自动驾驶汽车的传感器方案之争一直是个经久不衰的话题，此前，包括Mobileye联合创始人Amnon Shashua、特斯拉CEO马斯克在内的一众大佬曾公开宣誓对摄像头传感器的“孤注一掷”，但如今声音也开始变得不一样。现在，Amnon Shashua在公开演讲的口径已经开始倾向于表达多传感器冗余的必要性。而后者，也成为被自动驾驶领域众多企业和技术专家广泛认同的方案之一。

对于多传感器融合之于自动驾驶的必要性，日前，以色列激光雷达公司Innoviz CEO兼联合创始人Omer David Keilaf发表了更详尽的观点。就在几天前，这家公司还刚刚获得了一级供应商德尔福的投资。那么，到底如何通过传感器融合技术，将各种传感器的不同视角整合，并最终赋能自动驾驶车辆环境感知呢？雷锋网·新智驾对这篇来自TU-Automotive的文章进行了编译整理。

现如今，多数汽车自动化系统或是ADAS系统都有赖于三类传感器的融合进行环境感知：毫米波雷达、激光雷达以及摄像头。而随着传感器和环境感知技术的重要性日渐增强，目前业界普遍持有的观点是，传感器融合将提供鲁棒性更强的真正的自动化系统。

多传感器融合：提供高可靠的自动化系统

随着传感器和环境感知技术的识别分辨率日渐提升，传感器已经超越简单的检测和测距功能，取而代之，是具备真正的“视觉”感知能力，如分类、绘图等。

那么，到底如何通过传感器融合技术，将各种传感器的不同视角整合，并最终赋能自动驾驶车辆环境感知？对于这个关键性的问题，刚刚被德尔福投资的以色列创业公司Innoviz CEO兼联合创始人Omer David Keilaf给出了一个答案。

Keilaf解释说：“很明显，将毫米波雷达、摄像头、激光雷达等传感器数据融合的技术，对于保证车辆对周边环境的全局定位和理解是至关重要的，且为Level 3-Level 5级自动驾驶方案的实现提供了必要的技术储备。在环境感知中，每一种传感器都有独特的优势和弱点。例如，毫米波雷达可在低分辨率情况下完成测距，且受天气因素影响小；而摄像头有更高的分辨率，能够感知颜色，但受强光影响较大；激光雷达则能够提供三维尺度感知信息，对环境的重构能力更强。

在这种前提下，只有几种传感器的融合才能提供车辆周围环境更精准的绘图信息，并达到OEM主机厂所需的安全标准。目前，高性能激光雷达的量产和成本问题，仍是通往多传感器融合技术方案，乃至完全自动驾驶的障碍之一。”

提升车辆安全性

据Keilaf推断，随着车辆对复杂环境数据处理能力的提升，最终将实现更精确的检测、分类和定位能力。Keilaf说：“处理复杂环境数据，会造成车辆驾驶决策的延迟，而最大限度减少这种延迟，是提升车辆安全性的又一个关键部分。解决该问题的方案之一就是融合多源数据，数据融合能够减少系统做驾驶决策所需的计算资源。相比于单独依赖摄像头和毫米波雷达进行环境感知计算，来自激光雷达的3D数据的加入能够简化环境感知的计算任务。”例如，二维图像中的路标和树木阴影有时就会被错误识别成道路障碍物，从而降低系统鲁棒性。

多传感器融合：通往自动驾驶的必经之路

SBD（英国汽车技术咨询研究中心）自动驾驶部门负责人Alain Dunoyer博士说：“最近几年，OEM厂商已经先后引进了一系列传感器融合方案，其中主要包括毫米波雷达或激光雷达与摄像头融合，以提升Level 1和Level级自动驾驶功能的鲁棒性。而为了向Level 3级自动驾驶过渡，类似的传感器融合趋势只会更加明显，并且需要更多传感器加入，来丰富传感器融合ECU的数据源。

目前，到底是使用单一ECU控制，还是使用逐渐盛行的分布式方案，业界还没有一个定论，因为每种方案都有各自的优缺点。”

“未来，传统传感器逐渐不能满足更高级的环境感知需求，那么新型传感器就会被引入，尤其是在更高速的感知等场景中。物体检测和分类性能同样需要提升，以满足更高级自动驾驶系统的需求。此外，行人、自行车和道路小型杂物等障碍物，都是目前车辆环境感知领域还没有被完全攻克的难题。

虽然软件方案提升了检测的识别率，但即使是百分之零点零几的错误检测率，在面对真实的驾驶场景时，依然是需要被解决的。近来，越来越多的人工智能算法被引入环境感知的方案中，但由于深度学习路径的‘黑箱’问题，他们的鲁棒性和稳定性目前还不能被验证。”

“最终，另一个自动驾驶领域的关键研究方向，将是处理影响传感器性能的诸如天气、光强等问题。融合不同种类传感器（激光雷达/毫米波雷达/摄像头/超声波雷达）能够帮助解决这个问题，因为它们受限的因素不同，因此能够提供多维的感知策略。”