汽車的傳感器越來越多了。
近期小鵬汽車在廣州汽車展上發(fā)布了新款電動汽車——小鵬P7，該車采用英偉達Xavier自動駕駛芯片，車外共有30個傳感器，其中有12個超聲波傳感器、5個毫米波雷達、13個攝像頭，是L3級別的自動駕駛。相較于以往的自動駕駛系統(tǒng)傳感器的配置，這次小鵬無疑在傳感器的數(shù)量上提升了一個量級。
對于自動駕駛而言，傳感器是靈魂所在。那么傳感器的數(shù)量越多越好嗎?企業(yè)配置更多的傳感器又意欲何為呢?
傳感器越多越好?
眾所周知自動駕駛的實現(xiàn)包括幾個技術基礎：
感知、決策和控制，感知部分主要就是通過搭載多種傳感器來感知周邊的環(huán)境，比如攝像頭、毫米波雷達、激光雷達等。
那么這是否意味著傳感器越多越好呢?
業(yè)內(nèi)專注于輔助駕駛系統(tǒng)以及自動駕駛軟硬件一體化解決方案的安智汽車相關技術人員表示：“理論上，安裝的傳感器數(shù)量和種類越多，車輛就能夠有效地檢測出周圍環(huán)境中的風險和障礙物。
但實際上，傳感器并非多多益善，除了成本因素之外，不合理的傳感器組合也會帶來相互之間的干擾。而除了感知傳感器外，車輛上還搭載控制傳感器、環(huán)境傳感器等，各類傳感器的信號傳輸、功耗散熱等都需要設計考慮。
”
從目前已經(jīng)在市面上銷售的車輛可以看到，以特斯拉、奧迪、福特、小鵬汽車、蔚來汽車等品牌汽車的自動駕駛級別往往在L2級別和L2級別-L3級別之間。其中特斯拉L2級別自動駕駛所搭載的傳感器數(shù)量為14個;特斯拉L2級別-L3級別之間的自動駕駛搭載的傳感器數(shù)量共計21個;奧迪L2級別-L3級別自動駕駛搭載的傳感器數(shù)量為23個;福特L2級別自動駕駛搭載傳感器數(shù)量為17個;小鵬G3采用“博世全家桶”L2級別自動駕駛方案，搭載傳感器共計有20個;而蔚來ES8為L3級別自動駕駛共計搭載23個傳感器。
可見L2級別的自動駕駛往往搭載的傳感器在20個以下，而L2級別-L3級別的自動駕駛所搭載的傳感器數(shù)量相對更多一些，在20個到25個之間。
L4級別的自動駕駛傳感器又會是怎樣的呢?
據(jù)公開信息可知，長安汽車新一代L4級別自動駕駛車配置了6個激光雷達、5個毫米波雷達以及8個攝像頭;元戎啟行的L4級別自動駕駛方案，則搭載了8個車載相機、3個激光雷達、GNSS等多類傳感器以及相應的通信與數(shù)據(jù)同步控制器。可見盡管總體傳感器數(shù)量上少于L2級別以及L2-L3級別自動駕駛汽車的傳感器數(shù)量，但L4級別自動駕駛明顯搭載了更多的激光雷達。
當然這僅僅是從每家廠商所搭載的傳感器數(shù)量層面來看的，并不能證明什么。每家廠商對于自動駕駛系統(tǒng)能夠實現(xiàn)的功能有不同的需求，所以搭載的傳感器數(shù)量自然有所不同。
傳感器方案與成本的博弈
馬斯克曾有云“自動駕駛汽車需要有強大的軟件支撐。”隨著自動駕駛、智能網(wǎng)聯(lián)的興起，汽車在軟件層面的迭代速度越來越快，
與此同時，具備的功能、模式也就越來越多。
更重要的是，這些功能也受到了眾多消費者的喜愛。
比如自動泊車模式，能夠自動記錄碰瓷、汽車被剮蹭的哨兵模式，可在停車場外一鍵讓你的汽車自動駕駛來找你的召喚模式，可以放心、短暫地把寵物放在車內(nèi)的“狗狗模式”等，都讓用戶感到“真香”。
小鵬汽車就提到新推出的P7車型在自動泊車上可謂重兵投入。
據(jù)小鵬汽車自動駕駛副總裁吳新宙介紹，小鵬P7前置有4顆環(huán)視攝像頭，就是為了實現(xiàn)自動泊車功能。
他說：“泊車對于一般的國內(nèi)整車廠來說不是那么大的痛點，它們在這一層面的關注點也不高，但我們做了很多嘗試，分析顯示4顆環(huán)視攝像頭非常必要，因為必須要保證泊車足夠安全，你不想錯過哪怕離車10厘米遠的盲區(qū)，這對于我們來說不能接受。”
