特斯拉整车传感器配置方案解析
导读：如果其他车厂还对自己的传感器配置遮遮掩掩的话，Tesla 是完全透明，大大方方贴在上，随时可以查询，特斯拉和马斯克还怕你不知道，时不时还要出来强调一下。特斯拉这么炫耀它的传感器配置，无非是当做卖点宣传，利于销售它的汽车。这和其他自动驾驶技术公司对其技术遮遮掩掩以防竞争对手抄袭或者其他顾虑完全不同。
下图是特斯拉上查到的特斯拉车载传感器配置，足够详细。
1. 摄像头
特斯拉车辆标配总共有 8 个摄像头，后面是一个倒车摄像头，前面是一个三目的总成件。两侧一边还有两个。
鱼眼、正常和长焦
后视
中距摄像头实景
关于不同的镜头是什么关系，引用了知乎上的一张图，请大神看到后。
侧视，具体的说是侧视安装的位置，是有特的。侧后视装在翼子板上，位置靠前；侧前视装在 B 柱，位置在侧后视的安装位置之后 1m。侧前视和侧后视相互重叠，这样就保证了无盲区。这 4 个摄像头就基本保证了 Tesla 的 L3 级别的功能：变道、合流、出高速。从实景照片中可以看出，相邻左右车道确实是无死角的照顾到了。
侧前视
侧后视
侧后视实景
侧前视实景
2. 毫米波雷达
特斯拉的车上，毫米波雷达就装了 1 个，160 米，按照这个探测距离，该雷达是个 77G 的。
特斯拉之前一直仅仅将毫米波定位为一个辅助的传感器，结果撞了大卡车。笔者曾经把特斯拉在 LinkedIn 上的人搜了一遍，看看他们是什么背景。结果，一大票人都是常青藤做视觉的 MS 或者 PHD，所以别怪人家把视觉玩的这么溜。
但是，但是，视觉总归是二维的，八个摄像头，同时处理的话，消耗的 GPU 资源不少。结果出事了。还出了不少事。下图这个笔者认为比较经典：
武汉特斯拉自动驾驶撞翻一片护栏
人类都有可能被视觉欺骗，别说机器了。所以摄像头这种通过计算来感知的手段要有，通过直接测量的手段来感知更是必不可少。毫米波雷达和激光雷达，个人认为仪器的成分更多一点，是一个可靠的自动驾驶系统必不可少的。
3. 超声波
对于特斯拉来说，在其他地方不起眼的超声波，俺们也要好好用，毕竟测量型传感器除了一个毫米波，就是这 12 个超声波了。笔者曾经和某大佬聊过自动驾驶使用超声波的问题，他觉得超声波精度不行，距离不行，无法用。恩，那能把超声波用在自动驾驶上面的，确实是天才。笔者其实也蛮佩服。
探测范围 8 米的超声波，的到吗？献上链接，不敢保证 Tesla 用的就是这家的，但是肯定类似。笔者的朋友当年把这个玩意用在无人机上做壁障，还蛮好用的。那个朋友也是个天才，希望他能在续集里上镜，哈哈。
超声波传感器最大的问题是什么？学过通信的人应该知道复用这个词。特斯拉召回的解决方案所有超声波探头都工作在一个频段，相互之间回波还有干扰，只能时分复用。时分复用啊，老大们，12 个探头轮一圈，啥概念？几秒过去了。计算 4 个 4 个一组，也很慢。慢，就是超声波最大的问题。
第二个问题，就是长。一串超声波，就像一串萝卜。串在一根绳上。这根绳，连起来十几米长。长有什么不好，嘿嘿，笔者当年可是吃了大亏。肇庆某公司上海分舵一位大牛面试过笔者，说了句搞硬件就是提个指标的嘛。哎，没上车没吃过亏啊。
第三个问题，温湿度。超声波对温湿度极其敏感，要做一个详细的标定表，要不这个超声波就不灵了。
还有一个，就是误报问题，不想展开了。笔者只能说，简简单单一个超声波，就可以折腾你个一两年。所以，自动驾驶工程化是一条漫漫长路。等 ABCD，那可以洗洗睡了。
4. 视觉与毫米波的融合
特斯拉反应很快，立马就把毫米波用的妥妥的。知乎上有文章介绍关于激光雷达点云如何与图像如何融合以及联合标定。各大创业公司也乐于 Show 点云和图像的融合结果。
但是，能把毫米波和图像结合起来，足可以见特斯拉的算法能力之强。要用好毫米波，首先要拿到原始数据。
毫米波的原始数据是一条曲线，横轴是与天线阵面法向的夹角，纵轴是回波信号强度。有兴趣的朋友可以一套 TI 的开发套件来看看。这个波形，人是看不懂的，所以就有了一大票人专门依据这个毫米波波形做信号处理，来提取目标，跟踪目标。