商用车辅助驾驶系统感知传感器特性及选型分析

朱 龙，周 旋，王 凯，孟祥虎，黄 帅

（徐州徐工汽车制造有限公司，江苏 徐州 221100）

随着智能驾驶技术乃至无人驾驶技术的发展，汽车智能化已经成为汽车制造商普遍关注的重点，在传统汽车追求性价比和驾乘体验的基础上，智能化所驱使的不仅仅是驾乘体验提升，更带来的是安全概念从被动安全向主动安全的转变，从而使得车辆行驶安全上升到另一个高度。

全球范围内，每年有千万量级的交通事故发生，造成的经济损失多达全球GDP的1%～3%，而其中追尾事故的占比尤为凸显 （美国占比为29.5%，德国为28%）［1］。随着经济的快速发展和道路状况的改善，中国汽车保有量持续攀升，交通事故总量呈上升趋势，据统计［2］，中国万车死亡率已居世界首位。高速公路上涉及到货运车辆的 （死亡）事故超过60%，高速公路上货运车辆涉及到的交通事故居高不下，而且有上升的趋势。针对这一严峻形势，中国相继发布了相关法规［3～5］，对商用车辅助驾驶系统的配备做出了强制规定，以在政策层面推动主动安全系统在商用车领域的量产落地。

鉴于商用车在交通运输行业的特殊地位及其对主动安全技术的迫切需求，汽车零部件供应商均在考虑满足主动安全系统性能要求的同时，会重点控制系统主要传感器组成的成本。因此，针对商用车智能驾驶系统的阶段性需求，如“双预警” （前车碰撞预警及车道偏离预警）、自动紧急制动（Automatic Emergency Braking，AEB）、盲区探测 （Blind Spot Detection，BSD）、驾驶员监控系统 （Driver Monitoring System，BSD）等，有必要对包括视觉、毫米波雷达以及激光雷达等道路环境感知传感器进行优劣对比分析，为当前应用需求提供参考。

1 传感器基本原理

视觉、毫米波雷达以及激光雷达是目前智能驾驶的主要传感器，因此本文将对这3种传感器的特性进行分析。

1.1 视觉传感器

视觉传感器是通过单目或者多目摄像头对道路环境进行图像采集，并采用机器学习算法对包括车辆、行人、车道线、标识牌等道路元素进行识别的传感器。传感器采集的图片或视频通过计算机视觉算法进行道路环境感知的效果如图1所示。

道路元素检测是视觉感知的首要任务，在此基础上，通过视觉测距算法，对道路元素进行定位。以车辆测距为例，单目视觉采用小孔成像原理［6］对目标离摄像头的横向距离和纵向距离进行计算。如图2所示。

图1 单目视觉目标检测

图2 单目视觉测距

除此之外，双目立体视觉也是智能辅助驾驶系统感知研究与应用的另一个重要方面，但其原理跟单目视觉相比存在较大差异。双目立体视觉类似于人眼的视差原理，对障碍物进行三维坐标的检测，然后才进行目标类别的识别。双目立体视觉目标感知效果及其定位原理如图3所示。

无论是单目视觉还是双目立体视觉，其基础均是通过镜头与感光元器件对环境进行成像，那么其成像品质直接影响目标的检测与定位。因此，视觉传感器的感光原理决定其在不同光照条件成像的鲁棒性是视觉传感器的难点。夜间、雨雾天、逆光等环境因素对视觉传感器带来较大挑战，因为极端天气或光照环境会引起目标图像特征的局部丧失，进而影响目标的检测与定位。

图3 双目视觉目标感知［7］效果及其定位原理

1.2 毫米波雷达

随着集成电路和天线设计等技术的发展与进步，元器件成本的不断降低，车载毫米波雷达成为智能驾驶系统普遍使用的感知传感器。车载毫米波雷达利用天线发射电磁波后，对前方或后方障碍物反射的回波进行检测，并通过信号处理器计算出与前方或后方障碍物的相对速度和距离。

由于毫米波雷达的特殊波段，使得其穿透能力强，不受天气影响。尽管大气对某些雷达波段的传播具有衰减作用，毫米波雷达无论在洁净空气中还是在雨雾、烟尘、污染中的衰减都弱于红外线、微波等，具有更强的穿透能力。毫米波雷达波束窄、频带宽、分辨率高，在大气窗口频段不受白天和黑夜的影响，具有全天候的特点。这一点与视觉相比，非常具有优势。图4为毫米波雷达目标探测。

图4 毫米波雷达目标探测

1.3 激光雷达

激光雷达是传统雷达技术与现代激光技术相结合的产物。它的基本原理是：向被测目标发射探测信号 （激光束），然后测量反射或散射信号的到达时间、强弱程度等参数，以确定目标的距离、方位、运动状态及表面光学特性。LiDAR的工作原理：飞行时间法 （ToF），就是根据激光遇到障碍物后的折返时间，计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可达到厘米级别，如图5所示。

图5 激光3D点云图

2 传感器特性对比分析

视觉、毫米波雷达及激光雷达，工作原理不同，道路环境感知的性能也差异明显。考虑到汽车辅助驾驶系统对性能、成本以及可安装性等方面的要求，有必要从传感器尺寸、成本、性能及环境鲁棒性等几个方面进行对比分析，从而更合理地根据应用需求选择传感器。

