2. 硬件平台搭建
大家好，我是你们的老朋友。今天咱们聊聊硬件平台搭建。说实话，这部分是感知联调里最「烧钱」也最「烧脑」的环节。传感器选错了，后面算法调得再好也白搭。计算单元选弱了，整个系统就是个跛脚鸭。供电和散热搞不定，嗯，那可能连开机都撑不过十分钟。
我个人习惯，在动手之前先画一张整体的硬件架构图。这样心里有谱，后面才不会乱。
2.1 传感器选型：Camera / LiDAR / Radar
传感器选型这事儿，说白了就是「看菜下饭」。你的应用场景是什么？是高速NOA，还是城区领航，还是泊车？不同的场景，对传感器的要求天差地别。
2.1.1 Camera 选型
Camera 是感知系统的「眼睛」。我个人最看重三点：分辨率、帧率、动态范围。
- 分辨率：现在主流是 200万像素（1080p），高端项目开始上 800万像素。分辨率越高，远处的小目标（比如路牌、锥桶）越早被检测到。但我提醒你，分辨率上去了，数据量和处理压力也上去了。
- 帧率：30fps 是底线，60fps 更安全。为什么？你想想看，如果车以 120km/h 行驶，30fps 下每帧之间车跑了 1.1 米。60fps 就是 0.55 米。对于紧急制动，这半米差距可能就是生与死的区别。
- 动态范围：这个容易被忽略。我遇到过隧道出入口的场景，普通摄像头直接过曝或欠曝，什么都看不见。建议选 HDR（高动态范围）>120dB 的 sensor。
重要提醒：Camera 的 ISP（图像信号处理）能力同样关键。有些 sensor 本身不错，但 ISP 调不好，出来的图像噪点满天飞。我建议在选型阶段就拿到 raw 图，自己跑一遍算法看看效果。
2.1.2 LiDAR 选型
LiDAR 是感知系统的「触觉」。它直接给你 3D 点云，不需要像视觉那样去「猜」深度。
选 LiDAR 主要看这几个参数：
| 参数 | 机械式 | 固态（MEMS/Flash） |
|---|---|---|
| 线数 | 16/32/64/128 | 等效 128 线以上 |
| 视场角 (FOV) | 360° 水平 / 30° 垂直 | 120° 水平 / 25° 垂直 |
| 测距 | 200m @10% 反射率 | 150m @10% 反射率 |
| 可靠性 | 有旋转部件，易磨损 | 全固态，寿命长 |
| 成本 | 高（$1000+） | 中（$500-1000） |
我个人习惯，如果做 L4 级 Robotaxi，我会选 128 线机械式，因为 360° 覆盖太重要了。如果是 L2+ 的乘用车，固态 LiDAR 性价比更高。我曾经在一个项目中，为了省钱选了 16 线 LiDAR，结果点云太稀疏，小物体根本检测不到，后来还是换回了 32 线。
小技巧：LiDAR 的安装位置也很讲究。车顶是最佳位置，但影响美观。前保险杠位置也可以，但要注意遮挡和散热。我建议做一次「视场角仿真」，确保盲区在可接受范围内。
2.1.3 Radar 选型
Radar 是感知系统的「耳朵」。它不怕雨雾，能直接测速，是 Camera 和 LiDAR 的有力补充。
Radar 分两种：
- 毫米波 Radar：77GHz 是主流。探测距离远（250m+），但角度分辨率低。适合做 ACC、AEB。
- 超声波 Radar：40kHz 左右。探测距离近（3-5m），但精度高。适合做泊车、盲区检测。
嗯，这里要注意。Radar 的「多径反射」问题很头疼。我遇到过 Radar 把高架桥上的路牌误报成前方障碍物，导致车辆急刹。后来我们加了「高度滤波」和「多帧验证」才解决。
2.2 计算单元配置：Orin vs 高通
计算单元是感知系统的大脑。现在最火的两款就是 NVIDIA Orin 和高通 Snapdragon Ride（SA8295 系列）。
