本文介绍无人驾驶中几种主流的环境感知传感器，包括视觉摄像机、毫米波雷达、超声波雷达、激光雷达。通过分析对比每种传感器的原理和优缺点，进一步理解不同场景下如何构建感知方案。

1、感知传感器

在无人驾驶中，传感器负责感知车辆行驶过程中周围的环境信息，包括周围的车辆、行人、交通信号灯、交通标志物、所处的场景等。为无人驾驶汽车的安全行驶提供及时、可靠的决策依据。

目前常用的车载传感器包括相机、毫米波雷达、超声波雷达、激光雷达等。根据各个传感器的特性，在实际应用中往往采用多种传感器功能互补的方式进行环境感知。

2、视觉摄像机

传感器原理

摄像头属于被动触发式传感器，被摄物体反射光线，传播到镜头，经镜头聚焦到CCD/CMOS芯片上，CCD/CMOS根据光的强弱积聚相应的电荷，经周期性放电，产生表示一幅幅画面的电信号，经过预中放电路放大、AGC自动增益控制，经模数转换由图像处理芯片处理成数字信号。

其中感光元器件一般分为CCD和CMOS两种：CCD的灵敏度高，噪声低，成像质量好，具有低功耗的特点，但是制作工艺复杂，成本高，应用在工业相机中居多；CMOS价格便宜，性价比很高，应用在消费电子中居多。为了满足不同功能的视觉需求，有很多不同种类的摄像机。

传感器分类

组合相机：这里指无人驾驶前视环境感知中常出现的单目／双目／三目，由不同焦距组成光学阵列，用于探测不同范围内的目标。

传统的单目做前视感知一般FOV较小，景深会更远，能够探测远距离障碍物，比如mobileye早期产品采用52°的镜头，当然现在主推的是100°摄像头能够感知更广的范围。

双目相机利用视差原理计算深度，通过两幅图像因为相机视角不同带来的图片差异构成视差。双目立体视觉在测距精度上要比单目做深度估计准确很多。

无人驾驶车一般都配置哪些传感器

总的来说，无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体。按照无人驾驶汽车的职能模块，无人驾驶汽车的关键技术包括环境感知、导航定位、路径规划、决策控制等。

1.环境感知技术

环境感知模块相当于无人驾驶汽车的眼和耳，无人驾驶汽车通过环境感知模块来辨别自身周围的环境信息，为其行为决策提供信息支持。环境感知包括无人驾驶汽车自身位姿感知和周围环境感知两部分。单一传感器只能对被测对象的某个方面或者某个特征进行测量，无法满足测量的需要。因而，必需采用多个传感器同时对某一个被测对象的一个或者几个特征量进行测量，将所测得的数据经过数据融合处理后，提取出可信度较高的有用信号。按照环境感知系统测量对象的不同，我们采用两种方法进行检测：

无人驾驶汽车自身位姿信息主要包括车辆自身的速度、加速度、倾角、位置等信息。这类信息测量方便，主要用驱动电机、电子罗盘、倾角传感器、陀螺仪等传感器进行测量。

无人驾驶汽车周围环境感知以雷达等主动型测距传感器为主，被动型测距传感器为辅，采用信息融合的方法实现。因为激光、雷达、超声波等主动型测距传感器相结合更能满足复杂、恶劣条件下，执行任务的需要，最重要的是处理数据量小，实时性好。同时进行路径规划时可以直接利用激光返回的数据进行计算，无需知道障碍物的具体信息。

而视觉作为环境感知的一个重要手段，虽然目前在恶劣环境感知中存在一定问题，但是在目标识别、道路跟踪、地图创建等方面具有其他传感器所无法取代的重要性，而在野外环境中的植物分类、水域和泥泞检测等方面，视觉也是必不可少的手段。

2.导航定位技术

无人驾驶汽车的导航模块用于确定无人驾驶汽车其自身的地理位置，是无人驾驶汽车的路径规划和任务规划的之支撑。导航可分为自主导航和网络导航两种。

自主导航技术是指除了定位辅助之外，不需要外界其他的协助，即可独立完成导航任务。自主导航技术在本地存储地理空间数据，所有的计算在终端完成，在任何情况下均可实现定位，但是自主导航设备的计算资源有限，导致计算能力差，有时不能提供准确、实时的导航服务。现有自主导航技术可分为三类：