如前所述，视觉光学成像的原理及其感光传感器的特性直接影响道路环境的成像品质，目前各摄像头供应商也分别在图像信号处理 （Image Signal Processing，ISP）方面投入较多，以尽力提升成像品质。ISP技术包含自动白平衡（White Balance，WB）、自动曝光控制 （Automatic Exposure Control，AEC）、高动态范围 （High Dynamic Range，HDR）等。ISP可以在不同光照条件下使得颜色不发生变化，夜间成像更明亮，逆光情况下的强光抑制，从而保证目标图像特征的环境适应性。但是，极端天气环境，如大雨天、冰雪天、大雾天、暗光条件依然是视觉传感器的短板。然而，视觉传感器成本非常低廉，因而成为智能驾驶系统必不可少的选择。视觉感知传感器的优劣势雷达如图6所示 （数值越大，性能越好）。

图6 视觉传感器特性雷达图

相对于视觉而言，毫米波雷达的探测范围与视觉类似，目前性能比较优秀的毫米波雷达及视觉均能做到超过200m，毫米波雷达的成本比视觉略高，但总体而言，价格依然相对低廉，完全可以用于量产落地。毫米波雷达的优势也非常明显，如全天候的特性。当然，毫米波探测到的目标只能输出一个点，无法判断目标的类型，也无法实现字符识别，如限速标识牌的识别。同样的，其特性雷达图如图7所示。

图7 毫米波雷达特性雷达图

对于激光雷达而言，其分辨率与其线数相关，如Velodyne就发布了128线的激光雷达，使得3D点云更为稠密，分辨率更高。但众所周知，32线以上激光雷达的成本非常高，其量产良品率也偏低，目前使用激光雷达的厂商基本是处于研发阶段的自动驾驶车辆。当然，其优势也非常明显，尤其在厘米级别的探测精度、3D环境感知这两个方面。激光雷达的性能雷达图如图8所示。

3 传感器选型

物流领域的卡车等商用车自动辅助驾驶由于对安全的首要需求，或许更强调快速落地量产。尤其是车辆从OEM厂商交到下游的运营商客户手中，车队运营方的需求更为明显。同时，商用车受政策影响较大，尤其是两客一危行业，《机动车运行安全技术条件》［5］以及陆续出台的ADAS相关功能国标对商用车影响更大。

据报道［8］，目前中国重型卡车保有量超过500万辆，轻中型卡车保有量超过1400万辆，市场规模超过5万亿人民币，已成为世界第一大的公路运输市场。巨大的中国物流运输市场和政策引导，无疑也将激活商用车ADAS及自动驾驶市场需求。

图8 激光雷达特性雷达图

就现阶段而言，商用车在政策框架之下的落地应用主要处于辅助驾驶层面，商用车自动驾驶技术更多停留在研发与验证阶段。商用车辅助驾驶系统的主要应用包括前车碰撞预警系统、车道偏离预警系统、驾驶员疲劳监控系统以及盲区探测这几个方面，尤其是盲区探测相对于乘用车而言，需求更为旺盛。基于此，考虑系统性能的需求，一般采用传感器融合的方式。综合视觉和毫米波雷达的优势，取长补短，得到的融合方案相较于单传感器的优势见表1（●表示性能优越，●表示性能处于平均水平，○表示性能不佳）。

表1 传感器融合性能对比

由表1可知，视觉和毫米波雷达融合方案，在各方面的性能都达到比较优越的程度。因此，针对不同的需求，传感器选型推荐如下。

1）双预警系统：由于预警功能起到提醒驾驶员的作用，因此其功能本身不会给驾驶员带来安全隐患。考虑成本需求，可选择单目摄像头作为系统的感知传感器。如果需要性能更为优越，视觉和毫米波雷达是更好的选择。

2）AEB系统：自动紧急制动系统涉及到车辆控制，必须严格把控感知的精度，尤其需要控制误操作的发生，避免其干扰驾驶员正常驾驶，甚至导致事故的发生，因此AEB系统最好选择更为可靠的融合方案。

3）BSD系统：盲区探测从功能完备程度来讲，有仅考虑移动目标探测的系统，这种情况可仅采用毫米波雷达的方案；如果需要对目标进行分类且需要同时对静止和移动目标进行检测，则需要选择视觉传感器；同样的，考虑全天候特性及系统的可靠性，可采用融合方案。

4）DMS系统：驾驶员状态监控，如抽烟、打电话、闭眼、打哈欠，这些特征无法采用毫米波雷达进行，必须采用视觉传感器，同时考虑夜间使用的问题，市面上一般采用近红外摄像头满足不同光照条件下的系统性能要求。

4 结论

本文对辅助驾驶系统的特性进行了对比分析，并根据目前商用车法规项和痛点需求，分别给出了传感器选型建议，得到的结论如下。

1）视觉、毫米波雷达、激光雷达有各自的优势，综合考虑成本和性能的要求，视觉的综合表现目前最为适合多种辅助驾驶功能的应用落地。

2）涉及碰撞预警类的辅助驾驶系统，可以单独采用视觉或毫米波雷达，涉及非障碍物类别检测需求的系统，至少需要用到视觉传感器。

3）基于感知传感基础上的车辆控制，对传感器性能要求更为严格，有必要考虑多传感器融合，以提升感知可靠性和执行有效性。