必须说明的是，“自动驾驶”并不是什么新生事物，早在上个世纪50年代，美国无线电公司（Radio Corporation of America，RCA）宣称其已经掌握了自动驾驶汽车的相关技术，并实现了一次距离为400英尺（120米左右）的自动驾驶（参见雷锋网文章《回望上世纪60年代，自动驾驶汽车在当时“近在咫尺”》）；
而按照NHTSA和SAE对自动驾驶的划分，目前市场上在售的诸多具备车身稳定系统、防抱死系统、自动紧急制动，牵引力控制系统等功能的汽车已经达到了L1等级的自动驾驶，而我们熟悉的Google自动驾驶汽车，到目前为止亦未能达到L4等级的自动驾驶。而目前业界讨论的自动驾驶，更多的是在L3-L4级别上。
不同等级的自动驾驶来说具有不同的方案，也需要不同的传感器。普遍应用于自动驾驶的传感器主要有以下几种：
2D 摄像头、测距摄像头、激光雷达、雷达、声纳、GPS、IMU /罗盘及里程计等。
由于自动驾驶对车辆感知环境的要求极高，甚至要达到不逊于人类的水平，因此厂商通常会采用多种传感器，以取长补短。
而为了实现自动驾驶，交通工具需要感知以下数项指标：
位置、方向、地图、交通标识、信号灯，此外还需要探测周边环境，包括其它车辆、行人、自行车、摩托车、路障、马路牙子、地上的坑、大门、围墙，或是突然出现在车前的小孩等等。
传感器需要非常灵敏，才能以极快的速度探测到上述内容，并让车辆在几毫秒的时间内迅速做出反应。为了实现这一点，通常传感器的延迟需要控制在 2-3 毫秒内。
而为了普及自动驾驶，传感器的价格应该控制在可以接受的范围内。不过，根据目前自动化的程度，价格也有着天壤之别。比如达到 Level 3 的车辆，鉴于它能提供的自动化程度相对有限，为了提升其在市场上的竞争力，传感器的价格应该控制在车辆价格的 10% ，甚至更低。而与之相对，达到 Level 4 的自动驾驶车辆需要实现共享功能，并且实现 24 小时可用的状态，传感器的价格自然水涨船高，可能占全车的一半以上。
接下来，我们就一同来对比下方才介绍过的一些传感器，它们各有所长，也不尽完美，但我们可以从中一窥厂商取舍的动机。
1. 2D 摄像头
优点：分辨率高、速度快、传递的信息丰富、成本低。结合两个 2D摄像头，我们就能获得三维立体的环境信息。
缺点：动态范围小（受强光和太阳影响）、对强计算能力有高要求，单摄像头无法提供3D信息，可能会有延迟；而在双摄像头状态下所提供的 3D 内容可能不够准确。
基于上述优缺点，2D 摄像头擅长提供周边环境的丰富细节，能够清楚地辨识物体，准确理解交通信号灯、标识及车道所表达的含义，还能检测车辆、行人及自行车等。
相对于其它传感器，2D摄像头的功能更加强大。例如，车道检测能够提升车辆的 GPS 定位准确度。
代表公司为以色列的 Mobileye。
2. 声纳
声纳设备的工作原理为：发射器发射 50 千赫的超声波，接收器通过接收反弹回来的声波，以时间差测算出与物体的距离。
优点：价格亲民，原理简单，只需单个设备即可完成信号检测，是一种相对可靠和快速的测试手段。
缺点：分辨率差，不能真实反映物体内容，对污物敏感，只能用于近距离测量。
综上所述，声纳传感器通常只能检测近距离物体，而且主要针对较近的路障。因此，它的使用场景集中于辅助刹车，及停车时监测周边的车辆及车桩。举个例子，谷歌汽车在两个车后轮上都安置了声纳传感器，用于停车和倒车。由于价格亲民，一辆车上多加几个传感器也不肉痛。
3. LIDAR
它的全称是激光/光探测及测距（LAser Detection And Ranging or LIght Detection And Ranging）。
与声纳相似的是，LIDAR 也是通过发射和反射的时间差测量距离，只不过载体是激光而非声音。而同样地，LIDAR 也具备发射器和接收器，扫描设备通过捕捉每个角度反射的激光而测定距离。值得一提的是，该设备通常是将激光束重新定向的一个旋转镜。