相对定位：主要依靠里程计、陀螺仪等内部本体感受传感器，通过测量无人车相对于初始位置的位移来确定无人车的当前位置。绝对定位：主要采用导航信标，主动或被动标识，地图匹配或全球定位系统进行定位。

组合定位：综合采用相对定位和绝对定位的方法，扬长避短，弥补单一定位方法的不足。组合定位方案一般有GPS+地图匹配、6PS+航迹推算、GPS+航迹推算+地图匹配、GPS+GLONASS+惯性导航+地图匹配等。网络导航能随时随地通过无线通信网络、交通信息中心进行信息交互。移动设备通过移动通信网与直接连接于Internet的WebGIS服务器相连，在服务器执行地图存储和复杂计算等功能，用户可以从服务器端下载地图数据。网络导航的优点在于不存在存储容量的限制、计算能力强，能够存储任意精细地图，而且地图数据始终是最新的。

3.路径规划技术

路径规划是无人驾驶汽车信息感知和智能控制的桥梁，是实现自主驾驶的基础。路径规划的任务就是在具有障碍物的环境内按照一定的评价标准，寻找一条从起始状态包括位置和姿态到达目标状态的无碰路径。

路径规划技术可分为全局路径规划和局部路径规划两种。全局路径规划是在已知地图的情况下，利用已知局部信息如障碍物位置和道路边界，确定可行和最优的路径，它把优化和反馈机制很好的结合起来。局部路径规划是在全局路径规划生成的可行驶区域指导下，依据传感器感知到的局部环境信息来决策无人平台当前前方路段所要行驶的轨迹。全局路径规划针对周围环境已知的情况，局部路径规划适用予环境未知的情况。

路径规划算法包括可视图法、栅格法、人工势场法、概率路标法、随机搜索树算法、粒子群算法等。

4.决策控制技术

决策控制模块相当于无人驾驶汽车的大脑，其主要功能是依据感知系统获取的信息来进行决策判断，进而对下一步的行为进行决策，然后对车辆进行控制。决策技术主要包括模糊推理、强化学习、神经网络和贝叶斯网络等技术。

决策控制系统的行为分为反应式、反射式和综合式三种方案：反应式控制是一个反馈控制的过程，根据车辆当前位姿与期望路径的偏差，不断地调节 方向盘 转角和车速.直到到达目的地。反射式控制是一种低级行为，用于对行进过程中的突发事件做出判断，并迅速做出反应。

综合式控制在反应层中加入机器学习模块，将部分决策层的行为转化成基于传感器的反应层行为，从而提高系统的反应速度。

让无人驾驶汽车注意路况、看懂交通号志、侦测对象并为其分类、感知速度/轨迹以及其他车辆并不容易——更重要的是，它必须能自行在地图上定位，才能确切地知道行车的目的地。

无人驾驶汽车在追踪周遭环境时，必须依靠很多传感器，包括摄像机、雷达、超声波、GPS天线，以及利用光脉冲测距的光达(Lidar)组件。每一种传感器都有其优缺点。

扩展资料：

首先应弄清楚如何最有效地填补传感器固有的缺陷。第二步可能更为重要，即开发最佳策略，将不同的数据串流结合起来，使关键信息不至于遗失。每一种传感器都以自身的画面更新速率传送数据已经是个问题，传感器融合就更复杂了——因为有些传感器提供原始数据，而其他传感器则提供自己的对象数据答案。

2017年，我们看到了感知技术方面的一连串进展。VSI Labs创始人兼负责人Phil Magney表示：“感知是无人驾驶汽车软件堆栈的一个主要领域，而且在这方面还有很多创新。”。

科技公司、一级供货商和OEM一直汲汲于取得自家公司缺乏或无法自主开发的传感器技术。同时，过去两年来已经出现了多家感知传感器初创公司，其中有许多都关注尚处于萌芽阶段的无人驾驶汽车市场。

以上就是关于无人驾驶汽车中有哪些传感器全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！