感知傳感器的案例
干貨｜自動駕駛系統中感知傳感器實物仿真測試環境構建
圖3 多普勒效應示意圖（圖片來源：https://www.guyhowto.com/）
基于毫米波雷達的上述原理，在毫米波雷達目標模擬環境構建時，采用毫米波雷達目標模擬器進行毫米波雷達目標的模擬。模擬器可以通過空饋的方式接收被測毫米波雷達的發生信號，運用信號處理技術，分析發射信號的特征參數，并根據模擬需求，發射出疊加目標數據的雷達回波。毫米波雷達接收到回波后，進行目標數據參數解析，從而實現毫米波雷達目標的模擬仿真。
圖4 毫米波雷達目標模擬器原理示意圖
毫米波屬于無線電微波，所以在模擬仿真環境構建時，會把目標模擬設備、被測設備放置在相對密閉的微波暗箱環境中。毫米波雷達目標模擬過程中，會需要模擬各不同角度上的目標，由于目標模擬器不方便進行移動，無法模擬出相對測試環境的絕對角度，所以一般還會采用旋轉云臺搭載被測毫米波雷達，進行雷達與目標模擬器之間相對角度的模擬。
圖5 毫米波雷達目標模擬微波暗箱結構示意圖
■ 總結：感知傳感器模擬仿真方案多樣性、實用性強
從上面的介紹不難看出，自動駕駛主要感知傳感器的實物仿真環境構建，都是基于工作原理，靈活運用傳感器感知介質特性，在標準環境下，進行的模擬目標匹配的信號再造。針對與同一類型的感知傳感器，其實物仿真環境的構建方式其實并非是唯一的，只要環境中相對潔凈，未引入其他影響感知傳感器識別目標的噪聲，并能準確有效的對該類型傳感器可感知目標進行模擬，那這就是一個成功的環境構建方案。所以在不同模擬仿真測試系統應用時，可以結合不同的測試需求，對傳感器實物仿真構建方法進行選擇。
從自動駕駛模擬仿真測試產業發展需求角度出發，目前可以實現的感知傳感器環境構建方案還相對較少，后續自動駕駛整車級模擬仿真測試環境中，必定需要多類型感知傳感器融合仿真測試環境。
展開 感知傳感器的以太網連接
由于汽車里面用了大量的感知傳感器（攝像頭、激光雷達和毫米波雷達），這些傳感器通過整個車身，既要滿足高速數據傳輸、信號完整性，又要求低成本和低重量?？紤]整個傳感器方案如何去迭代，就成了一個很有意思的對線束和連接器的考量要素。
特別是從傳統的同軸電纜切換到以太網傳輸——我們來探討一下這個對于將來線束和連接器設計很重要的話題。
▲圖1.感知傳感器的以太網
汽車以太網技術都使用單根雙絞線（T1）和點對點網絡拓撲，主要區別在于數據速率和編碼方法。
Part 1
傳統的處理
在汽車里面，同軸電纜供電（PoC）提供了一個緊湊型解決方案，配備了廣泛使用的平板顯示器（FPD）鏈路III數字視頻接口。解串器通過同軸電纜輸電與控制信號，而串行器通過同一根電纜發回視頻信號。
▲圖2.同軸電纜的作用
在大眾的原有三域控制里面，ICAS1 網關接上了前視和后視控制模塊。也就是車企開始嘗試使用以太網100Base-T1（IEEE 802.3bw 中100Mb/s以太網標準），最初是Broadcom BroadR-Reach，使用 PAM3 編碼、全雙工通信和點對點拓撲。100Base-T1 用于需要中等高數據速率的應用，它的主要目的是取代了現有技術（更重和更昂貴的電纜的MOST和LVDS），目前在ADAS領域的幾個攝像頭都可以用來做取代。
▲圖3.大眾MEB的里面的變化
Part 2
成本的差異比較
在之前泊車分析中，其實有一種替代的考慮，也就是在上一代Taycan J1平臺切換到后續的以太網連接，把同軸線纜做替代。
展開 安森美：車規圖像感知傳感器趨勢及解決方案
來源 |
首屆焉知智車年會
知圈 |
進“電子電氣群”請加微13636581676,備注架構