其希望汽車實現(xiàn)在車庫中完成低速自動駕駛，在哪怕沒有GPS的情況下，自動開到屬于車主的車位上，實現(xiàn)自動泊車。此前蔚來ES8也推出了自動泊車的功能。
可見越來越多的功能之下，汽車搭載的傳感器也就越多，然而對于廠商而言，量產(chǎn)的成本如何控制是一個難題。
此外傳感器越多，對于計算能力的要求就越高。
因此長遠來看，一味地堆傳感器肯定不是最優(yōu)解決方式，業(yè)內(nèi)人士認為未來自動駕駛所搭載的傳感器將會進一步輕量化、少量化且會朝著低成本的方向發(fā)展，而實現(xiàn)這一效果的技術路徑則是——多傳感器融合。
多傳感器融合
所謂多傳感器融合是指，
利用計算機技術將來自多個傳感器或者多源的信息和數(shù)據(jù)，在一定的準則下加以自動分析和綜合，以完成所需要的決策和估計而進行的信息處理過程。
對于自動駕駛而言，汽車通過安裝在車身四周不同的傳感器來收集到眾多的視覺數(shù)據(jù)、周圍物體運動速度數(shù)據(jù)等，這些數(shù)據(jù)是從不同的角度來描述現(xiàn)實世界中同一樣或者不同樣的物體。多傳感器融合的核心任務就是，
利用不同種傳感器的優(yōu)勢，同時最小化或弱化每種傳感器的弱點，做出最“聰明的決策”。
目前有幾種方法處理這些傳感器收集回來的數(shù)據(jù)：
第一種，絕對排序法。這種方法就是
事先決定傳感器的排序，
比如攝像頭的級別高于雷達、或者雷達級別高于攝像頭。那么在傳感器融合過程中，子系統(tǒng)預先確定了排序，比如攝像頭級別高于雷達，那么當攝像頭檢測到了物體而雷達沒有檢測到的時候，雷達的檢測結果則不納入考慮范圍也是允許的。該方法簡單、容易實現(xiàn)、相應速度也很快，但缺點在于不夠嚴謹。
第二種，情況排序法。該方法與絕對排序法相似，不同的在于，
根據(jù)所處的環(huán)節(jié)，排名先后可以變化。
比如提前設置好，下雨天氣時，攝像頭容易受到雨水干擾所以攝像頭的優(yōu)先級降低，雷達的級別高于攝像頭。不過即便情況排序法是絕對排序法的一個升級，但仍然不夠全面嚴謹。
第三種，平等投票法。
允許每個傳感器進行投票且投票能力都是平等的，然后利用一個計數(shù)算法，該算法與投票結果相匹配。
如果傳感器的某個閾值都同意檢測到某個物體，而某些閾值不同意，那么允許這個閾值決定人工智能系統(tǒng)做出判斷。當然，該方法還是有所欠缺。
第四種，加權投票法。該方法在平等投票法上做了升級，增加了權重，也就是提前假設一些傳感器比另外一些傳感器的權重更高。
第五種，爭論法。讓每個傳感器“爭論”為何它們的報告是最合適準確的。
第六種，優(yōu)先到達法。
即系統(tǒng)不會等待其他傳感器報告，以優(yōu)先報告結果的傳感器為準，
以此加快傳感器融合工作。該方法的優(yōu)點是迅速，缺點則是存在安全隱患。
第七種，最可靠法。即跟蹤每一個傳感器的可靠性，
當傳感器之間的數(shù)據(jù)存在爭議時，以相信最可靠的傳感器為準。
此外還有其他方法。當然多傳感器融合中，這些方法可以同時使用。不過眼下對于眾多整車廠而言，多傳感器融合依舊處于不斷摸索階段，企業(yè)仍需要通過堆傳感器來實現(xiàn)一些功能。
目前據(jù)大陸集團預測，到2020年全球ADAS市場規(guī)模或將達到1324億元，其中傳感器市場規(guī)模約占據(jù)整體市場規(guī)模的76%。無論是高階自動駕駛產(chǎn)品還是低階自動駕駛產(chǎn)品，都需要攝像頭、毫米波雷達等產(chǎn)品，而隨著智能駕駛向更高階進化，傳感器產(chǎn)商們的市場空間必然也會越來越大。當然，這一切的前提是產(chǎn)品性能足夠好。
