一、五类传感器概述
自动驾驶环境感知依赖多种物理原理的传感器，常见五类为：激光雷达（LiDAR）、红外传感器、毫米波雷达、摄像头、超声波传感器。它们分别利用激光飞行时间、红外辐射、毫米波反射、可见光成像和超声回波实现测距或成像。
二、各传感器能力与选型对比
激光雷达
- 原理：发射激光束并测量反射回波时间，获得高精度三维点云。
- 感知能力：能精准获取环境几何信息，包括静止与运动目标。
- 成本：较高，课件历史对比给出的历史报价区间为600～75000美元。
- 夜视：主动发光，夜间工作不受可见光限制。
- 天气：受雨、雾、雪等恶劣天气影响，光束散射导致性能下降。
- 算法：点云处理算法相对成熟，但数据量大。
- 距离：中远距离探测，具体量程依型号而定。
- 劣势：昂贵且扫描速度相对较慢。
红外传感器
- 原理：探测目标自身红外辐射或主动红外反射。
- 感知能力：夜视能力极佳，可在完全无光条件下成像。
- 成本：课件历史对比给出600～2000美元区间。
- 夜视：优势突出。
- 天气：受雨雾影响，红外辐射被吸收或散射。
- 算法：红外图像处理算法相对专用。
- 距离：中短距离。
- 劣势：课件当时强调技术供应限制，不能据此概括当前所有器件。
毫米波雷达
- 原理：发射毫米波（通常30～300 GHz）并接收回波，利用多普勒效应测速。
- 感知能力：精度高，可同时测距和测速。
- 成本：课件历史对比给出300～500美元区间。
- 夜视：不受光照影响。
- 天气：对雨雾通常比可见光感知更稳健，但仍受强降水、遮挡和雷达罩污染影响。
- 算法：信号处理算法成熟。
- 距离：中远距离。
- 劣势：静止杂波、角分辨率及行人回波特性增加分类难度；适当的波形与处理方法仍可检测静止目标及行人。
摄像头
- 原理：可见光或近红外成像，通过图像处理识别目标。
- 感知能力：功能全，可识别颜色、纹理、交通标志等。
- 成本：课件历史对比给出35～50美元区间，成本低。
- 夜视：依赖可见光，夜间需补光或使用近红外。
- 天气：恶劣条件下测距困难，图像质量下降。
- 算法：依赖复杂计算机视觉算法，计算量大。
- 距离：通过双目或单目测距，中短距离精度有限。
超声波传感器
- 原理：发射超声波（通常40 kHz左右）并测量回波时间。
- 感知能力：短距离探测，常用于泊车。
- 成本：课件历史对比给出15～20美元区间，成本最低。
- 夜视：不受光照影响。
- 天气：受温度、风速影响，但短距离内可用。
- 算法：简单。
- 距离：探测距离短（通常数米），应用局限大。
三、选型关系与符号说明
选型需在成本、夜视、天气适应性、算法复杂度和探测距离之间权衡。例如，毫米波雷达天气适应性较强但目标分类存在限制，需与摄像头融合；激光雷达精度高但昂贵且受天气影响；红外热成像夜视好，但受温差、天气与成本限制；摄像头成本低但恶劣条件测距难；超声波成本最低但距离短。
符号与单位：
- 历史报价单位：美元。
- 距离单位：米（m）。
- 频率单位：赫兹（Hz），毫米波常用GHz，超声波常用kHz。
适用范围：上述对比基于课件历史对比给出的典型区间，实际选型需根据具体车型、法规和性能要求调整。