在【首屆焉知汽車年會】上，安森美半導體大中華區智能感知部市場總監郗蘊俠博士以“車規圖像感知傳感器趨勢及解決方案”為主題，分享了半導體器件最基本的車規圖像傳感趨勢以及解決方案。她指出，明顯的趨勢是圖像感知傳感器數目將越來越多，分辨率越來越高，主流還是用攝像頭和激光雷達，所以大數據量不可避免，也要進行處理，因此，必須考慮處理器的能力。
自動駕駛和傳感器發展趨勢
郗蘊俠首先介紹了自動駕駛的趨勢。她表示，去年國家頒布了車輛智能化等級的定義，L3和L3等級以上的車輛部署的傳感器有四類：圖像傳感器（攝像頭）、毫米波雷達、超聲波雷達和激光雷達。去年，中國有非常多的主機廠發布了L2+車型，除了激光雷達外，其他三種傳感器都有使用。在國外，比如特斯拉，還是以視覺攝像頭為主。而中國的車載智能感知發展的非?？欤姆N傳感器，尤其是激光雷達今年已經在傳統車上布局。包括蔚來、小鵬，還有傳統主機廠如上汽，北汽，長城等都已經開始布局搭載激光雷達。
2020年，中國根據SAE標準頒布了L0到L5的智能等級。對于智能感知，從L1到L5圖像傳感器越來越多，L1更多配備攝像頭、超聲波雷達；L2配備攝像頭和超聲波雷達，毫米波雷達；L3以上則開始使用激光雷達，現在大部分L2到L3車上多達十幾個攝像頭，毫米波雷達3~5個左右。
展開 一文詳解無人駕駛中的各種感知傳感器
來源 | CV研習社
導讀：本文介紹無人駕駛中幾種主流的環境感知傳感器，包括視覺攝像機、毫米波雷達、超聲波雷達、激光雷達。通過分析對比每種傳感器的原理和優缺點，進一步理解不同場景下如何構建感知方案。
1、感知傳感器
在無人駕駛中，傳感器負責感知車輛行駛過程中周圍的環境信息，包括周圍的車輛、行人、交通信號燈、交通標志物、所處的場景等。為無人駕駛汽車的安全行駛提供及時、可靠的決策依據。目前常用的車載傳感器包括相機、毫米波雷達、超聲波雷達、激光雷達等。根據各個傳感器的特性，在實際應用中往往采用多種傳感器功能互補的方式進行環境感知。
2、視覺攝像機
傳感器原理
攝像頭屬于被動觸發式傳感器，被攝物體反射光線，傳播到鏡頭，經鏡頭聚焦到CCD/CMOS芯片上，CCD/CMOS根據光的強弱積聚相應的電荷，經周期性放電，產生表示一幅幅畫面的電信號，經過預中放電路放大、AGC自動增益控制，經模數轉換由圖像處理芯片處理成數字信號。
其中感光元器件一般分為CCD和CMOS兩種：CCD的靈敏度高，噪聲低，成像質量好，具有低功耗的特點，但是制作工藝復雜，成本高，應用在工業相機中居多；CMOS價格便宜，性價比很高，應用在消費電子中居多。
展開 
自動駕駛傳感器創新的困境
高階自動駕駛的量產落地需要一個技術體系的進步，感知、決策、控制，每一個環節的軟硬件都需要持續不斷創新，其中自動駕駛車輛的感知能力是后兩者能夠安全、準確實現的基礎。
因此，我們可以看到智能電動汽車關于感知傳感器的裝載，也在不斷增加和技術迭代。
從傳感器的形態和功能維度來看，可以分為幾個階段：
第一階段：以超聲波雷達為主的燃油車時代；
第二階段：以超聲波和毫米波雷達為主的高配置燃油車時代；
第三階段：超聲波、毫米波、攝像頭為主，實現的 L2/L2.5 級別輔助駕駛的智能電動車；
第四階段：在上述基礎上加入激光雷達，實現包含城市等更高級別的自動駕駛。
隨著高級別自動駕駛對感知傳感器需求的變高，傳感器本身的技術迭代和技術創新也在加速。
硬件競爭短期不會結束
在科技產品中硬件往往是基礎，為實現一些系統性的功能而存在的，在整個自動駕駛系統中「感知傳感器」就像是眼睛，讓車輛能夠豐富而更加精準的感知真實的環境。
從目前的技術路徑來看，除了特斯拉堅持純視覺感知以外，其他所有廠商都是走感知融合路線，也就是「視覺 + 雷達」方案，這樣的傳感器配置可以彌補單一傳感器之間的不足，以及無法達到安全冗余的需求。
