自动驾驶技术主要分为三大部分：感知、决策和控制。自动驾驶系统通过传感器感知车辆当前所处状态（位置、周围车辆、行人障碍物等），由决策算法得出最优的行驶策略，最终由控制部分将此策略转换为车身部件实际操作。图1表示自动驾驶系统的基本工作原理。在实际应用中，由感知系统和高精度地图可实现对车辆行驶位置精确定位（SLAM），感知系统为自动驾驶车辆提供周围车辆、行人、车道线等环境信息，为规控系统计算最优行驶策略提供依据。 
图1. 自动驾驶系统基本原理 传感器分类 当前自动驾驶系统传感器主要包括： 由工作机制决定的固有属性，让不同传感器适用于不同的应用场景。没有一种传感器可以满足自动驾驶所有类型的任务，在实际应用中要结合不同传感器的优势，利用传感器融合技术，为自动驾驶汽车提供全面、及时和准确的周边环境信息，便于自动驾驶系统作出最准确的决策。图2列出2013年欧洲市场OEM厂商针对特定辅助驾驶（ADAS）功能的传感器选择情况。 
图2. ADAS传感器选型（Euro Market 2013） 传感器分布 在自动驾驶汽车上，传感器的分布、功能及作用范围大致如图3所示。由图可以看出不同类型的传感器作用的范围（距离 & 角度）有所差别，应用中需要使用多个不同类别的传感器，分布在车身的不同位置以实现对车辆周围环境360°无死角覆盖。例如，Google自动驾驶汽车Waymo上部署有 3 个激光雷达、9 个摄像头，x 个毫米波雷达。 
图3. 自动驾驶汽车传感器分布 传感器特性比较 表1是根据公开资料整理的不同类型自动驾驶传感器的特性对比。 
表1. 自动驾驶传感器特性比较 注：以上内容不尽准确，如对于超声波，在Tesla Autopilot 2.0上作用距离可达到8m。应用中，以厂家具体参数为准。 传感器成本 图4列出自动驾驶/ADAS的关键部件的物理分布及其成本估计。 
图4. 自动驾驶关键部件成本估计（BCG 2015） 市场趋势 图5 和 图6 分别是市场调研机构 IHS 对于未来全球ADAS功能装车量和传感器数量发展的预计。 
图5. 全球ADAS市场（按功能划分） 
图6. 全球ADAS传感器市场 | 
会员评价：
共0条 发表评论