你好，AODI自动驾驶汽车拥有众多传感器包括12个超声波传感器、4个高清俯视鱼眼摄像头、1个高清3D摄像头、1个红外线夜视摄像头、4个雷达传感器和1个激光扫描器全面而完整的监测汽车四周的环境

自动驾驶包括哪些传感器

【太平洋汽车网】自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机（包括单目、双目立体视觉、全景视觉及红外相机）和雷达类测距传感器（激光雷达、毫米波雷达、超声波雷达等）。

自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机（包括单目、双目立体视觉、全景视觉及红外相机）和雷达类测距传感器（激光雷达、毫米波雷达、超声波雷达等）。这些传感器目前都可以找到开源的SDK快速开发。小可根据这几年的开发经验，特此整理了目前常用传感器的一些API，方便初学者节省开发时间。当然，对于可以根据需求自主定制传感器的土豪公司而言，本篇显得多余，请绕行。本篇主要适用于自动驾驶初级开发者，主要面向高校和科研院所的研究人员，以性能为主，较少考虑成本问题。笔者主要基于Linux系统进行开发，所介绍的API均以Ubuntu14.04及以上版本为准（4月份要出Ubuntu18.04了，2年一个稳定版本，值得期待）。

自动驾驶主流传感器单目摄像机首推AVT工业相机，国内代理商较多，比如大恒。包含的相机种类较为齐全，接口包括1394火线接口、网口接口等，价格从几千元到几万元不等。SDK可以在官网上找到，推荐使用最新的Vimba_v2.0开发套件，安装过程较为简单，且SDK中包含QT、OpenCV在内的多个开发示例，上手较快。

应用：单目相机的应用开发主要包括特征类符号的检测与识别，如车道线检测、交通标志识别、交通灯识别、行人和车辆检测等，基于机器学习的视觉计算在自动驾驶普及之日一定会是必不可少的部分，尽管目前来说视觉检测可靠性并不是很高，在以激光雷达为主要感知手段的自动驾驶车辆中应用并未达到预期。

路面及车辆识别双目摄像机应用于室外场景的双目视觉确实不多见，笔者之前用过的bumblebee双目也是应用于室内场景，之后接触了ZED相机也是室内比较好用，当然，openCV中也集成了该方法，习惯C编程的可以看下，OpenCV经典教材《学习OpenCV》中文版464页至492页有详细内容，更有代码，不多说。

（图/文/摄：太平洋汽车网问答叫兽）

自动驾驶需要哪些传感器

目前，自动驾驶所使用的传感器主要包括：摄像头、激光雷达、毫米波雷达、超声波雷达等。不同厂家会根据自己的产品，选择不同的组合方案，同时又有所偏重，有的偏重激光雷达，有的偏重摄像头等。本文主要介绍一下这几种传感器。

展开全文想要实现自动驾驶，需要通过三个阶段，即感知、决策和控制。感知是基础，没有感知所带来的各种信息也就无所谓控制了。因为车辆对汽车有着部分甚至是全部的控制权，所以自动驾驶汽车对外部情况必须拥有保证达到甚至超过人类感知的精确性，所以传感器对于自动驾驶汽车的重要性也就不言而喻了。

摄像头摄像头就像人的视觉一样，主要就是记录图像，然后发送给自动驾驶系统的计算机，计算机通过图像识别技术分析数据，进而判断车辆周围状况。

摄像头由于开发较早，开发人员也比较多，现今技术已经比较成熟，成本也降到了相当低的程度。应用中摄像头形式包括单目、双目和三目，根据摄像头安装的位置分为前视、后视、环视和车内监控摄像头。

摄像头可以实现众多如预警、识别等ADAS功能，是视觉影像处理系统的基础，此外，影像信息对于乘客来说更为直观，在处理意外情况时，是必不可少的。

优点：成本低，技术成熟，而且能够识别路牌、交通灯甚至是一些文字信息。

缺点：难以获取准确的三维信息；受环境光限制比较大，遮挡、强光和黑夜等条件下，识别率比较低。

激光雷达激光雷达是目前公认的自动驾驶传感器最佳的技术路线。激光雷达主要通过向目标物体发射激光束，然后通过计算从目标反射回的脉冲飞行时间来测量距离，以此来测算目标的位置、速度等特征量，感知车辆周围环境，并形成精度高达厘米级的3D环境地图，为下一步的车辆操控建立决策依据。

激光雷达多安装在车顶，通过高速旋转，实现360度无死角监控，获得周围空间的点云数据，实时绘制出车辆周边的三维空间地图。

（图/文/摄： 问答叫兽） 星瑞 理想ONE Model Y Model X 高合HiPhi X 零跑T03 @2019