学习笔记-摄像机，激光雷达，雷达比较

封面图片来自Udacity的无人车课程讲师 David Silver。这个图片是他自己做的。 所以不是绝对正确的。不过我认为具有很高的参考价值。

https://medium.com/self-driving-cars/a-comparison-of-self-driving-sensors-2bb7702a85af​medium.com

话说这个medium里面有很多关于无人车的资料。

各位看官可以移步去看看

不多说，我们比较一下各个传感器的优缺点。

Sensor comparison

价格： 众所周知，camera 是很便宜的。相对于动辄好几万的lidar和radar，摄像机是相当便宜的。radar还好些，高精度激光雷达那真是贵的没边了。 看见google头上的lidar了吗？ 据说要75,000刀。比一般豪车还贵不少。当然无人车上的东西没有便宜的。

曾经的谷歌无人车，现在叫waymo

照明影响：摄像机虽然便宜，但是学过一点电脑视觉的人都知道，摄像机在不同的光照条件下的性能是非常不一样的。这就很致命了。无人车在道路上快速移动的时候，摄像机毫无理由的来个紧急制动，估计里面的人永远都不会坐无人车了。这种情况下，激光雷达和雷达的作用就彰显出来了。 他们在感知周围环境的时候，不受任何光照影响。所以在光照条件不好的情况下，在感知层面上系统会给来自lidar和radar的数据更高的权重。Lidar 和radar 会在感知范围里提供最准确的距离数据。

噪声影响：David说摄像机的噪声是最小的。我以为照明对于摄像机也算一种噪声，但是他好像不是这么想的。在噪声影响这个方面，我觉得他是要表达lidar和radar在传达数据时候的时候，会受到他们自身电路的影响，从而获得的噪声。但是这个部分我也不是很能理解。

感知范围：如果分1-5个级别（1代表最短，5代表最长）来表示传感器的有效感知距离的话，如下。

短距离radar： 等级1。短距离radar就是用来感知短距离的。如果比做人的话，感觉上跟汗毛差不多。注意这里讲的都是短距离radar。

摄像机： 等级2。摄像机拍下来的画面或许可以很远，但是因为要进行图像识别，摄像机的感知范围就注定不能太远。因为如果物体在图像里占据的像素数量少于某些个数值的时候，物体是识别不出来的。如果比做人的话，摄像机就是人的眼睛。就如我们看东西的时候，是分主次的。而那些主要需要被感知的范围就叫做ＲＯＩ（range of interest)。所以摄像机也不关注离车距离过于远的物体。因为由于透视远离的原因，远距离的物体一般都很小，而远距离的物体要占有一定数量的像素，那么就需要摄像机的分辨率要很高。但是这样，就会影响图像处理的速度。而且远距离的物体对于无人车的影响不大。

中距离Lidar： 等级3。lidar 的主要作用几乎就是用来做SLAM（环境感知）的。他会为车提供周边环境的实时情况。

长距离radar： 等级4。 长距离传感器嘛，就比较长了。 听说大概可以达到200m。但是呢，跟摄像机一样，有效感知区域是多少就不一定了。应该是和各个厂家的技术有关。长距离传感器主要是用于ACC（adaptive cruise control）。但是实际上这个功能，据我所知用的比较少。

超长距离 V2X： 等级5。 V2X就是车联网。V指的是“vehicle” ，2 指的是英语单词“to”，X就是指“everything”。联网了，基本上周边的设备都联网了，那么这个车就是在Ground Truth环境下移动了。但是呢，这是不可能的。因为不可能所有的东西都联网的。

额外还有一个就是感知距离MAX的东西：　高精度地图。高精度地图理论上就是我知道整个世界的每个细节长什么样。但，实际上这也是不可能的。最近百度和四维图新都在做高精地图以助力无人车的发展。具体高精到什么程度还不清楚。NOKIA（就是手机品牌诺基亚）也有自己的高精地图，据说是很早开始就做了。是高精地图的第一批拓荒者。他们的高精地图叫“HERE”。他们的高精地图数据有一部分也是开源的。有兴趣可以去找找。

传感器范围

图片来源：Centimeter-accurate GPS for self-driving vehicles

分辨率：相机最高，Lidar次之，Radar最低

抗天气影响能力：Radar最好，Camera次之，Lidar最低

追踪物体速度能力：Radar最好，Camera和Lidar差不多

追踪物体高度能力：Lidar最好，Camera次之，Radar最低

追踪距离能力：Lidar，Radar都很准确，Camera最低

辨别能力：Camera和Lidar都较好，Radar较低。

这是David根据他的主观经验写的东西，仅供参考。

(有些内容实际上我也没理解透为什么。但这就需要知道各个传感器工作的原理，所以这里不再详细阐述。如果以后学到相关知识，那么那时候我会再回来补充。)