随着汽车自动驾驶技术的发展，对于MEMS传感器的需求也在快速增长，这些传感器被应用去汽车的安全、性能相关的领域，本文将会介绍对于自动驾驶非常重要的激光雷达和视觉图像传感器。

市场研究机构IHS Markit预计2015年～2022年期间，汽车应用的MEMS市场的复合年增长率将达6．9％，2022年将增长至32亿美元。

过去几年，MEMS传感器在强制安全系统中获得了稳定的市场，如电子稳定控制系统和胎压监测系统，这些系统在2015年期间的新款汽车中已经获得普及。获益的MEMS供应商包括陀螺仪、压力传感器、加速度计以及前排和侧面安全气囊传感器等。此外，汽车引擎应用的MEMS器件也正在稳定增长，主要来自于日益增长的引擎管理和尾气处理应用。据麦姆斯咨询消息，这些领域的MEMS出货量到2019年将达到13．4亿颗，2013年时这一数字为10．8亿颗。

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。

这套发射／接收组件和旋转镜面结合在一起，能扫描至少一个平面。镜面不只反射二极管发出去的光，而且也能把反射回来的光再反射给接收器。通过旋转镜面，能够实现 90到180度的视角，并且大大降低系统设计和制造的复杂度，因为镜面是这里面唯一的运动机构。

脉冲光以前被用于探测距离。探测距离的原理是基于光返回的时间，激光二极管发出脉冲光，脉冲光照射到目标物后反射一部分光回来，在二极管附近安装一个光子探测器，它可以探测出返回来的信号，通过计算发射和探测的时间差就可以计算出目标物的距离。脉冲距离测量系统一旦被激活就能收集到大量的点云。

如果点云中有目标物，目标物就会在点云中呈现出一个阴影。通过这个阴影可以测量出目标物的距离和大小。通过点云可以生成周围环境的3D图像。点云密度越高，图像越清晰。

视觉图像传感器

现在一个很广泛的应用是将2D激光雷达与视觉传感器相结合，不过相比于激光雷达，视觉传感器低成本的特性，也让其成为了在自动驾驶解决方案中不可或缺的存在。

通过视觉传感器的图像识别技术对周边环境进行感知，对于自动驾驶而言，除了知道在什么位置存在什么物体／行人之外，进而像车辆发出减速刹车等指令来避免事故这一功能之外，是以图像识别为基础，能够理解当前的驾驶场景，并学会处理突发事件。

视觉传感器工作流程如果说激光雷达的难度在于如何让其性能能够满足自动驾驶导航的需求，那么摄像头的难度则在于从感知拔高到认知的这一过程。

以人眼来进行类比的话，人类驾驶员在看到行人或车辆之后，会基于看到的景象对行人或车辆的下一步行动有个预判，并根据预判来控制车辆。自动驾驶车同样需要这个「预判」的过程，而摄像头就起到观察的作用。自动驾驶汽车必须能够对车内人员、车外行人、车附近人们的行为进行观察、理解、建模、分析和预测。