​本文转载自雪岭飞花和巫婆塔里的工程师​

自动驾驶的核心在于“看清世界、理解世界、决策行动”，而感知系统是整个链条的起点。本文将用通俗易懂的语言，​介绍自动驾驶中最常见的四类感知传感器：激光雷达、毫米波雷达、摄像头和超声波雷达。​

从狭义角度来讲，感知系统主要是指自动驾驶特有的感知单元，例如摄像头、毫米波雷达、激光雷达、高精地图等。从广义角度来讲，只要是参与到自动驾驶系统工作的感知单元都可以涵盖，例如湿度传感器、驾驶员监控等。

不同的传感器有着不同的特性，各有优缺点，因此也适用于不同的任务。实际自动驾驶系统通常是多种传感器融合使用，取长补短，构建更安全、更可靠的感知能力。

摄像头是感知系统中最常用的传感器，优势在于能够提取丰富的纹理和颜色信息，因此适用于目标的分类。但是其缺点在于对于距离的感知能力较弱，并且受光照条件影响较大。

激光雷达在一定程度上弥补了摄像头的缺点，可以精确的感知物体的距离和形状，因此适用于中近距的目标检测和测距。但是其缺点在于成本较高，量产难度大，感知距离有限，而且同样受天气影响较大。

毫米波雷达具有全天候工作的特点，可以比较精确的测量目标的速度和距离，感知距离较远，价格也相对较低，因此适用于低成本的感知系统或者辅助其它的传感器。但是缺点在于高度和横向的分辨率较低，对于静止物体的感知能力有限。

下面将逐一介绍四个传感器。

一、激光雷达（LiDAR）

1. 什么是激光雷达？

激光雷达是一种通过发射激光束来探测目标位置、速度等信息的雷达系统。你可以把它想象成一个"超级尺子"——它向周围发射激光，激光碰到障碍物后反射回来，系统根据光的飞行时间计算距离，从而绘制出周围环境的三维"点云图"。

2. 激光雷达能做什么？

• 前向感知：探测前方道路、车辆、行人等，是自动驾驶的核心传感器
• 侧向和后向感知：弥补前向视野的盲区
• 构建高精度地图：配合车辆定位，实现精准导航

3. 主要产品类型

机械式激光雷达：通过旋转部件扫描四周，精度高但体积大、成本高。

半固态激光雷达（主流方案）：体积更小、成本更低，是目前乘用车最常用的方案。

固态激光雷达（Flash）：无机械运动部件，可靠性高，目前主要用于补盲场景。

4. 常见问题与局限

• "鬼影"：路边指示牌等高反射物体可能产生虚假影像
• 恶劣天气影响：雨、雾、粉尘会干扰激光束的传播
• 成本较高：虽然逐年下降，但仍是较贵的传感器

5. 市场现状

2024 年，国内激光雷达装车量快速增长，主要厂商包括禾赛、速腾聚创、图达通、华为等。其中 905nm 波长方案因成本优势占据市场主流。

二、毫米波雷达

1. 什么是毫米波雷达？

毫米波雷达工作在毫米波频段（24GHz/60GHz/77GHz），通过发射和接收高频电磁波来探测目标。与激光雷达相比，毫米波雷达最大的优势是"全天候"工作能力——不受雨、雾、雪等天气影响，在黑夜中也能正常工作。

2. 毫米波雷达能做什么？

• 前向雷达：探测前方车辆和障碍物，测速测距，是自适应巡航（ACC）和自动紧急制动（AEB）的核心传感器
• 角雷达：探测车身四周的盲区，支持变道辅助
• 车内成员检测：感知车内是否有人，防止儿童被遗忘
• 呼吸心跳检测：监测驾驶员状态，判断是否疲劳
• 手势检测：识别驾驶员手势，实现非接触式操控
• 开门避障：检测车门周围障碍物，防止开门碰撞
• 电动尾门控制：感应脚部动作，自动开启后备箱

3. 4D 成像雷达：毫米波雷达的升级版

传统毫米波雷达只能测量距离、速度和角度（三个维度），而 4D 成像毫米波雷达增加了高度维度，能够更准确地识别障碍物的立体形态，点云密度也更高，有望成为下一代主流方案。

4. 市场现状

博世、大陆、电装等国际 Tier 1 仍占据市场主导，但森思泰克、承泰科技、华为等国内厂商正在快速追赶，市场份额逐步提升。

三、摄像头

1. 为什么摄像头如此重要？

摄像头是自动驾驶感知系统中与人类视觉最接近的传感器。它能识别交通标志、车道线、行人面部特征、车辆颜色等丰富的语义信息，是实现"看懂"世界的关键。没有摄像头的自动驾驶系统，就像缺少了最重要的眼睛。