我直接给你对比一下：
| 维度 | NVIDIA Orin | 高通 SA8295 |
|---|---|---|
| AI 算力 | 254 TOPS (INT8) | 30 TOPS (INT8) |
| CPU | 12核 ARM Cortex-A78AE | 8核 Kryo 780 |
| GPU | Ampere 架构 (2048 CUDA) | Adreno 660 |
| 生态 | CUDA / TensorRT / DeepStream | SNPE / QNN |
| 功耗 | 15W - 60W (可配置) | 10W - 25W |
| 典型应用 | L4 Robotaxi / 高阶智驾 | L2+ 座舱+智驾融合 |
我个人怎么选？
- 如果项目目标是「全场景、高安全」，我选 Orin。254 TOPS 的算力，跑多传感器融合模型绰绰有余。而且 CUDA 生态太成熟了，从训练到部署一条龙。
- 如果项目目标是「性价比、量产落地」，我选高通。30 TOPS 虽然不高，但配合 DSP 和 ISP，做轻量级模型足够了。而且高通在手机领域的功耗控制确实有两把刷子。
避坑指南：我曾经在一个项目中，选了 Orin 但没配够散热。结果跑 5 分钟就降频，算力从 254 TOPS 掉到 100 TOPS 以下。嗯，从那以后我选计算单元时，一定会把散热预算算进去。
2.3 供电与散热设计
供电和散热，听起来像「后勤工作」，但往往是整个系统能不能稳定运行的关键。
2.3.1 供电设计
感知系统的功耗大头在计算单元和 LiDAR。一个典型的 Orin 系统，峰值功耗可能到 200W+。供电设计要注意：
- 电源拓扑：建议用 12V 或 24V 车载电源，通过 DC-DC 模块降压到 5V/3.3V。每个传感器单独供电，避免互相干扰。
- 电源纹波：Camera 对电源纹波很敏感。纹波太大，图像上会出现「水波纹」。我建议纹波控制在 50mV 以内。
- 上电时序：计算单元先上电，传感器后上电。否则传感器先启动，数据来了但计算单元还没准备好，容易丢数据。
重要提醒：别忘了加「电源保护电路」。防反接、过流保护、TVS 管，一个都不能少。我曾经见过一个项目，因为电源接反了，烧了 3 块 Orin 开发板，损失好几万。
2.3.2 散热设计
散热这事儿，说白了就是「热量从哪里来，到哪里去」。
热量来源：
- Orin 芯片：60W 左右
- LiDAR：15W 左右
- Camera ISP：5W 左右
- 电源模块：10W 左右
散热方案：
- 被动散热：用散热片+导热硅脂。适合功耗 < 30W 的场景。
- 主动风冷：加风扇。适合 30W - 100W。注意风扇的噪音和寿命。
- 液冷：水冷板+水泵。适合 > 100W 的高性能场景。我见过 Robotaxi 项目用液冷，效果确实好，但成本和复杂度也上去了。
我个人习惯，在散热设计阶段做一次「热仿真」。用 Flotherm 或者 Icepak 跑一下，看看热点在哪里。我曾经有一个项目，仿真发现 Orin 芯片正上方正好是 LiDAR 的安装支架，挡住了风道。后来我们调整了布局，温度降了 15°C。
小技巧：别忘了给散热系统留「余量」。环境温度 25°C 时能压住，不代表 45°C 的夏天也能压住。我一般按环境温度 60°C 来设计散热。
好了，硬件平台搭建这部分就聊到这儿。传感器选型、计算单元配置、供电与散热，这三块是环环相扣的。你想想看，传感器选得再好，计算单元跑不动，或者供电跟不上，都是白搭。所以，动手之前，先把整体架构想清楚。
核心总结：硬件平台搭建，不是简单的「买零件、拼起来」。它是一个系统工程。传感器选型要匹配场景，计算单元要匹配算法，供电散热要匹配功耗。每一步都要有「余量」和「冗余」。
可可精品资料库