自动驾驶已不再是纸上谈兵。通过感知、决策、执行三个层面的几十种零部件高效、稳定地配合工作，自动驾驶车辆逐渐实现不同场景、不同级别的落地应用。
目前，自动驾驶感知层方案主要有两条路线：一是多传感器融合方案，被众多主机厂广泛认可并推动；二是以视觉为主的技术路线，有趣的是，基于自动驾驶安全性与可靠性，还存在两种技术方向之间的争议，分别是以特斯拉为代表的纯视觉感知，和新势力车企偏爱的激光雷达感知。
技术路线不径相同，但随着自动驾驶高速发展中，车载传感器“乘风而起”，实现产品加速放量与创新升级。光学厂商抓住上游车企需求的同时，更需要通过技术创新和研发实力，保障车载传感器的可靠性、安全性、耐久性。近日，欧菲光智能车联算法负责人陈波出席第二届智能汽车视觉感知峰会，与产业链上下游多家企业，共同探讨自动驾驶国产视觉供应商的进阶之路。
破解车载摄像头工作环境难题
在环境感知方面，自动驾驶主要应用的传感器包括摄像头、毫米波雷达、激光雷达、超声波雷达等。同时，还可以将汽车传感器分类至行车辅助、驻车辅助和车内人员监控等不同感知应用场景。一般来说，汽车所搭载的传感器数量的多寡，直接决定了其智能化水平的高低。
车载摄像头作为ADAS的核心传感器，能够识别物体的多种特性，实现车道偏离警告（LDW）、车距检测（HMW）、交通标志识别（TSR）等功能。贯穿车辆行驶到停泊全过程，自动驾驶对车载摄像头的耐高温、防磁、抗震、长使用寿命等特性有较高的要求。陈波表示，随着车载摄像头安装数量的增加，由于电池可供给电量和安装摄像头的空间有限，车载摄像头如何进一步缩小电路板尺寸和降低功耗的需求日益高涨。车载摄像头硬“军备竞赛”已经打响。
陈波提到，欧菲光为解决车载摄像头模组散热问题，提出真空腔均热板散热技术、激光焊接、温漂补偿等四种热管理解决方案。
首先，欧菲光在封装技术上进行改进，采用COB封装技术，直接将感光芯片压接到PCB板上面，相比传统的CSP封装技术，大大提高散热效果。欧菲光COB技术已成熟地应用在手机领域，将把手机业务技术优势“平移”至车载业务领域。
其次，公司引入了真空腔均热板散热技术，突破传统的铺设铜网或铜粉烧结毛细芯结构，采用精密蚀刻微结构一体化毛细芯工艺，成功研制出0.3mm超薄真空腔均热板，并达到可量产的稳定工艺水平。
同时，公司摒弃了传统的螺丝固定方式，采用激光焊接的方式，大大减少了相关组件的数量，从而提高了摄像头的可靠性和一致性。
最后，公司还制定了一套温度补偿方案以及内参标定（对摄像头的畸变通过算法软件做一些标定，让成像效果更佳清晰和真实）、内参标定工艺，最大程度上保证摄像头成像效果的清晰和真实度。陈波举例提到，欧菲光通过选取材料的优化结构以及“热胀冷缩”效应，使得摄像头始终保持在一定的温度范围内，从而达到良好的成像效果。
据陈波介绍，欧菲光100万像素、200万像素车载摄像头已经实现量产，800万像素的ADAS前视高清摄像头也即将量产面世。此外，欧菲光还在开发基于800万像素高清摄像头打造的前视三目摄像头总成，将满足“远、中、近”三种距离的视觉感知。
毫米波雷达为自动驾驶提供更高的安全冗余
部分业内人士认为，纯视觉感知仍存在一定短板。在特斯拉推出纯视觉版自动驾驶系统FSD Beta V9.0后，业内人士质疑之声更加强烈，在雨雪、雾霾等恶劣条件下，基于视觉技术的自动驾驶功能将大幅受限，放弃成本不高但可解决干扰问题的毫米波雷达，被认为是一种得不偿失的激进选择。毫米波雷达则以精准测距、全天候工作等优势，被视为补充视觉技术短板的“弥补手段”。采用视觉技术与毫米波雷达技术融合，自动驾驶技术落地更加“经济实用”，也可以满足L2、L3级自动驾驶安全需求。
