最近，华为和小米先后发布新款智能电动车。作为新入局者，小米的 SU7 性能还有待观察，而对于已经发布多款智能汽车的华为来说，其产品迭代能力似乎越来越强，也越来越受消费者的欢迎。

此次，华为发布的问界 M9，搭载了多项新技术，特别是在智能驾驶方面，问界 M9 全面升级了 HUAWEI ADS 2.0 高级智能驾驶系统，搭载了全新设计的 192 线激光雷达。余承东表示，ADS2.0 的一大突破是不依赖高精地图，截至 2023 年 12 月底，将实现城区、高速、城快 NCA（智驾领航辅助，即高级智能驾驶）的全覆盖。

目前，众多车企都在努力迭代高级驾驶辅助系统（ADAS），ADAS 系统的硬件部分有两大关键部分，一是处理器，二是传感器，处理器就像是大脑，而各种传感器就像是眼睛和耳朵，能否及时、准确地收集到各类信息和数据，直接决定着汽车智能驾驶的安全性，十分重要。本文主要介绍 ADAS 可能用到的各种传感器，及其发展和技术融合情况。

ADAS 的发展及其对传感器的要求

ADAS 可分为五级，从 L1 到 L5，驾驶自动化程度逐步提高。最大的一个分界点是从 L3 到 L4，因为 L3 在一些极限场景下需要驾驶员自己操控，而 L4 在理论上完全不需要驾驶员操控了，甚至不需要方向盘了。

从 L1 到 L5，传感器的种类和数量都在不断增加，最大的一个差别是从 L3 到 L4，从目前的发展情况来看，L4 一定需要激光雷达（LiDAR），而在 L3 阶段，很多公司还是不会用激光雷达，因为它的成本非常高。L3 阶段，极限场景下还是要靠驾驶员的，所以，无论是自动程度设计，还是传感器数量和种类的应用，都要考虑成本问题。因为完全不需要考虑驾驶员，L4 的成本很高，一定要用到激光雷达，而且一定要用到高清地图。

在 ADAS 方面，中国与国外存在着一些差异。目前，国外的 L2、L3 是由法规和安全标准驱动的，特别是欧洲，10 年前就已经颁布了相关法规。目前，中国还缺乏相应的法规和安全标准，车企主要靠自己创造技术和品牌效应，但消费者接受程度还不统一，有些驾驶员非常喜欢，但有些驾驶员还是很担心，不相信 ADAS。

就 L4、L5 级 ADAS 而言，从近些年的发展情况来看，以前，一开始是走私家车路线，现在，很多国外车企的一些私家车 L4 项目有的暂缓，有的已经停下来了，将相关资源用在了商用车上。之所以如此，一个很重要的原因就是 ADAS 的感应系统和控制系统成本太高了，特别是传感器，只有商用车才能承受这样的成本，私家车很难承受。

目前来看，ADAS 用的最多的还是 CIS 图像传感器，它的性价比也是最高的，在夜间，红外线传感器是必不可少的，在泊车时，超声波雷达是必需的。以上这些是目前 ADAS 必用的传感器。而随着应用需求的发展，毫米波雷达和激光雷达也越来越多地出现在了车上，不过，由于成本较高，这两种传感器的应用还存在争议，特别是激光雷达，以特斯拉为代表的智能电动汽车未予采用，主要靠 CIS 和特斯拉强大的算法能力实现 ADAS。

目前，要实现部分自动驾驶功能，最少要有 4~8 个不同类型的传感器，而要实现 L3 级自动驾驶，则至少需要使用 12 个传感器，有的系统需要近 20 个传感器才行。

激光雷达的使用成为焦点问题

由于技术先进，且成本高昂，激光雷达在目前的汽车 ADAS 系统中的使用与否，以及如何使用是业界的一个热点话题。

由于激光雷达可以生成道路的三维视图，在自动驾驶方面能够帮助汽车很好地识别周围环境。尽管自动驾驶业界对激光雷达仍然存在不同的声音，但由于其创建周围环境高清 3D 点云图的能力，通常被认为是自动驾驶汽车的核心使能传感技术之一。激光雷达通过测量光传播到物体并反射所需要的时间，来提供汽车周围环境的 3D 点云图。

通常情况下，激光雷达可以分为两大类：机械式和固态激光雷达。机械式的装配困难、扫描频率低。固态激光雷达，扫描方式主要包括 MEMS、Flash 和光学相控阵 (optical phased array, OPA)。

MEMS 采用微扫描振镜，达到了一定的集成度，但是受限于振镜的偏转范围；Flash 技术已有商用，但是视场角受限，扫描速率较低；OPA 扫描技术是基于微波相控阵扫描理论和技术发展起来的新型光束指向控制技术，具有无惯性器件、精确稳定、方向可任意控制等优点，成为近年来研究的热点，液晶、集成波导光学相控阵等固态技术层出不穷。