2. 摄像头能做什么？

• 前视感知：识别前方车辆、行人、交通标志和车道线，是行车辅助的核心
• 侧视和后视：监测车辆侧后方，辅助变道和倒车
• 360° 环视：拼接车身四周图像，辅助泊车
• 驾驶员监测（DMS）：检测驾驶员疲劳、分心，欧盟规定 2024 年起新车必须配备
• 乘客监测（OMS）：检测车内人员，防止儿童被遗忘
• 电子外后视镜（CMS）：用摄像头替代传统后视镜，减少风阻，提高视野

3. 摄像头的基本构成

镜头：决定成像质量，核心参数包括焦距、光圈、视场角（FOV）。镜片材质分玻璃和塑料，玻璃镜片成像更好但成本更高。

图像传感器（CIS）：将光信号转换为电信号，是摄像头的"视网膜"。车载摄像头普遍采用 CMOS 芯片，目前朝更高像素发展（环视 2~3MP，前视 8~17MP）。

图像处理器（ISP）：对原始图像数据进行处理，包括自动曝光、自动白平衡、去噪等，是摄像头的"大脑"。

4. 市场与技术趋势

• 高清化：摄像头像素持续提升，索尼已发布 1742 万像素的车载图像传感器
• 3D 感知：双目立体视觉和 ToF（飞行时间）技术让摄像头也能感知深度
• 红外摄像头：黑夜和恶劣天气下的感知能力增强，热成像摄像头开始应用于自动驾驶
• 去 ISP 化：随着车载芯片算力提升，ISP 可集成到主控芯片中，简化摄像头模组

四、超声波雷达

1. 什么是超声波雷达？

超声波雷达使用 40~60KHz 的超声波（超出人耳听觉范围）来探测障碍物距离。原理类似于蝙蝠的回声定位——发射超声波，遇到障碍物反射回来，通过计算时间差得出距离。超声波雷达是汽车上最常见、成本最低的感知传感器之一。

2. 超声波雷达能做什么？

• 泊车辅助：最经典的应用，检测车位和障碍物，辅助倒车和泊入
• 自动泊车：配合其他传感器，实现一键泊车
• 低速紧急制动：低速行驶时检测前方障碍物并自动刹车
• 盲区监测：提醒驾驶员侧方盲区中的障碍物
• 防误踩油门：防止驾驶员误踩油门撞上障碍物

3.UPA vs APA

UPA（前后泊车雷达）：安装在前后保险杠，探测距离约 0.15~2.5 米，用于测量前后障碍物。

APA（侧方泊车雷达）：安装在车身侧面，探测距离约 0.3~5 米，用于测量侧方障碍物和车位。

常见配置：12 个探头（前 8 后 4），即前后各 4 个 UPA + 侧面各 2 个 APA。

4. 优势与局限

优势：

• 结构简单、成本极低（单个几十元）
• 短距测距精度高（可达 1cm）
• 不受光照、颜色、电磁干扰影响
• 可准确识别没有纹理的墙面等目标

局限：

• 受温度、湿度、气压影响，复杂天气下精度下降
• 超声波传播速度慢，高速行驶时误差大
• 方向性差，远距离探测信号弱
• 存在探测盲区（UPA 约 0.1m，APA 约 0.3m）

五、行业现状

对于不同的自动驾驶级别，不同的应用场景，传感器的配置方案也不尽相同。

对于 L2 级别的应用，比如紧急制动和自适应巡航，可以只采用前视单目摄像头或者前向毫米波雷达。如果需要变道辅助功能，则需要增加传感器对相邻车道进行感知。常用的方案是在车头和车尾增加多个角雷达，以实现 360 度的目标检测能力。

对于 L3 级别的应用，需要在特定场景下实现车辆的完全自主驾驶，因此需要扩展车辆对周边环境的感知能力。这时就需要增加激光雷达，侧视和后视的摄像头和毫米波雷达，以及 GPS，IMU 和高精度地图来辅助车辆定位。

到了 L4 级别以后，由于在特定场景下不需要人工接管了，传感器就不仅需要高精确度，还需要高可靠性。这就需要增加传感器的冗余性，也就是说需要备用系统。

从 L2 到 L4，不同自动驾驶级别对传感器的要求逐步提升。L2 多依赖摄像头 + 毫米波雷达；L3 开始引入激光雷达；L4 则强调高冗余和深度融合。

特斯拉的纯视觉方案、奥迪 A8 的 L3 配置以及 Waymo 的 L4 方案，都是典型案例。行业共识是：​没有完美的单一传感器​，高效的多传感器融合才是实现高阶自动驾驶的关键。

