3. 案例背景：项目阶段、车型与感知系统架构
本章将正式进入实战案例的上下文。理解“幽灵刹车”误报，首先需要明确它发生在什么样的项目阶段、搭载于哪款车型、以及感知系统是如何构成的。只有还原现场，才能精准定位根因。
3.1 项目阶段与车型
本案例来源于某头部 Tier 1 为国内新势力车企开发的 L2+ 级智能驾驶量产项目，具体信息如下：
| 维度 | 具体信息 |
|---|---|
| 项目代号 | Project Helios (内部代号) |
| 车型平台 | 纯电 SUV (B 级) |
| 开发阶段 | Beta 阶段 → 小批量路试 (PVT 前夜) |
| 功能等级 | L2+ (支持高速 NOA、TJA、ACC) |
| 误报发生频次 | 约 1.2 次 / 100 km (城市快速路场景) |
关键时间节点： 误报问题在 Beta 阶段末期集中爆发，距离 PVT (生产验证测试) 节点仅剩 6 周，属于典型的“临门一脚”高风险缺陷。
3.2 感知系统硬件架构
该车型采用了“1-5-3-R”多传感器融合方案，即 1 个前向激光雷达、5 个毫米波雷达、3 个摄像头模组，以及 12 个超声波雷达。核心感知传感器布局如下：
3.3 感知软件架构与数据流
感知系统采用“前融合 + 后融合”混合架构。摄像头和激光雷达在 BEV (Bird‘s Eye View) 空间进行前融合，毫米波雷达则作为独立通道进行后融合。数据流简化为以下层级：
- 传感器层： 原始数据采集 (图像点云、雷达点云、雷达目标列表)。
- 感知层： 目标检测、语义分割、目标跟踪 (Tracker)。
- 融合层： 关联匹配、卡尔曼滤波、不确定性管理。
- 规控层： 行为预测、路径规划、纵向控制 (ACC/AEB)。
3.4 误报现象描述：“幽灵刹车”
“幽灵刹车”是指车辆在 前方无真实障碍物 的情况下，系统误判存在碰撞风险，触发非预期的紧急制动或大幅度减速。本案例中的具体表现如下：
- 触发场景： 城市快速路，本车道前方空旷，无车辆、行人或静态障碍物。
- 触发条件： 车辆行驶速度 60-80 km/h，天气晴朗，路面干燥。
- 制动强度： 减速度约 0.3g - 0.5g，持续时间 1-2 秒，足以造成驾乘人员前倾。
- 复现率： 特定路段 (如高架桥下、隧道出口) 复现率高达 70%。
⚠️ 安全风险等级： 高。幽灵刹车不仅严重影响用户体验，更可能导致后车追尾，引发次生交通事故。在 PVT 前夜，该问题被列为 P0 (最高优先级) 缺陷。
3.5 误报根因初步猜想
基于上述现象和架构，测试团队在复盘初期列出了以下 4 个主要怀疑方向：
| 怀疑方向 | 涉及模块 | 初步判断依据 |
|---|---|---|
| 1. 摄像头虚警 | 前视三目摄像头 + BEV 网络 | 特定光影 (如桥下明暗交替) 导致目标检测误识别。 |
| 2. 激光雷达噪点 | 前向激光雷达 + 点云处理 | 隧道出口处点云密度骤变，产生“鬼影”目标。 |
| 3. 雷达多径反射 | 前角毫米波雷达 | 护栏或隔离带造成雷达波多次反射，生成虚假目标。 |
| 4. 融合逻辑缺陷 | 目标级后融合模块 | 单一传感器置信度异常升高，覆盖了其他传感器的空检测结果。 |
💡 复盘启示： 在缺陷复盘的初期，不要过早锁定单一根因。保持开放心态，将“传感器层”和“融合层”同时纳入怀疑范围，是避免漏测的关键。