自动驾驶的千里眼，顺风耳：全网最通俗的 ADAS 传感器讲解

自动驾驶的千里眼，顺风耳：全网最通俗的 ADAS 传感器讲解！

“自动驾驶靠不靠谱？”
“自动驾驶怎么判断前面是不是人？”
“我的车也有雷达，是不是就能自动驾驶了？”

别急，想搞懂这些问题，你得先了解——自动驾驶的“感知层传感器”都干了些啥。

一句话概括：

自动驾驶的传感器，负责看世界、听声音、闻环境，是整套系统的“感官器官”。

本文，就来扒一扒这些“感官”的底细！

---

自动驾驶感知层 = 多模态融合的传感器大军！

首先来个框图镇楼：

┌──────────────────────────┐
│          感知层           │
├────────┬────────┬────────┤
│  摄像头  │  毫米波雷达  │  激光雷达  │
├────────┼────────┼────────┤
│  超声波  │  IMU+GPS  │  高精地图   │
└────────┴────────┴────────┘

是不是很像人类的眼、耳、皮肤、内耳、记忆组合？

---

摄像头：视觉神经元，大脑的眼睛

优点

• 分辨率高（最高可达8MP）
• 可识别车道线、行人、红绿灯、交通标志
• 成本低，已经在量产中成熟应用

⚠️ 局限

• 容易被雨雾、逆光、夜晚影响
• 只能看到，无法准确测距（除非配合结构光或双目）

常见种类

类型	应用方向	FOV
前视单目摄像头	车道识别、障碍识别	50°~70°
环视摄像头	低速泊车/全景	180°
双目摄像头	主动距离识别	70°
红外夜视	夜间行人识别	~40°

---

毫米波雷达：老司机的“顺风耳”

你听不见的，毫米波都能感知。

原理

通过发射高频电磁波（24GHz/77GHz），接收目标反射波，计算距离、速度、角度。

✅ 优点

• 不怕雨雪雾（恶劣天气首选）
• 对金属物体反射率高，适合高速探测
• 能精准测速度（相对速度）

⚠️ 缺点

• 分辨率不如摄像头
• 容易误报静止非金属物体（如人、树）

---

激光雷达 LiDAR：全场景感知王者

你可以不配激光雷达，但你不能忽视它的优雅。

工作方式：

旋转/固态激光束 → 打在物体 → 反射回来 → 计算距离
生成精确的点云图

优点

• 高精度三维感知，能区分远处物体
• 精准构建环境地图
• 自带测距能力，适合高阶自动驾驶（L3+）

缺点

• 成本高（但正逐年下降）
• 雨雾环境穿透力差
• 点云数据复杂，算力需求高

---

超声波雷达：近场泊车好帮手

距离短、精度高、反应快，停车场神器！

应用：

• 自动泊车（APA）
• 低速避障
• 倒车防碰撞

探测距离：0.2m ~ 5m
频率：40kHz上下

---

IMU + GNSS：搞不清自己在哪？它来定位！

我是谁？我在哪？我在干什么？

IMU（三轴加速度+陀螺仪）

解决“车动了没，动了多快”。

GNSS（高精定位）

辅助车辆定位，结合RTK可实现厘米级定位。
当然也有用惯导、SLAM或地图重定位方法提升鲁棒性。

---

高精地图：老司机的“导航记忆”

高精地图 ≠ 你手机导航那种。
它包含：

• 车道线、红绿灯、标志牌的几何位置
• 各种道路规则信息
• 实时更新的动态场景数据

常见供应商如：Momenta、四维图新、百度、高德等。

---

为啥要“融合感知”？

因为——没有哪一个传感器是完美的！

传感器	看得清	测得准	晚上OK	雨雾OK
摄像头	✅	❌	一般	❌
毫米波雷达	❌	✅	✅	✅
激光雷达	✅	✅	✅	❌
超声波	❌	✅	✅	✅

所以自动驾驶系统往往选择“多模态融合”，也就是 Sensor Fusion，把多个传感器的信息叠加计算，互补冗余，确保安全。

---

总结：传感器不是越多越好，而是要选对组合！

自动驾驶感知就像武林门派：

• 摄像头 = 少林拳，基础但全能；
• 毫米波 = 铁布衫，抗干扰；
• 激光雷达 = 独孤九剑，精准但昂贵；
• 超声波 = 五步蛇拳，近战毒辣；
• IMU/GPS = 内功心法，藏而不露。

一辆靠谱的智能车，必须是多门派融合，内外兼修，才能在道路江湖中立于不败之地！

---

下一篇预告：

「一文读懂激光雷达内核：旋转、MEMS、Flash、OPA 谁更能打？」
关注我，带你一路深入底层架构