深入浅出讲解自动驾驶 - 激光雷达优缺点对比分析

• 💂 个人主页: 同学来啦
• 🤟 版权: 本文由【同学来啦】原创、在CSDN首发、需要转载请联系博主
• 💬 如果文章对你有帮助，欢迎关注、点赞、收藏和订阅专栏哦

🐣 一、常见传感器性能对比

不同的传感器都有自己的独特优势，不能单纯地选择某一款，而忽视其他的传感器。其实我们要关注的是发挥各个传感器的优势，了解不同传感器应用场景，做多传感器融合。

下面将激光雷达与毫米波雷达、摄像头、超声波雷达等传感器进行性能比较，主要围绕探测距离、测距精度、FOV、角分辨率、测速能力、点云数量、干扰源、算法应用、价格等维度对比分析四种传感器的性能优劣势。

对于没有接触过传感器的人而言，根据参数分析会很快得到结论：

• 初步结论：毫米波雷达性价比最高，探测距离远，全天候工作，受外部干扰源比较少，而且又便宜。
• 结论判断：对于只有ACC、AEB、BSD等基础功能的L1级别系统，答案是肯定的。然后如果只有毫米波雷达或者摄像头，想上L3级别系统，那就明显不行了。

🐤 二、传感器选择

对于传感器的选择，传感器数据需要满足感知和定位算法的要求，这是最基础的要求。如果不满足，哪怕9项有7项参数看起来不错，只有精度和角分辨率较差，也会导致算法不会使用或者所占权重比较低，这也是为什么激光雷达这么贵，但在L3以上的智驾系统中采用多个的原因。

🐥 三、传感器参数对比分析

🔴 1、探测距离

目前在用的905nm激光雷达受限于脉冲功率，就是瞬时功率过高会对人眼有损坏，所以点云最远探测距离为230米左右，4D毫米波雷达采用MIMO和DBF技术功率和分辨率都提升不少，点云最远距离能到330米，摄像头虽然成像能达到1000米，但是视觉能提取物体二维或三维信息，主要依靠感知算法性能以及采集的数据量，如果算法不行或数据量比较少，哪怕20米测距也有问题。

🟠 2、测距精度、角分辨率、FOV

测距精度和角分辨率主要和传感器本身的工作原理有关系，视觉的精度和探测距离一样，受限于算法和数据量。激光雷达的测距精度主要受限于激光光源发散角的大小，以及接收器性能和ADC采样时的精度。毫米波主要受限于接收信号带宽，天线孔径大小和DBF算法性能，当然信号带宽、天线孔径增加一定程度分辨率不会再变了。

🟡 3、测速能力

对于测速能力，只有毫米波雷达具备该功能，这个也和收发信号的频率差有关，其他传感器的信号频率是不变的，所以没有这个功能，但FMCW激光雷达已经有DEMO样件了，未来激光雷达的点云也会带速度信息。

🟢 4、点云数量

点云数量和信号源有关，会受限于参数设计、设备性能、摄区情况等方面因素影响。

🔵 5、干扰源

干扰源这方面，激光雷达和摄像头都属于光学期间，受光的干扰会多些，毫米波雷达属于射频器件，对于金属等信号反射率高的环境比较敏感，这里主要指多径效应和镜面反射产生的噪点。所以激光雷达和摄像头才会对雨雾、扬尘等场景比较敏感

🟣 6、算法应用

算法应用这部分，传感器数据的权重这部分设计，不同自动驾驶公司以及不同车型会有所不同，但主要是激光雷达和视觉数据会有权重不同，对于毫米波来说权重都比较低，超声波主要在泊车或近距离时才会有作用，而且毫米波和超声波主要应用在感知算法，无法应用在定位功能。

🍎综合上述对比，激光雷达在测距，叫分辨率以及精度综合性能最强，这也是自动驾驶系统必有激光雷达的原因。