電子發燒友網報道（文/梁浩斌）在自動駕駛的感測器選擇上，目前在量產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採用的感測器方案；二是鐳射雷達為主，加上視覺感測器以及毫米波雷達，以多感測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資料，而為了獲取路面資訊，目前主流的鐳射雷達、影象感測器、毫米波雷達是否就能夠滿足需求呢？
舉例來說，2018年Uber採用鐳射雷達+毫米波雷達+視覺感測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並導致其死亡。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，但將其錯誤識別成汽車，而在5.6秒時又將識別到的行人歸類為其他物體，導致系統無法判斷該物體的性質而未有進行剎車動作。
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，無法識別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感測器組合中的一些欠缺，無論是以鐳射雷達為主的路線，還是純視覺的路線。可以發現，目前紅外感測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，比如用不同的感測器來針對不同的場景進行識別。自動駕駛有兩大核心，感知和演算法，要演算法體現出實際效果，第一步是要“看得見”。
紅外熱成像相比於其他感測器，首先在識別生物上具有無可比擬的優勢。前面提到的Uber夜間行駛事故，雖然有一部分是由於多感測器導致的系統錯誤，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，特別是在行人識別方面。
其次，不只是在夜間，紅外熱成像是可以全天候工作的，不受白天夜間影響，並且可以彌補視覺感測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，這也是鐳射雷達以及視覺感測的劣勢場景之一。
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”。只是其主要功能不是用於自動駕駛，而是用於在檢測應急範圍內的行人或者野生動物，並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。與幾年前的鐳射雷達一樣，由於規模效應還沒有體現，目前紅外熱成像感測器價格居高不下。
筆者在與國內某紅外成像技術大廠交流時瞭解到，目前其車載紅外產品最高可以實現1920×1080解析度，但僅640×512解析度的中遠距離車載紅外熱成像產品單價也要萬元以上。
隨著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感測器“全家桶”中？我們將持續關注。