案例详情：

首先是特斯拉的纯视觉方案。虽然一提起自动驾驶，很多人脑子里最先想到的就是特斯拉，但是特斯拉其实也只是 L2 级别（或者说高级 L2）的自动驾驶系统，因为还是需要驾驶员随时准备好接管车辆。如果你只在 L2 级别的系统里横向对比，那么特斯拉的方案还是很有竞争力的。这个系统只采用了视觉传感器，包括了安装在车身不同位置，多种焦距和视野范围的摄像头。这些摄像头可以覆盖 360 度的视野，并且有一定的冗余性。

2017 年夏天，奥迪发布了第四代 A8，其中最大的亮点就是搭载了 Traffic Jam Pilot（TJP）系统。前文提到了，TJP 系统已经属于 L3 的范畴，因此奥迪 A8 可以说是全球首个“量产”的 L3 级系统。为什么加上引号呢，这是因为该功能在交付的车辆中一直没有开启，用户只能在奥迪自己的演示车中体验。奥迪官方的解释是法规方面的问题，但其实最核心的原因还是技术方面的，也就是 L3 中的所谓的“接管悖论”问题。在 60 公里时速以下的结构化道路堵车场景中，TJP 系统允许驾驶员低头玩手机或者睡觉。这时如果出现突发状况，可能就会出现接管不及的情况。

虽然奥迪在 2019 年底取消了 L3 级自动驾驶项目，但是这个探索也为后续的 L4 和各种高级 L2 系统的研发提供了宝贵的经验。更多的细节这里就不展开说了，我们下面来看看这套系统中传感器方案。奥迪 A8 全车共有 12 个超声波传感器、4 个全景摄像头、1 个前置摄像头、4 个中程雷达、1 个远程雷达、1 个红外摄像机。此外，奥迪 A8 首次搭载了一个 4 线的车规级激光雷达，并且配备中央驾驶辅助系统控制单元（zFAS），这些都是 L3 级自动驾驶系统的必备选项。

从 L2 到 L3，再到 L4，传感器方面最大的变化就是增加了激光雷达，而且数量逐渐增加。比如，在 Waymo 的传感器方案中，除了前向的激光雷达外，还增加了后向和车顶的 360 度激光雷达。而且激光雷达的线束数量显著提高，可以达到 300 米左右的感知范围。除了 Waymo，其它各家公司的 L4 系统都不可避免的包含了一个或者多个激光雷达。从目前的技术发展趋势来看，实现 L4 级别的自动驾驶主要还是靠增加传感器，从而大幅提升对驾驶路况和环境的感知能力，而这其中最重要的就是激光雷达。

到了 L4 级别，车辆在限定场景下完全自主行驶，这时 99% 的准确度就不够了，而需要的是 99.99999% 的准确度，而激光雷达就是小数点后几位的保障。这种保障来自激光雷达与其它各种传感器之间的配合，而不仅仅是简单的堆叠，因此高效精确的传感器融合在 L4 级别的系统中起到至关重要的作用。

六、结语

雷达技术的快速迭代，正推动自动驾驶从“辅助”向“高阶”迈进。4D 成像雷达的出现，降低了高精度感知的成本门槛，让更多场景（尤其是工业安全、智能交通）受益。

我们观察到，毫米波雷达在多​​传感器融合​中的“​​鲁棒性支柱”作用越来越突出​——它不是取代其他传感器，而是提供关键冗余，让系统在极端条件下仍能安全运行。

行业正从硬件堆叠转向算法与生态共创：开放接口规范、标准化点云处理工具、真实场景 Demo，将极大降低开发者门槛。未来，感知技术将不再是孤立的传感器，而是连接技术、场景与伙伴的开放生态。

七、SuperRadar社区介绍

SuperRadar 社区是由深圳承泰科技股份有限公司发起并长期支持的开放技术社区，聚焦毫米波雷达、空间感知、点云处理、多​传感器融合、机器人、智能交通、工业安全、低空经济等方向。我们致力于通过开放技术基座、开发者工具、接口规范、Demo、场景实践与生态协作，降低感知技术开发和应用门槛，推动更多创新者参与感知系统建设。

欢迎各位开发者、研究者和行业伙伴加入 SuperRadar 开源社区，一起交流毫米波雷达前沿技术、分享融合方案实践、共建开源工具与数据集！（社区微信号：superradar01）