如果我們把自動駕駛整個大系統拆分來看，感知本身就是一套小系統存在，它的組成包括：物理硬件、軟件算法、芯片。這三者之間的關系是，硬件識別到的數據，由感知算法解析，解析標定之后提交有用數據與其他傳感器數據比對，通過整個自動駕駛計算平臺計算得到答案后交給決策機構。
展開 感知+邊緣計算，智能傳感器將成“香餑餑”
物聯網正成為經濟社會綠色、智能、可持續發展的關鍵基礎和重要引擎，它在行業領域的應用正廣泛深入，作為物聯網“感知器官”的傳感器，因物聯網應用的不斷落地而迎來了巨大的發展契機。Gartner數據顯示，預計到2020年全球聯網設備數量將達到260億個，物聯網市場規模達到1.9萬億美元。
智能化、小型化、微功耗、低成本是共性需求
在智能家居、智能硬件、智慧城市等相關應用的推動下，物聯網取得快速發展。
作為信息感知的基本元件，傳感器是物聯網、大數據、智能制造、人工智能、機器人等新興產業的核心關鍵技術之一，是構建物聯網的重要支柱，在任何物聯網應用中都不可或缺?！霸谖锫摼W的三個層面(感知層、傳輸層、應用層)中，感知層作為網絡層傳輸數據的源頭、應用層計算數據的基礎，起到了至關重要的作用。感知層是物聯網的基礎，它由各種各樣的傳感器組成?？梢哉f，沒有傳感器，沒有各種各樣的智能傳感器，就沒有物聯網產業?！标兾魇∥锫摼W聯盟理事長、西安中星測控有限公司總經理谷榮祥告訴《中國電子報》記者。
傳感器種類繁多，據有關機構最新統計，全球的傳感器種類已經超過2.2萬種，因此物聯網對傳感器的要求也不能一概而論。麥克傳感器股份有限公司總經理王剛告訴記者：“傳感器種類如此之多，物聯網應用場景如此豐富，對各個門類的傳感器提出的要求肯定不一樣，但是從中不難看出業內對傳感器的共性需求，即智能化、小型化、微功耗和低成本。”
展開 汽車傳感器市場分析，國產機會如何？
2016-2025E 全球 ADAS 市場規模增長
傳感器是感知層核心
自動駕駛的工作過程可分為三層：（1）感知層： 通過傳感器探測周圍環境，將各類環境信息轉換為電信號；（2）決策層： 在汽車電子控制單元（ECU）的幫助下，利用算法分析環境數據， 并發出操作指令；（3）執行層： 根據指令，通過各種執行器完成相應的汽車操控。
汽車傳感器是感知層的核心部件， 遍布車輛全身。一輛汽車所搭載的傳感器數量的多寡，直接決定了其智能化水平的高低。目前， 普通家用轎車中約配有數十個傳感器，高檔轎車中則多達 100 多個。
汽車傳感器遍布車輛全身
汽車傳感器可分為環境監測、車身感知兩大類。在一輛汽車所配臵的傳感器中，呈現出環境監測傳感器量少價高，而車身感知傳感器量多價廉的特點。同時，隨著汽車 SAE 級別的提升，所需的環境監測傳感器數量增長迅速，占據了汽車傳感器總成本的絕大部分。
環境監測傳感器用于探測和感知周圍環境，是實現自動駕駛所必需的傳感器，包括攝像頭和雷達兩類。 1）攝像頭在獲取圖像數據后，通過圖像識別技術，可以實現距離測量、目標識別等功能。 2）雷達利用發射波和反射波之間的時間差、相位差等信息， 獲得目標物體的位臵、移動速度等數據。按所使用的不同類型的波，雷達可以分為超聲波雷達、毫米波雷達、激光雷達三類。
車身感知傳感器用于獲取車身信息，如胎壓、油壓、車速等，是維持汽車正常、穩定、安全行駛所必備的基礎傳感器。按測量參數類型的不同，車身感知傳感器包括壓力傳感器、加速計、陀螺儀、流量傳感器等。以 MEMS 工藝生產該類傳感器，具有低成本、高可靠性、小體積等優勢，已逐步取代了基于傳統機電技術的傳感器。
展開 一款電容型高頻介電常數測量、非接觸式感知的糧食含水率傳感器-GMS1081-C
糧食含水率檢測傳感器是一種專門用于測量糧食中水分含量的精密儀器，其核心功能在于通過特定的技術原理，快速、準確地獲取糧食的水分數據，為糧食的儲存、加工及貿易提供重要依據。