激光雷达的发射模块主要有两种探测方式：主流的是 ToF，新兴的是 FMCW，发射激光的激光器，主流方案是 EEL，新兴的是 VCSEL。

在接收模块中，主流的探测技术是 APD，新兴的是 SPAD 和 SiPM。APD 是雪崩光电二极管，它的缺点是体积大、功耗高、侦测距离和范围有限、一致性不好。采用 SPAD 方案，可以大幅降低成本，且体积更小、性能更稳定。SiPM 是硅光电倍增管，它的优势在于增益是 APD 的 1 万倍，灵敏度是 APD 的 2000 倍，工作电压要求非常低，只要 30V，而 APD 要 250V。SiPM 的一致性非常好，可以较为容易地实现批量生产。

激光雷达仍处于发展的初期，其性能和成本是业界正在努力攻克的难题，特别是成本，目前，每台激光雷达的价格要几千美元。为了解决成本问题，各家公司，特别是相关芯片厂商正在固态激光雷达的三条技术路线上各施所长，都希望将价格拉低到几百美元，甚至 100 美元以下。

目前，汽车制造商正在寻找高性能、远程激光雷达传感器，希望将每个传感器的成本降到 500 美元左右，虽然激光雷达制造商已经取得了进展，但这样的成本水平依然很高，与 CIS 等传统传感器相比，应用水平还有明显差距。从接收模块的探测器，激光器，到整体系统结构，都有降价空间。

随着激光雷达在智能汽车上用量的增加，特别是在中国，相关车企和车型之间的竞争越来越激烈。2023 年，激光雷达价格战打响，出货价一度跌至 500 美元以下。

虽然各家激光雷达厂商的发展路线各有不同，但成本大都集中在收发器芯片上，约占总成本的 50%-70%，因此，提高相关模块的集成度被视为降低激光雷达成本的首选方案。以发射端芯片为例，用集成模块替代分立模块，材料和调试成本可降低 70% 以上。

在激光雷达成本大战中，有几家中国本土企业较为凸出，如长光华芯（主打 VCSEL 激光器芯片），纵慧芯光（主打 VCSEL 激光芯片及模组），禾赛科技（提供高级激光雷达传感器），灵明光子（率先开始 dToF 在车载激光雷达上的布局），以及阜时科技（主攻 SPAD 芯片，2022 年接到多家车企激光雷达厂商的定制合同）。

多种传感器融合

特斯拉 CEO 埃隆·马斯克把激光雷达贬低得一塌糊涂，他说，特斯拉只需要用 CIS，就可以实现全天候自动驾驶。不过，更多的车企认为，要实现更好的自动驾驶，需要多种传感器的融合。第一，要实现自动驾驶，一定是全天候的，现在，雾天和下雨天的图像识别效果是比较差的；第二，自动驾驶有一个非常重要的指标——安全，要求具有双保险，如果 CIS 图像出现问题，另外一种传感器就要提供信息，保证做出正确的判断，这需要多种传感器的支持。

激光雷达用光（虽然不是可见光），所以它有类似于图像传感器的缺陷，如雾天的识别效果不好。毫米波雷达虽然对金属很敏感，但是雾天、雨天时的穿透力很好，同时，毫米波雷达能侦测到移动物体的速度，激光雷达和 CIS 图像传感器识别不到速度，只能看见物体。因此，每种传感器在整个 ADAS 系统中都有它的独特作用。

举个简单的例子，在高速弯道上行驶的时候，毫米波雷达无法识别前面的弯道，不知道要拐弯，但是，摄像头可以识别前面需要拐弯了，它可以通过 ADAS 系统实现转向，这样就可以实时地让毫米波雷达和激光雷达按照你想要走的路线行驶了。

还有一个例子，要捕获车前很远地方的某一个物体信息，用毫米波雷达获取的信息量不大，但是，图像传感器和激光雷达可以获取移动物体的图像，补充信息，保证操作正确，这对汽车非常重要。

关于汽车传感器的融合，业界已经酝酿了有很长时间，但成功的案例还不多。融合会经历几个不同的阶段，而真正的融合是在系统里，包括 MCU、GPU 等处理器，以及各种传感器。对于传感器来说，无论是激光雷达，还是图像传感器，或是其它传感器，实现融合的难点在于：它们在不同的位置，获取信号的方式也不一样，很难把这些信息有机地整合在一起。难点也是机遇，目前，很多传感器厂商正在攻关这些难关。

对于一家传感器厂商来说，如果具备图像传感器、毫米波雷达和激光雷达等多种技术的开发和产品量产能力，则可以在成本和系统层面给客户提供更好的方案，这或许也是多种传感器融合发展的一个趋势。

此外，做好融合也需要很强的算力，如果算力芯片或模块的功耗太高，或算法需要的计算量太大，则会给信息的融合带来更多挑战，为了解决这些问题，相关厂商也在不断摸索解决方案。

结语

人们对终极自动驾驶的追求，使得 ADAS 系统不断向前演进，这对相关芯片，特别是处理器和传感器提出了更多、更高的要求，同时也在促进相关技术和产品的发展。

在 ADAS 系统用到的各种传感器当中，激光雷达最为昂贵，争议也最大。当下，ADAS 系统还是以 CIS 图像传感器和 AI 算法为主要元素，而随着激光雷达技术水平的提升，以及成本的下降，它在系统中所发挥的作用也越来越大，同时，采用的厂商也越来越多。

对于自动驾驶而言，多种传感器技术融合已经成为多数从业者和车企的共识，是未来的主流发展方向。