LIDAR 的监测范围因厂而异，有些廉价 LIDAR 只能探测数米远，而有些高端设备的测量距离甚至能达200 米；而激光束的扫描频率也从1 Hz到 100 Hz不等，当然也有更高频的设备。对于扫描的 LIDAR 而言，也分为单级和多级两种分辨率。
相对来说，单线扫描器价格更便宜些，而 LIDAR 也以分辨率及距离两大因素为标准，价格从几百美金到上千美金不等。
分支：3D LIDAR
3D LIDAR 能对周边环境进行 360 度扫描，通常拥有多线激光束及3D扫描功能，且价格极高。不过相对而言，3D LIDAR 的扫描速度较慢，只有几赫兹。
高端 3D LIDAR 则拥有单线扫描，并且测量距离远达 200 米。一般而言，它所要处理的数据量也非常巨大。比如，Velodyne 的 HDL-32E 传感器每秒就能扫描 70 万个数据点。而一些模型甚至能每秒扫描 160万个 3D 数据点。上述 LIDAR 的价格非常昂贵，虽然单个产品本身成本不高，但每年面世的数量相对较少，就显得物以稀为贵了。以 Velodyne 为例，去年它只销售了数百个激光雷达。如果它的市场需求能提高到百万级，那么它的价格也会相应降低到数百美金。
优点：可靠的 3D 点云，对光线不敏感，收集的信息内容丰富。
缺点：贵，缺少色彩信息，在监测能产生反射或透明的物体时准确性不够。收集的数据需要极高的计算能力，且扫描速度相对较慢。
3D LIDAR 目前尚未得到大规模普及，但它提供了非常可靠而丰富的 3D 环境信息。Level 4 的自动驾驶车辆都可以采用 3D LIDAR，但对 Level 3 及以下的产品而言，价格就有点吃不消了。
4. 雷达
和上述两种传感器设备相似的是，它的原理同样是通过发射无线电信号（无线电频段的电磁波）并接收反射信号来测定与物体间的距离的。多普勒雷达测量的是反射信号的频率转变，并计算其速度变化。因此，雷达可以探测距离和障碍物的相对移动速度。多普勒雷达本身无法检测静止的物体。
雷达能够检测 30-100 米远的物体，高端的雷达能够检测到很远的物体。雷达不受天气状况的影响，即使是雨雪雾霾都能正常运作，且对灰尘也不敏感。
但是，雷达传输的是电磁波信号，因此它无法检测上过漆的木头或是塑料（隐形战斗机就是通过表面喷漆来躲过雷达信号的），而人类也几乎对雷达“免疫”。
雷达对金属表面非常敏感，如果是一个弯曲的金属表面，它会被雷达误认为是一个大型表面。因此，路上一个小小的易拉罐甚至可能会被雷达判断为巨大的路障。此外，雷达在大桥和隧道里的效果同样不佳。
优点：由于其大批量生产的缘故，雷达的价格相对没那么昂贵，且对周边车辆的检测准确度较高，对于某些特定材料较敏感。反应速度快，操作简单，能适应恶劣天气。
缺点：对于某些材料“不太感冒”，无法判断所识别物体的大小，且相对分辨率较低。
因此，雷达通常广泛用于自动巡航控制，辅助变道及紧急制动系统。以谷歌汽车为例，它在前后的保险杠上装有四个雷达传感器，主要用于保持车距；而特斯拉比起摄像头而言更依赖雷达设备。
而使用毫米波雷达，也能够提升检测分辨率。
5. GPS，测距和 IMU（惯性测量单元）
GPS 不够准确，也不总是管用。它能够提供大致的位置信息，且只能达到 99% 的准确度。
IMU 测量的是加速度，高端及军用级别的 IMU 相对准确性更高，不过目前高精度的 IMU 还处于研究状态。
整体而言，并没有任何一种传感器能尽善尽美地满足自动驾驶的所有需求。自动驾驶需要多种传感器的辅助配合才能顺利上路，而后者联合提供的信息则更加立体和可信。比如，谷歌汽车采用的是 Velodyne 的360 LIDAR （64 激光束，探测距离达 200米）、检测近路的前置相机、前后保险杠各两个雷达传感器，再加上 GPS、IMU 及两个后轮的声纳传感器。
尺有所短，寸有所长，只有让多种传感器协同合作，才能让自动驾驶顺利驰骋。
.jpg&h=124&w=218&zc=1)