糧食含水率檢測傳感器主要基于電容式、電阻式或微波式等原理進行工作。電容式傳感器通過測量糧食與傳感器之間形成的電容變化來推算水分含量，其優點在于測量快速、非破壞性，但對糧食的密度和溫度有一定要求。電阻式傳感器則是利用糧食水分對電阻的影響來測量，結構簡單，成本較低，但易受環境因素干擾。微波式傳感器則通過發射和接收微波信號，分析信號在糧食中的衰減和相位變化來測量水分，具有測量準確、穿透力強等優點，但設備成本較高。
工采網代理的糧食含水率傳感器 - GMS1081-C（Grain Moisture Sensor）是一款電容型高頻介電常數測量、非接觸式感知的智能液位傳感器，適用于糧食含水率、溫度的檢測。傳感器內嵌敏源高精度數字電容傳感芯片、溫度芯片、微處理器及算法，典型含水率測量精度達±1%、測溫精度±0.5℃；基于RS485的MODBUS通信協議，可在線升級傳感器固件及算法；支持多節點級聯，便于分布式測量空間含水率和溫度變化。
展開 利用人體對周圍電磁波的增強感應，直接可視覺觸覺感知和超靈敏觸覺傳感器
【引言】
使用電子系統模擬人類感知是人工智能和人機交互的關鍵組成部分。在所有人類感官中，大量的努力都集中在實現觸覺感知上，與其他感官相比，這是一項更具挑戰性的任務。高性能觸覺傳感器可應用于多種技術，如安全監控、工業自動化、智能機器人、電子皮膚等。隨著各種功能材料的出現，許多具有高拉伸性、自愈合或自供電能力等新特性材料也被應用于觸覺傳感器。除了材料創新，許多不同的物理機制也被用作觸覺傳感器的傳導原理，包括壓阻、可變電容，甚至接觸帶電效應。不同物理機制的引入可以進一步刺激高性能觸覺傳感器的發展。觸覺傳感技術在工業領域的關鍵目標是實現高分辨率和高靈敏度，同時簡化系統的復雜性。因此，不斷實驗不同的傳導機制來實現觸覺感知是觸覺傳感器發展的一項必要任務，這可以促進智能手機、人機交互等領域的應用。
在過去的幾年中，基于麥克斯韋位移電流和靜電場的傳感技術作為一個新興的研究方向受到了極大的關注?；谀Σ岭娂{米發電機(TENG)的感應型傳感器是利用麥克斯韋位移電流的最具代表性的技術之一。這些基于TENG的傳感器可以產生大的電壓輸出，以提高檢測靈敏度，同時降低能耗。然而，由于電荷泄漏和交叉互感， TENG靜電數據的采集系統的復雜性會顯著增加。因此，研究人員非常希望開發一種改進的方法，能夠繼承這些TENG基傳感器的優點并避免其缺陷。
展開 視覺傳感器：2D感知算法
來源 | 巫婆塔里的工程師@知乎
1 前言
自動駕駛中的視覺感知模塊通過圖像或視頻數據來了解車輛周圍環境，具體的任務包括物體檢測和跟蹤(2D或3D物體)，語義分割(2D或3D場景)，深度估計，光流估計等。
這篇文章里我們先介紹一下基于圖像或視頻的2D物體檢測和跟蹤，以及2D場景的語義分割。這幾個任務在自動駕駛中應用的非常廣泛，各種綜述文章也已經非常多了，所以這里我只選擇介紹一些經典的算法，以脈絡和方向的梳理為主。
深度學習自從2012年在圖像分類任務上取得突破以來，就迅速的占領了圖像感知的各個領域，所以下面的介紹也以基于深度學習的算法為主。
2 物體檢測
2.1 兩階段檢測
傳統的圖像物體檢測算法大多是滑動窗口，特征提取和分類器的組合，比如Haar特征+AdaBoost分類器，HOG特征+SVM分類器。這類方法的一個主要問題在于針對不同的物體檢測任務，需要手工設計不同的特征。因此，在深度學習興起之前，特征設計是物體檢測領域的主要增長點。
