，并有望在2021年实现4级自动驾驶，但是其想要真正走入现实也并非易事。从技术方面而言，目前自动驾驶的痛点在于稳定可靠的感知及认知，包括清晰的视觉、优质的算法、多传感器融合以及高效强大的运算能力。其中，多传感器融合是实现自动驾驶的必然发展趋势。

具体而言，多传感器融合就是将多个传感器获取的数据、信息集中在一起综合分析以便更加准确可靠地描述外界环境，从而提高系统决策的正确性。虽然在原理上看似简单，但是在自动驾驶场景中则显得充满挑战。多传感器融合，需要对每个传感器采集的信息进行快速处理，从而让高速行驶的汽车及时进行反馈动作，以应对突发的交通情况。由此可见，多传感器融合并不仅仅是硬件方面的协同配合，还包括决策层的算法和算力支持。

当前，自动驾驶环境感知技术路线主要包括视觉主导和激光雷达主导两种方案：

一是以特斯拉为代表的「摄像头+毫米波雷达+超声波雷达」多传感器融合，Autopilot2.0硬件由8个摄像头、1个毫米波雷达和12个超声波雷达组成，但摄像头受环境光照影响较大，目标检测较不可靠，优势是成本相对较低；

二是以GoogleWaymo为代表的「低成本激光雷达+毫米波雷达+超声波传感器+摄像头」多传感融合，激光雷达是主动视觉，目标检察较为可靠，但缺少颜色和纹理信息且成本较高。

目前，没有一种解决方案是完美的，每种组合解决方案都有妥协，即使这些妥协的规模或不同方向的意识程度不同。这些传感器技术将以不同的方式在不同的车辆价格点组合，从而获得更有效的解决方案。