ADAS自動運転カメラミリ波レーダーLiDAR超音波センサーセンサーフュージョン機能安全

AUTOMOTIVE / ADAS / SENSOR FUSION

ADASのセンサーとは？カメラ・ミリ波レーダー・LiDAR・超音波の違いを体系的に理解する

公開日：2026-10-13

車は標識の色をどう読み取り、前の車との距離や速度をどう測るのでしょうか。複数のセンサーを組み合わせる理由を、原理・実例・限界から整理します。

この記事の学習ルート

ADASの全体像 → カメラ → レーダー → LiDAR → 超音波 → 比較 → センサーフュージョン → 安全設計 → 操作ラボ

1. ADASとは何か

ADAS（Advanced Driver Assistance Systems）は、車線逸脱警報、前方衝突警報、自動緊急ブレーキ（AEB）、車間距離制御（ACC）、駐車支援など、運転者を支援する機能の総称です。重要なのは、周囲を「測る」だけでなく、その結果から危険な状況を判断し、適切なタイミングで注意喚起や制御を行うことです。

同じ「前方の物体」でも、標識の文字を知りたいのか、前走車との距離を知りたいのかで適切な観測手段は変わります。以下ではデータの種類から見ていきます。

周辺認識から運転支援までの情報の流れ

可視光カメラ

色・標識・車線

ミリ波レーダー

距離・相対速度

LiDAR

距離・三次元形状

超音波

至近距離の障害物

↓ 観測結果を統合

物体検出・追跡・センサーフュージョン

存在・位置・速度・種類などを推定

↓

警報・ブレーキ支援・車間距離制御・駐車支援

概念図です。すべての車両に4種類が搭載されるわけではなく、搭載構成と機能は車種・システムによって異なります。

2. 可視光カメラ：色と意味を読み取る

可視光カメラはレンズと撮像素子で光を受け、画像を得ます。車線の白線、交通標識、信号の色、歩行者や車両の外観など、見た目に基づいた分類を行えることが強みです。画像認識モデルは撮影画像の中から対象を検出・分類します。

ただし、逆光、暗所、雨滴、霧、雪、汚れなどで画質が低下します。車載画像は日光の急変にも対応する必要があります。また、写真1枚だけから正確な距離を得ることは難しく、複眼カメラや他センサー、時系列推定などの助けが必要になります。

3. ミリ波レーダー：距離と速度に強い

レーダーは電波を送信し、物体で反射した信号を受信して距離や方向を求めます。FMCW方式などでは受信信号の周波数差を使い、距離や相対速度を推定します。暗闇でも動作でき、カメラやLiDARに比べて雨・霧などへの耐性を得やすい特長があります。

一方、反射波から信号機の赤・青・黄をそのまま判別することはできません。また、金属による強い反射、遮蔽、複数物体の近接、マルチパス反射など、レーダーならではの誤差や検知限界があります。

4. LiDAR：レーザーで距離と形状を測る

LiDAR（Light Detection and Ranging）はレーザー光を照射し、反射信号から対象までの距離を求めます。多数の測距結果を組み合わせると三次元点群として周囲の形状を記述できます。障害物の位置や道路周辺の幾何構造を推定する用途に向きます。

光を使うため濃霧・大雨・雪では散乱や減衰の影響を受けます。さらに建物などで遮られた場所の物体を、通常の見通し線に沿った測距で直接検知することはできません。他の物体の影に入った対象は、検知可能範囲の外になり得ます。

5. 超音波センサー：駐車時の近距離検知

超音波センサーは高い周波数の音を出し、返ってきたエコーの時間から距離を求めます。車体の周辺で数十cm〜数mの障害物を検知する用途に適しています。低速での駐車支援や狭い場所の切り返しなどが典型例です。

空気中の音速は温度などで変わり、素材や形状によって反射しにくい場合もあります。長距離を高速で走る車両の前方監視を、駐車用の超音波センサーだけで行うことは想定しません。

6. 4種類を比較する

センサー	得意な情報	代表的な弱点	主な用途
可視光カメラ	色・標識・車線・外観	暗所・逆光・悪天候	標識・信号認識
ミリ波レーダー	距離・方向・相対速度	細かな色や文字は取得できない	ACC・衝突回避
LiDAR	距離・三次元形状	濃霧・降雪・遮蔽	周辺形状の把握
超音波	ごく近い障害物までの距離	測定範囲が短い	駐車支援