R-CNN[1]作為深度學習在物體檢測領域的開創性工作，其思路還是有著很多傳統方法的影子。首先，選擇性搜索(Selective Search)代替了滑動窗口，以減少窗口的數量。其次，也是最重要的一點改變，采用卷積神經網絡（CNN）提取每個窗口的圖像特征，以代替手工特征設計。這里的CNN在ImageNet上進行預訓練，對于通用圖像特征的提取非常有效。最后，每個窗口的特征采用SVM進行分類，以完成物體檢測的任務。
展開 賦能 BEV 感知課題！高校科研多傳感器時間同步方案
</p><h1><strong>3）方案概述及科研價值</strong></h1><h3><strong>3.1方案概述</strong></h3><p><strong>多源異構傳感器納秒級時間同步</strong>解決方案（簡稱<strong>多傳感器時間同步方案</strong>）是一套基于<strong> XTSS 服務</strong>的完整時間同步體系：以 DATALynx ATX4 或 BRICK2 作為 PTP Grandmaster（主時鐘），通過 IEEE 1588 PTP 高精度協議<strong>抵消</strong>各傳感器獨立晶振的 ppm 級<strong>溫漂誤差</strong>；</p><p>同時借助 QX550、ProFrame3 等硬件<strong>直接對接傳感器物理層</strong>，在數據離開傳感器的瞬間完成時間戳記錄，規避‘滯后時間戳’問題；并通過硬件觸發替代軟件觸發，減少操作系統調度抖動，最終構建納秒級精度的統一時間基準，通過 ADTF/ROS 等軟件框架貫穿數據處理鏈路，實現從<strong>微秒級‘軟件對齊’</strong>到<strong>納秒級‘硬件同步’</strong>的工程跨越。
展開 
新人工智能呼喚“感知技術”，未來的傳感器是什么樣？
如今人工智能熱潮涌動，以傳感器、芯片等核心電子元器件為代表的智能終端及物聯網的基礎器件將大放異彩。機器實現更加智能化的功能，離不開傳感器信息技術的高度集成和綜合運用。弱人工智能邁向強人工智能的路上，更加智能化的傳感器成為了市場剛需。
“感知技術”浪潮來臨
以物聯網、大數據、云計算等新興信息技術為基礎的應用越來越成熟，制造業的生產方式甚至商業模式也逐步發生變革。智能裝備、智能工廠等智能制造正在引領制造方式轉變，背后的推動力量，便是人工智能。
2017年7月20日，中國發布了《新一代人工智能發展規劃》。這個“規劃”的精華之一，便是提出了新一代智能制造的發展方向。機器將變得越來越人性化，掌握學習與識別的功能，新人工智能技術的出現必然會引發又一波的信息化技術浪潮——“感知技術”。
“我們以前解決的是如何處理問題、傳輸問題，如今，我們要去解決如何感知問題。如今火熱的物聯網，是感知技術最大的應用平臺，想要實現人與物的連接，比如說智能家電按照人的意志，依靠傳感器采集水溫、壓力的大小等等，都是需要感知技術來實現。” 中國傳感器與物聯網產業聯盟副理事長郭源生說。
傳感器成為了新人工智能邁向應用的基礎。以智能汽車為例，自動駕駛車輛上，至少安裝了三套傳感器系統：攝像頭、雷達和激光雷達，這樣才能采集到車輛行駛過程中周遭的環境信息，完成智能行駛。“汽車邁向新智能化，可以幫助駕駛員更好的控制車輛行駛以及車內娛樂，我們開始進行動感汽車相關業務，基于華為的研究技術，每輛車上的傳感器超過了1000個。利用這種智能傳感器，可以降低運營商的成本和效率，產生較低的故障率?！比A為技術有限公司中國戰略部副部長陳亞新說。
“咖啡機、電飯煲、智能水杯、智能奶瓶、重力感應柜都是傳感器目前大規模應用市場。
展開 具有穿透性強、測量精度高的電容型、非接觸式感知的智能水浸傳感器-WLD
