電子發燒友網報道（文/梁浩斌）在自動駕駛的傳感器選擇上，目前在量産車型上主要有幾種選擇，一是視覺 毫米波雷達（當然現在特斯拉要走的是純視覺路線），這也是目前大部分L2級輔助駕駛車型上所采用的傳感器方案；二是激光雷達為主，加上視覺傳感器以及毫米波雷達，以多傳感器融合的方式實現更高階的自動駕駛。

要實現高階自動駕駛，需要獲取更多的路面數據，而為了獲取路面信息，目前主流的激光雷達、圖像傳感器、毫米波雷達是否就能夠滿足需求呢？

舉例來說，2018年Uber采用激光雷達 毫米波雷達 視覺傳感方案的自動駕駛汽車，在夜間進行測試工作時安全員分神，而車輛撞到一名行人并導緻其死亡。在這起事故中，自動駕駛車輛在發生撞擊前5.6秒其實就已經檢測到了行人，但将其錯誤識别成汽車，而在5.6秒時又将識别到的行人歸類為其他物體，導緻系統無法判斷該物體的性質而未有進行刹車動作。

而特斯拉的視覺 毫米波雷達同樣出現過多次事故，比如車輛在高速公路上行駛時，無法識别因事故而橫倒在路上的白色貨車而發生碰撞事故。

這裡表現了當前自動駕駛傳感器組合中的一些欠缺，無論是以激光雷達為主的路線，還是純視覺的路線。可以發現，目前紅外傳感器在自動駕駛的主流方案上比較罕見。

當然，為了更高的安全性，自動駕駛需要更大的冗餘空間，比如用不同的傳感器來針對不同的場景進行識别。自動駕駛有兩大核心，感知和算法，要算法體現出實際效果，第一步是要“看得見”。

紅外熱成像相比于其他傳感器，首先在識别生物上具有無可比拟的優勢。前面提到的Uber夜間行駛事故，雖然有一部分是由于多傳感器導緻的系統錯誤，無法判斷物體，但如果加上紅外熱成像技術，增加從溫度去判斷物體的性質，就可以從根源上解決物體判斷的難題，特别是在行人識别方面。

其次，不隻是在夜間，紅外熱成像是可以全天候工作的，不受白天夜間影響，并且可以彌補視覺傳感中難以防止眩光的劣勢。

另外，紅外在霧霾等惡劣天氣環境中有良好的穿透效果，這也是激光雷達以及視覺傳感的劣勢場景之一。

既然效果這麼好？那麼為什麼很少聽到有自動駕駛車型用上紅外熱成像技術？

事實上，我們在新款的保時捷帕拉梅拉車型上發現，紅外熱成像已經成為一項選配，保時捷稱之為“夜視輔助系統”。隻是其主要功能不是用于自動駕駛，而是用于在檢測應急範圍内的行人或者野生動物，并向駕駛員及時發出警告。

其實，上述問題的答案很簡單，那就是貴！保時捷選配價格高達39500就能說明這一點。與幾年前的激光雷達一樣，由于規模效應還沒有體現，目前紅外熱成像傳感器價格居高不下。

筆者在與國内某紅外成像技術大廠交流時了解到，目前其車載紅外産品最高可以實現1920×1080分辨率，但僅640×512分辨率的中遠距離車載紅外熱成像産品單價也要萬元以上。

随着自動駕駛技術的發展，紅外熱成像是否會被更多的主機廠加入到自動駕駛傳感器“全家桶”中？我們将持續關注。