7. 距離を求める基本式

往復する波の飛行時間を測れる場合、距離は「伝搬速度 × 往復時間 ÷ 2」で求まります。2で割るのは、送信から受信までに波が対象物まで行って戻るためです。超音波では音速、LiDARのToF方式では光速を使います。ただし実際のレーダーやLiDARは測距方式によって処理が異なります。

測距の概念をTypeScriptで表す

function distanceFromRoundTrip(
  speedMetersPerSecond: number,
  roundTripSeconds: number
): number {
  if (speedMetersPerSecond <= 0 || roundTripSeconds < 0) {
    throw new Error("不正な測定値です");
  }
  return (speedMetersPerSecond * roundTripSeconds) / 2;
}

// 音速を343m/sと仮定、往復10ms
console.log(distanceFromRoundTrip(343, 0.010)); // 1.715m

8. センサーフュージョンが必要な理由

映像から「赤い信号機」と分かっても、その位置や距離の推定には誤差があります。一方、レーダーは物体までの距離や速度が得意でも、赤信号そのものを理解できません。異なる情報源を時刻・位置を合わせて統合すれば、一種類では難しい判断を助けられます。

ただし、複数センサーの結果を足すだけでは十分ではありません。位置合わせ（キャリブレーション）、時刻同期、観測対象の対応付け、信頼度推定、互いに矛盾する場合の扱いが必要です。共通原因による故障や悪天候は、複数センサーを同時に影響させる可能性もあります。

9. センサーが見失う典型場面

視界が遮られると、その背後の対象物は通常のカメラやLiDARでは直接見えません。雨・霧に強い傾向があるミリ波レーダーにも、遮蔽物の背後を何でも透視できるわけではありません。遠くの物体、反射の弱い対象、重なった物体の識別にも限界があります。

実装では「検知できなかった＝物体が存在しない」とは扱わず、死角・不確実性・誤検知を想定して安全余裕や運転者への通知を設けます。

10. 機能安全と意図した機能の安全性

安全設計では、部品が壊れた場合のリスクと、部品が正常でも認識・判断の性能限界で起きるリスクを区別します。前者にはISO 26262の機能安全の考え方、後者にはISO 21448（SOTIF：意図した機能の安全性）が関係します。安全な動作にはセンサーの診断、警告、代替制御、人間が介入できる設計などを組み合わせます。

11. 操作ラボ：場面によって得意なセンサーが変わる

以下では晴天・霧・暗所、遠距離・近距離、何を知りたいかを切り替えます。推奨センサーと、各方式の弱点を比較してください。表示は学習用ルールベースの概念例であり、車両の安全性能を認証・推定するものではありません。

センサー選定ラボ

知りたい情報と環境を指定し、どの観測方式が向くか予想してから判定します。

目的環境

対象までの距離：20m

主に選ぶ方式

各方式の比較

可視光カメラ

可視光の画像から色・形・文字を推定します。暗所・逆光・雨滴・霧の影響を受けやすい方式です。

ミリ波レーダー

電波の反射から距離・速度・方向を推定します。暗所・雨・霧に比較的強いですが色を直接測れません。

LiDAR

レーザー反射を使い距離・三次元形状を推定します。霧・雨・雪・遮蔽物には限界があります。

超音波

音波の反射を使い主に近距離の障害物を検知します。高速走行中の長距離監視には不向きです。

このラボはセンサーの基本原理を比較する教材です。条件に対して一意のセンサーだけで安全に運転できることを意味しません。実車には信頼性・精度・測定範囲・冗長性・機能安全の検討が必要です。

12. 要点と参考資料

覚えるべきなのは、見た目と色はカメラ、距離と速度はレーダー、立体形状はLiDAR、すぐ近くの障害物は超音波という大まかな役割分担です。そのうえで各方式の天候・遮蔽・反射に対する制約を知ると、実務上の構成にもつながります。

Sense: Sensors for automated driving — Bosch Mobility
Sensor data fusion — Bosch Mobility
Sensors — Bosch Mobility