工采網代理的水浸傳感器-WLD（Water Leak Detector）是一款電容型、非接觸式感知的智能水浸傳感器。WLD水浸傳感器采用了獨創的高頻差分式數字電容芯片MC11S，并結合了特有的電容監測電極設計。它集成了微處理器、電源管理電路以及繼電器驅動電路，搭載靈活多樣的嵌入式檢測算法。這使得傳感器能夠精確分析不同水浸程度的變化，并通過內置算法有效過濾掉電磁、振動、凝露和溫度等環境干擾，極大提升了在工業環境中水浸狀態識別的準確性。
WLD水浸傳感器具有穿透性強、測量精度高、數字接口抗干擾能力強等優點，廣泛適用于電力機柜、充電樁、地鐵、地下管廊、隧道、井蓋、機房等防水、漏水檢測場景。
展開 聊一聊dSPACE自動駕駛仿真技術
具體而言，在進行仿真測試時，須屏蔽真實的傳感部分取而代之為物理感知傳感器模型?；谠紨祿M行仿真是必要的，自動駕駛是個系統工程，控制器在實際工作時，性能受感知模塊對系統的影響非常大。比如，因為涉及大量的數據傳輸，所以模塊對系統CPU負載影響比較多，同時這部分也是系統延遲的痛點區域。此外，系統需要處理基于不同latency的數據帶來的同步問題。下游定位和規劃模塊能不能容忍特定的延遲值？在高負載時傳感器丟幀對系統影響有多大？這部分都是通過注入原始數據進行評估的。
相比于前端仿真，使用物理感知傳感器模型的方式可以有更大的場景靈活性和操作靈活性。我們可以不局限于真實傳感器周圍的少部分場景，而是創造多種多樣的虛擬場景。同時通過設置物理傳感器的屬性，又可以方便的同時測試多種類型的傳感器，調整同步狀態，甚至調整數據量等。而這對系統性能的分析非常重要。
傳感器數據建模
傳感器數據建模也需要非常多的專業知識。目前dSPACE的攝像頭模型能支持高保真度畫面及燈光、天氣效果，支持棱鏡仿真配置,仿真畸變,暗暈,色差,等效果，也支持成像器仿真配置,如輸出模式,色彩深度等。對于我前面提出問題，這些就基本可以滿足測試需求了。
主動傳感器的建模難度更高，因為要考慮的物理現象相對更多更復雜，相關的技術儲備也相對更少。對于毫米波雷達模型，dSPACE的方案是以光線追蹤技術為核心的，也考慮了鏡面反射和散射和多路徑傳播，自適應波速發射。對于激光雷達模型，dSPACE提到他們可以支持固態或機械式LIDAR，支持果凍效應和天氣影響。在我看來，這些核心特征建模之后，這些傳感器就能發揮出比較大的價值了。
展開 分析 | 一文看懂汽車傳感器市場
汽車電子控制系統普遍遵循感知→控制→執行的工作流程。傳感器作為感知單元獲取系統的工作狀態，控制單元處理傳感器信號并計算輸出控制指令，最終由執行單元完成相應動作。
以電動助力轉向系統（EPS）為例， 車輛運行過程中， 方向盤扭矩轉角傳感器監測方向盤轉角及扭矩信息，輪速傳感器監測車輪轉速， 控制器（ECU）通過 CAN 總線實時獲取傳感器信號， 并根據特定邏輯實時處理信號，計算得到一個理想的助力力矩， 最后通過 MOSFET 控制電機，實現助力效果。
電動助力轉向系統（EPS）工作原理
汽車動力、底盤、車身、電氣四大系統中，絕大部分的電子控制具備類似的工作原理，從感知、控制到執行環節，半導體器件無處不在，包括感知系統的傳感器，控制環節的微控制器（MCU）、通信芯片（CAN/LIN 等）、模數轉換器（A/D），執行環節的功率器件（MOSFET、 IGBT、 DCDC）等。其中傳感器更是汽車的機會所在。
汽車傳感器可分為車輛感知、 環境感知兩大類。動力、底盤、車身及電子電氣系統中的傳感器屬于車輛感知范疇， ADAS 以及無人駕駛系統中引入的車載攝像頭、毫米波雷達、激光雷達等屬于環境感知范疇。本文重點介紹車輛感知傳感器，環境感知傳感器將在后續專題中介紹。
按照工作原理，傳感器主要可分為 MEMS、磁、化學、溫度四大類，我們統計傳統汽油車上 MEMS 傳感器超 50 個， 磁傳感器超過 30 個，合計占比約 90%。
展開 