汽车工程师已经开发出半自动驾驶汽车。全自动驾驶汽车离现实不远了。根据最近的研究，到2035年，自动驾驶（AD）可以创造3000亿至4000亿美元的收入。
自动驾驶汽车不仅展示了技术的先进程度，而且还是一个有争议的话题。人们对安全、技术故障、黑客攻击和潜在的驾驶工作流失的担忧是合理的。相反，情况可能正好相反。AD可以带来更安全的乘车，更大的便利性，以及更多的生产力或空闲时间。未来的“司机”不必在交通上浪费时间，而是可以将通勤时间花在工作、阅读或赶上电视剧上。
自动驾驶汽车的一个关键组成部分是传感器技术——准确地说是异构传感器。传感器数据使用人工智能 （AI） 和机器学习 （ML） 进行训练，以观察和响应周围环境。基于AI和ML算法，车辆使用传感器找到理想的路线，决定在哪里或不驾驶，检测附近的物体，行人或其他车辆以避免碰撞，并对意外情况做出反应。
在自动驾驶汽车的开发方面有两个主要的努力。
1. 使用摄像头和计算机视觉进行驾驶
2. 采用传感器融合（即使用异构传感器使汽车看到、倾听和感知周围环境）
大多数工程师已经确定AD只能通过车载摄像头和计算机视觉取得成功。相反，传感器融合是最安全、最可靠的选择。
自动驾驶汽车中使用的传感器技术主要有四种：
•相机
•激光雷达
•雷达
•声纳
由于传感器融合技术和快速改进的人工智能，自动驾驶汽车已经开始被认可为一种真正的未来可能性。预计到2030年，全球约12%的车辆注册将是AD。
至于失去驾驶工作，当计算机被引入时，也提出了类似的担忧，我们知道这项技术已经在全球范围内创造了数百万个就业机会。自动驾驶汽车很可能也会增加汽车行业技能工作的必要性。
让我们探讨一下实现自动驾驶的传感器技术。
相机
摄像头已经用于车辆的倒车、倒车驾驶、自适应巡航控制和车道偏离警告。
自动驾驶汽车使用高分辨率彩色图像摄像头来获得周围环境的360度视图。图像可以从不同角度收集为多维数据和/或视频片段。目前正在测试不同的图像和视频捕获方法，以及人工智能技术的使用。有必要确保安全驾驶的可靠道路决策是可能的。这些是资源密集型任务。
这种相机确实显示出潜力，尤其是在先进的人工智能和机器学习方面。高分辨率摄像头可以正确检测和识别物体、感知其他车辆的移动、确定路线并可视化其 3D 环境。它们近似于人眼，使车辆能够像真人驾驶的那样驾驶。
但也有缺点。例如，相机的可见性取决于环境条件。由于相机是被动传感器，因此在低能见度条件下不可靠。红外相机可能是一种选择，但这些图像必须由 AI 和 ML 解释，这仍在进行中。
两种类型的摄像头传感器用于 AD：单摄像头或立体摄像头。单声道相机具有单个镜头和图像传感器。它只能拍摄二维图像，可以识别物体、人和交通信号。然而，2D 图像在确定物体的深度或距离方面没有用处。这样做需要高度复杂的 ML 算法，其结果值得怀疑。
立体相机有两个镜头和两个图像传感器。它从不同角度同时拍摄两张图像。处理图像后，相机可以确定物体的深度或距离，使其成为 AD 的更好选择——除了低光下的能见度问题。
一些开发人员将单摄像头与测距技术（如激光雷达或雷达）和传感器融合相结合，以准确预测交通状况。
相机无疑在 AD 中发挥着重要作用。但是，他们需要帮助。
激光
雷达 激光雷达 是实现自动驾驶车辆的重要技术之一。自 80 年代以来，它是一种用于地理空间传感的成像技术。自动驾驶汽车通常会在车顶安装一个旋转激光雷达传感器。
两种类型的 LIDAR 传感器可用于 AD。一种是安装在车顶上的机械旋转激光雷达系统。但这些系统通常成本高昂且对振动敏感。固态激光雷达是另一种不需要旋转的选择。它们是自动驾驶汽车的首选。
这种激光雷达系统非常精确，可以检测极小的物体。然而，与可见光相机一样，激光雷达在低光能见度下不可靠，因为激光脉冲的反射会受到天气条件的影响。另一个缺点是成本，以数千计。
但激光雷达仍然对AD充满希望，因为新的开发正在尝试和测试。
雷达
雷达传感器已经用于许多车辆，用于自适应巡航控制、驾驶员辅助、防撞和自动制动。通常，使用用于远程探测的 77GHz 雷达或用于短程探测的 24 GHz 雷达。短程雷达 （24 GHz） 可达 30 米。防撞和停车辅助具有成本效益。远程（77 GHz）可达250米。它用于物体检测、自适应巡航控制和辅助制动。
雷达在检测金属物体方面非常出色。它可以与摄像头一起使用，以准确监控周围车辆的运动并检测潜在的障碍物。
雷达的自动驾驶能力有限，因为它无法对物体进行分类。雷达数据可以检测物体，但无法识别它们。充其量，低分辨率雷达可以支持单色摄像头和激光雷达或立体摄像头来处理低能见度的情况。
声纳
声纳可以在低能见度下运行，但对于自动驾驶汽车来说，它的弊大于利。声速限制了声纳的实时操作，以实现安全AD。此外，声纳可能会产生误报。最后，它可以在短距离内检测大型物体，但无法识别或分类它们。声纳仅用于意外情况下的防撞。
惯性传感器
全球定位系统
自我校正GPS是自动驾驶的一项重要要求。使用基于卫星的三角测量技术，GPS可以让车辆在三维空间中精确定位汽车。
有时，由于障碍物或欺骗，GPS信号不可用或受到干扰。在这种情况下，自动驾驶汽车必须依靠本地蜂窝网络和惯性传感器的数据来准确跟踪汽车的位置。
结论
自动驾驶汽车通常使用多个异构传感器。使用多个传感器的一个优点是用于备份 - 如果一个传感器发生故障，另一个传感器可以补偿它。全自动驾驶汽车需要使用来自不同传感器的数据来确定周围环境，需要传感器融合技术。
目前，在AD的开发中正在测试多种方法。一个依靠立体摄像头来完全实现自动驾驶。另一种方法是使用单色摄像头提供360度视觉，结合激光雷达或雷达技术来感知距离。第三种方法是使用带有雷达传感器的立体摄像头。
AD可能需要带有传感器的相机来有效地分类和识别物体。雷达和激光雷达技术可以帮助使用传感器融合来提供耐候的自动驾驶解决方案。它们可以添加到 3D 元素中，确保更好地了解驾驶环境。
声纳或超声波传感器也将发挥关键作用，因为它们具有耐候性和合理的成本效益，提供有效的防撞和应急处理解决方案。自动驾驶汽车最终将依赖于所有这些技术的某种组合。