自动驾驶的出现不仅仅是汽车技术的飞跃，更是人们对汽车移动性的感知和互动方式的一场革命。这一转变的核心就是传感器融合。

在自动驾驶汽车中，传感器融合是一项对车辆安全性和效率至关重要的技术，它将来自多个传感器的数据相结合，并产生对车辆环境更准确、更可靠和更全面的信息。例如，摄像头、雷达和激光雷达等传感器协同工作，相互补偿可提供车辆周围360°的全景视图。与此同时，ADAS和自动驾驶技术的应用和普及进一步刺激了对传感器前所未有的需求。

来自TE Connectivity的数据显示，采用最新ADAS/AV技术的车辆，即使是典型的非电动汽车，均需要配备60到100个车载传感器，其中的15到30个专门用于管理发动机。商用卡车配备的传感器更是多达400个，用于发动机管理的传感器约有70个。预计未来几代电动汽车，特别是那些配备了自动或半自动驾驶功能的电动汽车，其传感器数量很可能是其他车型的两到三倍。

自动驾驶技术的出现迅速改变了现有的交通格局，为车辆提供了前所未有的安全性和可靠性。在自动驾驶汽车的核心技术中，传感器融合作为一种变革力量占据了重要地位。通过无缝集成来自多种先进传感器的数据，包括相机、雷达、激光雷达和超声波传感器，传感器融合能够从不同的位置感知环境，获得了比任何单个来源更准确、更可靠的车辆及周边信息。

自动驾驶中的传感器

传感器在汽车中的早期应用主要以带有后视摄像头的基本高级驾驶员辅助系统（ADAS）为主，随着自动驾驶等级的升高，车辆智能化水平大幅提升，所需传感器的种类和数量也越来越多。目前，用于自动驾驶技术的传感器主要有以下几种：

相机（摄像头）

这是最接近人类视觉的一种传感器，可以用来检测车辆周边的视觉信息，如交通标志、车道标线、行人、骑自行车的人和其他车辆等。前置摄像头能让汽车“看到”它要去的地方，倒车摄像头可以帮助停车和倒车。一些新车型还配有360°摄像头，通过这些放置在车身周边的微型摄像头可以获取周围环境的俯视图。

市场上此类摄像头品种很多，基本都能满足车用需求。以安森美AR0820AT为例，这是一个1/2英寸CMOS数字图像传感器，具有3848 H x 2168 V有源像素阵列，这种先进的车用传感器可在线性或高动态范围内捕获图像，同时还拥有卷帘快门读出功能。此外，AR0820AT还针对微光和严苛条件的高动态范围场景性能进行了优化，采用2.1 µm DR-Pix BSI像素和片上140dB HDR捕获能力，非常有利于获取车辆周边的图像信息。

雷达

为确保车辆的安全驾驶，能否及时获取车辆周围环境的高分辨率图像甚至4D成像数据对智能驾驶而言是一个重大挑战。此时，在ADAS功能中发挥关键作用的毫米波雷达走向前台，因为它比相机更能“看清”物品，具有更高的分辨率和性能，以及良好的指向性，同时不易受到环境干扰或天气影响。需要注意的是，毫米波雷达不能用于识别非金属物体。

由TI公司提供的适用于汽车4D成像雷达需求的TIDA-020047双器件毫米波级联雷达参考设计，通过结合使用两个76GHz 至81GHz 雷达收发器、一个雷达处理器、两个 CAN-FD PHY、一个以太网 PHY 和一个低噪声电源，完美地解决了ADAS功能中“看清”的问题。

参考设计中的AWR2243 器件是一款能够在 76GHz 至 81GHz 频带内运行的集成式单芯片 FMCW 收发器，以极小的封装达到超高的集成度，实现了一个具有内置 PLL 和 ADC 转换器的单片3TX、4RX 系统。

简单的编程模型更改即可支持各种传感器部署，包括近距离、中距离和远距离，形成多模式传感器方案。承担雷达处理器任务的AM273x 是基于 Arm Cortex-R5F 和 C66x 浮点 DSP 内核的高度集成、高性能微控制器，内部集成的硬件安全模块 (HSM)确保了车辆的功能安全。

图1：适用于汽车 4D 成像雷达的双器件毫米波级联参考设计TIDA-020047 （图源：TI）

LiDAR

光探测和测距（LiDAR）激光雷达使用光脉冲来测量车辆与其他物体的距离，借助该信息车辆可创建基于环境的详细3D地图。LiDAR用于自动驾驶汽车传感器有颇多优点：首先，它具有卓越的距离、角度和速度分辨率，抗干扰能力强；其次，激光雷达可以获取大量有益于自动驾驶的数据和信息，包括距离、角度、速度和物体的反射强度，以生成物体的多维图像。目前，高昂的价格在一定程度上影响了LiDAR在汽车行业的大规模应用。

OSRAM SPL SxL90A LiDAR是高性价比的产品，符合AEC-Q102标准，它可让自动驾驶汽车“看”得更远，驾驶更安全更高效。产品有单通道和四通道两大系列，均具有每通道40A的电流和125W的性能，效率高达33％，且热阻非常低，即使在大电流下运行也不容易发热。单通道器件SPL S1L90A_3 A01的尺寸非常小巧，仅为2.0mm x 2.3mm x 0.65mm。四通道器件SPL S4L90A_3 A01有四个发射区，可在480W功率下提供出色的光功率，尺寸虽然略大于单通道器件，但能实现更大的检测范围。

