尽管有非技术媒体鉴于特斯拉（Tesla）Model S电动车最近发生的致命事故而预言自动驾驶车辆的消亡，笔者还是想在这篇文章中介绍传感器电子组件以及更好、更精进的软件算法，而它们终究可望在接下来的十年内实现安全的全自动驾驶车辆。
Tesla已经一再表明Model S并非自动驾驶车辆，Tesla电动车驾驶人需要清楚地认知：「这种系统只是新技术，并且仍处于公开测试阶段。」
而BMW、Mobileye和英特尔（Intel）三家公司在7月份宣布合作开发自动驾驶车辆平台时，也强调「安全第一」的原则，因为驾驶人的安全最重要。
美国全国公共广播电台（NPR）记者Sonari Glinton在最近的一场广播节目讨论中也表示，Tesla Model S是具备自动驾驶「功能」，而这些功能只是提供辅助、并非要替代驾驶人。
Google的全自动驾驶测试车辆则是仰赖成本更高、更复杂，采用光达（LiDAR）技术的远程感测（remote sensing）系统。
Tesla执行长Elon Musk曾表示：「全自动驾驶车辆显然需要360度摄影机，可能还需要额外的前向（forward） 摄影机、运算硬件，以及电动马达和转向齿条（steering rack） …也就是说，我认为并不需要LiDAR，只要利用被动光学组件和一个前向雷达就能实现自动驾驶。」他正致力为消费性市场推出价格相对能被大众负担，且强调安全性的车辆。
Tesla的Autopilot自动驾驶系统仰赖：「摄影机、雷达、超音波传感器和数据的结合，以自动控制汽车在高速公路上的行驶、变换车道以及根据交通流量调整速度；」该系统采用以色列芯片设计业者Mobileye提供的自动剎车技术。
Tesla电动车采用的Mobileye Emergency自动剎车功能，是「专门为避免后方追撞所设计」，因此无法避开今年7月1日在美国发生之Model S致命事故中的侧面碰撞；如前面提及，这种技术还在继续进行开发。例如有相关文献描述了以视觉技术为基础的自动驾驶动态控制设计，并将重点放在紧急避障功能中的协调转向（coordinated steering）和剎车控制；另有相关文献介绍了一种创新方法，可以用来避免致命的意外事故。
Google已经在美国数个州进行自动驾驶车辆测试；Tesla则宣布在今后三年内推出完全自动驾驶车辆；共乘服务业者Uber则在美国匹兹堡（Pittsburgh）开设了一个测试场地，准备发展一个自动驾驶出租车队。
日本车厂丰田（Toyota）曾透露，其公路自动驾驶汽车安装了12个用以撷取数据的传感器，包括1个安装于后照镜背面的摄影机模块，5个使用无线电波撷取其他车辆速度的雷达传感器，以及6个用于检测汽车周围物体位置的雷射传感器。
还有美国加州已经颁布了在公共道路上测试、操控自动驾驶车辆的法律框架。
虽然我们尚未准备好迎接全自动驾驶车辆，但应该是在不远的未来——在那之前，我们的手还是得握好方向盘，眼睛也要随时盯着路况。
传感器是自动驾驶的眼睛和耳朵
若自动驾驶车辆拥有「耳朵」，能在警车、救护车或消防车驶近，能透过车载摄影机或LiDAR看到前先听到警笛声并确定其方向…怎么样？或者在驾驶人、LiDAR或摄影机的视力所及之前，就先听到重型机车接近的声音呢？
以下让我们来看看自动驾驶车辆使用的各种传感器技术──是以设计工程师对电子传感器的专业见解，探索这些传感器如何与内建先进处理器与软件算法的车辆「大脑」相连。
扮演自动驾驶车辆眼睛的技术
LiDAR 这是一种使用旋转激光束的系统，获得BMW及Google、日产（Nissan）和苹果（Apple）研发的实验用自动驾驶车辆采用，但若要在大众车款中应用这类系统，必须等待其成本大幅下降。
图 1 LiDAR基本原理：图为一对单发射器 /检测器搭配可活动旋转镜的 LiDAR设计；这种架构可以实现至少一个平面上的扫描；其中的镜子不仅可以反射二极管发出的光，还能将返回光线反射到检测器。透过在这种应用中配置旋转镜，可以实现 90~180度的典型方位视角，同时简化系统设计和可制造性，因为只有镜子是活动零件。 （图片来源： Velodyne）
美国业者Velodyne能提供一种高分辨率LiDAR（HDL）传感器，以因应自动驾驶车辆导航的严格要求；其HDL组件可以提供360度的方位视角和26.5度的高度视角，以及15Hz的画面更新率（frame refresh rate），还有以每秒100万点速度填入的点云（point cloud）。
光脉冲以前一直被用来测量距离，这种基础技术用雷射二极管发射光脉冲；光线会一直传播，直到遇到一个目标，此时一部分光能会被反射回发射器，在靠近发射器的地方安装的光子检测器会检测到这个反射回来的讯号，而发射脉冲和接收脉冲的时差确定了目标的距离，若启动这个脉冲距离测量系统，则可以收集到大量的采样点（也就是「点云」）。
如果没有出现任何目标物，那么发射出去的光永远不会返回任何反射讯号；如果光线是指向地面，路面就会提供返回讯号。如果目标位于点云中，就可以在数据中看到一个缺口（notch），根据这个缺口即可确定目标物的距离和宽度。透过点云中收集的点，便可形成周边环境的3D影像；点云越密集，影像就越丰富。
图2 传统的单发射器/检测器配对之雷射传感器应用。（图片来源：Velodyne）
3D LiDAR 方案实现3D LiDAR的一种方法是在镜子旋转时上下移动发射器/检测器──有时称为「眨眼（winking）」或「点头（nodding）」──这将产生高度（elevaTIon）数据点，但也会减少方位数据点的数量，从而降低点云密度，造成系统分辨率降低。
另外一种方法是「快闪（flash）LiDAR」，该类系统运作时会同时照亮一大片区域，然后在一个专属2D焦平面数组（FPA）上撷取所产生的像素距离（pixel-distance）信息；这种类型的传感器很复杂、生产不易，因此没有获得广泛商用，然而有一天可望替代机械致动传感器，因为它们是固态组件，不需要活动零件。
业界还有许多不同配置的3D点云系统，但这些系统目前还无法满足自动驾驶车辆的安全性需求；举例来说，有许多系统能够拍到很棒的照片，但拍一张就得好几分钟，这种系统就不适合行动感测应用。当然也有具备优异更新率的快闪系统，但视场不足且距离性能也不够；还有可提供实用讯的单束系统，但当目标物体太小或落在装置视场以外，这种系统就无法发挥作用。
为了使LiDAR传感器适应最多的使用情境，有必要看清收集点四周的每个角落，即全360度。另外，处理后的数据需要实时递送给用户，因此在数据收集和渲染影像之间的延迟必须最小化；例如在自动驾驶导航领域，零点几秒的人类反应时间一般是可以接受的，因此保证导航计算机的更新率至少每秒十次是很实际的要求。垂直视场需要扩展到地平线之外，以防汽车开进路面凹陷处；也应该尽可能朝看清汽车前方的路面延伸，以适应道路凹陷或陡坡。