特斯拉在五月份发生的自动驾驶事故，和最近在Defcon上演示的如何干扰传感器，都充分说明了传感器在自动驾驶中的重要性：环境感知是自动驾驶实现的基础，如果不能正确地感知周围环境，那么接下来的认知、决策与控制，都是空中楼台。

　　从传感器技术发展本身来说，要在接下来十年里保证自动驾驶车安全地上路，硬件性能与背后的软件算法，以及不同传感器之间的数据融合，都是需要提升的地方。

　　△车辆上的各式各样传感器

　　传感器在自动驾驶的重要性无需赘言。

　　特斯拉的Autopilot系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆在高速路车道行驶、变道以及根据交通情况调整车速。

　　谷歌的全自动驾驶测试车用的是价格昂贵、结构复杂的远距传感系统LiDAR（激光雷达）。

　　丰田透露过他们的高速道路自动驾驶汽车上有12个传感器：1个藏在内后视镜里的前摄像头，5个测量周围车辆速度的雷达，和6个探测周围目标位置的激光雷达5。

　　尽管也有一些企业另辟蹊径，希望通过V2X技术来完成环境感知的工作，但是V2X严重依赖于基础设施，而传感器则不受这个限制。

　　激光雷达

　　LiDAR系统使用的是旋转激光束。宝马、谷歌、日产和苹果的无人驾驶试验车用的就是这项技术。但要想在量产车上应用，价格必须大幅下降。业内普遍认为，再过几年这个目标就能实现。

　　△激光雷达工作原理（图片来自Velodyne）

　　激光雷达的工作原理是通过发射和接收激光束来实现的。在其内部，每一组组件都包含一个发射单元与接收单元。上图的Velodyne使用了旋转镜面的设计。