图2：四通道LiDAR  SPL S4L90A_3 A01（图源：AMS OSRAM）

3D ToF激光雷达

飞行时间（ToF）是一种适用于短距离汽车用例的激光雷达，无需扫描即可获取更多细节。这是一种越来越受欢迎的激光雷达，在智能手机应用中已有大量应用。在汽车环境中，高分辨率ToF摄像头使用3D感应技术扫描汽车周围和地面区域，无论光照条件如何，都能检测到路缘石、墙壁或其他障碍物，支持手势识别并在车外建立360°视图以帮助自助泊车。

IRS2877A是英飞凌REAL3 ToF激光雷达系列中主要面向汽车应用的一款产品，采用9 x 9 mm²塑料BGA封装，利用4 mm的微型感光区，实现了640 x 480像素的VGA系统分辨率，仅需一个ToF摄像头，即可打造出3D面部识别的驾驶员状态监测系统。基于IRS2877A生成的3D车身模型，还可以准确估算出乘员的体型、体重，得出高度精确的乘员和座椅位置数据，为智能安全气囊的展开和约束系统提供关键信息。除安全应用之外， 3D ToF传感器还可用于车内手势控制等功能的实现。

图3：IRS2877A 3D ToF激光雷达应用框图（图源：Infineon）

感器融合的力量

传感器融合是将来自多种传感器的数据源合并，以创建比单独从任何单个来源获得的信息更准确、更可靠的信息的过程。通常，单个传感器不可能独立工作并向自动驾驶系统提供所有必要的信息供其做出决定或采取任何行动。自动驾驶汽车感知世界的第一步是通过其传感器阵列，包括相机、LiDAR和雷达等捕捉周围环境的广泛数据，才能最终做出准确的行动指令。图4以图形方式展示了自动驾驶汽车使用传感器融合来感知环境的过程。

图4：由相机、LiDAR和雷达等构成的传感器融合方案可360度感知车辆周边环境（图源：TE）

这些传感器中的每一个都有其独特的优势。激光雷达可提供精确的距离测量，在选择过程中，距离是决定短距离、中距离或长距离激光雷达架构是否最佳的因素，其中不仅仅是指车外的自动驾驶功能，也包括车内的许多功能。雷达或毫米波雷达更擅长在各种天气条件下检测物体的速度和位置。相机或摄像头则可以捕捉到丰富的视觉图像。这些传感器输入的融合信息创建了车内和车外全面的和高分辨率的数据表达，为自动驾驶汽车提供了无与伦比的态势感知水平。

图5：自动驾驶汽车中所需的传感器融合方案（图源：Aptiv）

无论自动驾驶处于何种等级，支持其更强大的“看”的能力的汽车传感器技术是所有功能实现的基础。现在，传感器融合已成为自动驾驶安全可靠的重要支柱。随着汽车驾驶舱越来越数字化，除了“看”周边，摄像头、雷达和激光雷达在车内也开始发挥它们的作用。比如短距离激光雷达可以监测驾驶员和乘客的状态，以支持更先进的智能座舱功能，包括通过检测头部位置来调整安全气囊展开力度和优化平视显示器（HUD）、通过面部识别来识别特定的驾驶员和乘客以调整预定义的偏好等。

车传感器融合的未来

根据Market Research的分析，汽车传感器融合市场预计将从2023年的3亿美元增长到2030年的33亿美元，复合年增长率为42.4%。在此过程中，对自动驾驶和半自动驾驶汽车的需求不断增加，以及ADAS系统在各种汽车中的应用，推动了市场的发展。随着纯电动汽车市场的增长，进一步推高了对ADAS或AD功能的需求。

来自Marklines的数据显示，截至2022年，市场上有150多款L2 ADAS纯电动汽车，许多纯电动汽车配备了相应的传感器融合系统。比如福特的F-150 Lightning就配有福特的Blue Cruise ADAS/AD系统，该系统主要提供传感器融合功能。通用汽车在2023年3月推出的凯迪拉克Celestiq，配备了使用传感器融合的超巡航ADAS/AD系统。

传感器融合是未来汽车的关键技术，它们不仅能引导车辆自动安全的行驶，还实现了一系列日益数字化的驾驶舱内功能。传感器融合的未来看起来非常有希望，然而车辆制造商的挑战也将接踵而至。

首先，实时管理和解释来自多个传感器的数据所需的处理能力就是一个巨大的考验，它意味着未来的车辆需要有更强大的机载算力。找到一个既有合理的价格又能提供高算力的方案不是一件容易的事。其次，一辆车的智能化越高所需的传感器数量越多，当然，这些传感器占用的空间越大，整车的成本也会越来越高。因此，小尺寸、高性能、高集成度、低价格的传感器融合方案将赢得更多市场。再就是，传感器融合技术的跨平台标准化是自动驾驶系统开发中的重要环节，还有很多互联互通的工作要做。

自动驾驶汽车传感器融合技术的进步标志着人类向更安全、更高效、更可靠的交通方式迈出了关键一步。多种传感器的集成提供了一个远超人类能力的多视角车辆环境，提高了障碍物实时检测和决策的准确性，有效缓解了单个传感器技术在复杂车辆驾驶环境下固有的局限性。在向全自动驾驶汽车迈进的过程中，作为其中的技术支柱，传感器融合的持续研发不仅能增强自动驾驶汽车的能力，还将为智能出行领域的更多创新应用铺平道路。