2.2.1 概述

感知系统以多种传感器捕获的数据及高清地图的信息为输入，经过一系列计算和处理，来预估车辆的状态并实现对车辆周围环境的精确感知，进而为下游决策系统模块提供丰富的信息。目前，自动驾驶系统在一些特殊或极端恶劣天气状况下工作是非常困难的。即使是人类驾驶员，这些情况也十分棘手。在下雪的条件下，无论是基于视觉的感知系统，还是基于雷达的感知系统，都存在识别感知的困难。相机会因为有雪附着镜头而不能正确识别道路标记，从而无法正确导航。雪会影响激光雷达光束的反射效果，干扰自动驾驶车辆对周围环境的正确判断。当激光光束穿过雨滴或雪花时，激光雷达可能会将其识别为道路障碍物，由于激光光束不可能在同一位置上探测到同一滴雨或一片雪花两次，运用算法，车辆就能将雨雪排除在道路障碍物之外。

自动驾驶的感知领域，行业内分成了立场鲜明的两派，即视觉派和激光雷达派。特斯拉是视觉派最坚定的守护者。埃隆·马斯克认识到视觉与激光雷达的优劣势，同时不断推动让视觉方案做到原本只能由激光雷达做到的事。从2D平面图像推断精确的3D立体实景实际上是非常困难的。以图2-12中这辆MPV为例，如果只看左侧的2D图像，似乎用视觉和激光雷达标注的形状都是准确的，但如果放在3D场景中，就会发现使用视觉方案标注的形状不仅偏长、偏窄，还缺少了汽车的侧面。

图2-12 视觉方案和激光雷达方案对比

而这还仅仅是一个在高亮度环境下相对规则的物体，如果环境变暗，或加入更多遮蔽物、障碍物，情况就会变得更极端。例如在黑暗树荫中的自行车，纯视觉方案就很难分辨。因此，从根本算法上解决视觉信息的准确处理问题，是特斯拉自动驾驶体系的绝对核心技术。

谷歌旗下的自动驾驶公司WAYMO在感知层面除开发了传统的超声波传感器、激光雷达和摄像头等高性能传感器外，还使用音频检测系统，用于检测几百米外的警车或救护车，以便自动驾驶汽车提前重新进行路径规划，避让相关车辆。自动驾驶系统感知模块能像人一样分辨道路上的行人、骑行车、车辆、道路施工等，根据每种物体的属性建模、预测和理解其行驶意图。

图2-13所示的十字路口中，自动驾驶汽车除预测行驶轨迹外，还根据摆起左手的骑行者预测到其将要变换到左车道后进行左转弯。自动驾驶汽车会提前减速，预留充足的安全距离让骑行者通过，以防御性驾驶方式进行路径规划。行驶过程中，自动驾驶汽车能准确“预见”由其他驾驶人、行人、不良气候或路况引发的危险，并及时采取必要的、合理的、有效的措施防止事故发生，不行驶在其他驾驶人的视野盲区内。它甚至能识别人脸的方向，提前给难以准确预测轨迹的骑行者和行人预留充足的安全距离。

图2-13 自动驾驶汽车轨迹预测

在研究目标上，选择感知系统而非预测系统的原因是，真正的自动驾驶汽车应该可以成为人类驾驶员更安全的选择。然而，自动驾驶仍然导致了一起死亡事件：一辆优步自动驾驶汽车因感知系统出现问题而致使一名行人被撞身亡。由此可见，感知问题对自动驾驶汽车而言不止是兴趣问题，更是生死攸关之事。

鉴于车辆感知问题的重要性，通过调查发现目前共有四种不同技术可帮助车辆感知周围物体，分别是超声波传感器、激光雷达、毫米波雷达和相机（图2-14）。其中，激光雷达和相机是最重要的，超声波传感器主要用于近距离感知，而毫米波雷达和激光雷达用于长距离追踪。

图2-14 自动驾驶多传感器布局