概述

自动驾驶受到越来越多的关注，当前各大厂商的技术基本上集中在L2-L4级别。为了实现这些功能，感知系统一般会融合多种传感器的冗余数据，综合计算出周围的环境信息，提供给给控制系统。常见的车载传感器包括：毫米波雷达、视觉摄像头、激光雷达、GPS、IMU等。

视觉摄像头作为其中一个很重要的传感器，应用在几乎所有的自动驾驶功能当中。例如特斯拉的自动驾驶系统FSD就搭配了8颗8百万像素（8MP）的摄像头，蔚来和小鹏等厂商，也配置了10颗以上的8百万像素摄像头。通常根据摄像头的安装位置，把车载摄像头分为前视、后视、环视、侧视以及舱内。如表1所示，不同的安装位置，所起的作用和功能不同，这些功能分为：

表1: 车载摄像头的分类和功能

镜头的视场角决定了每个像素能感知到的物体大小，例如2百万像素、靶面尺寸为1/2.6’’、FOV60°的摄像头，在110m远处，每个像素对应的大小约是6.5cm 。如果一辆小汽车的尺寸是1.6m×1.6m，它在图像中就会占据24×24个像素。一般情况下，假设镜头符合小孔成像模型，可以近似地认为像素数量M和物体尺寸h的关系为：

M=(h/d)*(f/p)

其中d是物体的距离，f是焦距，p是单个像素的大小，其几何关系如图3所示。

大部分的自动驾驶算法采用了卷积神经网络来识别物体，如果物体占据的像素点过少，则会被算法过滤掉，当做噪声处理。为了达到识别的效果，通常认为至少需要24个以上的像素来做判断，因此我们可以定义物体最小可分辨像素数为24，由此得出不同大小的物体，摄像头能观测到的最远距离。

镜头的另一个指标是视场角（FOV），也就是镜头能看到的视野范围。焦距越小，视场角就越大。FOV小的镜头，一般用来观察远处，例如前视测距通常使用FOV 30°/60°的镜头，FOV大的镜头可用来观察近处，两者形成有效互补。

鱼眼镜头：鱼眼镜头是一种极端超广角镜头，其具有两大主要特点：短焦距（16mm或更短），大视场(视场角180度至270度)，“鱼眼镜头”是它的俗称。为使镜头达到最大的视角，这种镜头的前镜片直径很短且呈拋物状向镜头前部凸出，与鱼的眼睛颇为相似，“鱼眼镜头”因此而得名。

相机方案推荐

综合以上，我们给出一些常见的自动驾驶场景下的推荐配置。

配置1：L3无人驾驶的全向布局

前视由三目组成，分别是1颗2百万像素（2M）FOV30°（远距离），1颗2百万像素FOV60°（中距离）和5百万像素（5M）FOV130°（短距离），侧视由2颗2百万像素FOV100°构成，侧后视补盲也是2颗2百万像素FOV100°构成，后视由1颗2百万像素FOV100°构成。

图4：L3无人驾驶视觉方案推荐

表3列举了道路上常见的物体，针对不同物体的尺寸，计算了摄像头可以检测的距离。例如前视摄像头(2MP，FOV30°)，具备50m-200m的探测能力，而广角摄像头（5MP，130°），具备10m-50m的探测能力。配置1覆盖了从近至远（10m-200m），FOV从小到大（30°-130°）的各种组合范围，可检测的物体小至雪花桶，大至卡车，因此是一个较为完善的L4视觉解决方案。

表3：L3无人驾驶视觉方案的物体检测距离

配置2：L4高级别自动驾驶方案/图像数据采集车

此方案全部由8百万像素（8M）的摄像头组成，前视是三目（一对FOV120°双目，加上一颗FOV30°），环视由4颗FOV190°超广角构成。

图5 L4无人驾驶视觉方案推荐

从表4可以看出，长焦镜头（FOV30°）的检测范围在90m-750m，具备远距离的探测能力，而广角摄像头（FOV120°）也具备15m-120m中等距离探测能力，因此该方案适用于高级别（例如L4）自动驾驶。另外当前车载摄像头的最高规格就是8百万像素，因此该方案也可以用于图像数据采集车的应用（可以降采样使用）。

表4 L4无人驾驶视觉方案的物体检测距离

配置3：L2自动驾驶/机器人、物流车等低速场景。

该方案的前视、后视各由1颗2百万像素（2M）FOV100°的摄像头构成，环视由2颗1百万像素（1M）FOV187°的广角摄像头构成。

图6 L2自动驾驶/机器人、物流车等低速场景

从表5可看出，该方案能覆盖的检测距离在10m-50m之间，具备近距离的探测能力。对于低速场景，由于该方案的构成相对简单，成本较低，是一个性价比较高的配置。特别是对于机器人、无人物流车等应用，由于移动速度较慢，因此不需要很长的探测距离，但由于其场景复杂，因此需要较大的覆盖角度。

表5 L2自动驾驶/机器人、物流车等低速场景的物体检测距离

总结：

我们根据自动驾驶的不同级别和功能要求，给出了以上给出了几个参考配置方案，并且从机器视觉算法的角度，给出了摄像头所能识别的物体距离，供方案选择时作为参考。