2. 自动驾驶感知系统概述
自动驾驶感知系统是车辆理解周围环境的“眼睛与大脑”。它把摄像头、激光雷达、毫米波雷达、超声波、IMU、GNSS 等传感器采集的原始信号，经过时间同步、标定、特征提取、目标检测、跟踪、融合与后处理，输出可供规划控制使用的结构化环境模型。对量产验证工程师而言，理解感知系统的任务边界、传感器特性、算法模块划分以及量产约束，是设计验证方案、定位问题根因和评估安全性的前提。
一、感知任务：从像素到可决策的环境描述
感知任务通常分为四层。第一层是检测，回答“哪里有目标”，包括 2D/3D 目标检测、车道线检测、交通标志与信号灯识别、可行驶区域分割。第二层是跟踪，回答“目标如何运动”，通过卡尔曼滤波、匈牙利匹配等维持目标 ID 与速度、加速度估计。第三层是融合，把多传感器、多帧结果统一到自车坐标系，解决冗余、冲突与互补。第四层是场景理解，输出语义地图、行为意图、风险等级，为预测与规划提供输入。
这些任务并非孤立：检测漏检会导致跟踪断裂，标定偏差会让融合结果漂移，时间不同步会让高速目标位置错位。因此验证时必须按“任务链”而非单点指标来设计用例。
二、传感器类型：互补与代价的权衡
量产车型常见的传感器组合如下表所示。摄像头成本低、纹理丰富，但受光照和天气影响大；激光雷达测距精度高、可直接获得 3D 点云，但成本与耐久性仍是量产挑战；毫米波雷达穿透雾雨能力强、测速准，但角分辨率有限；超声波适用于低速近距泊车；IMU/GNSS 提供自车运动与全局定位。
| 传感器 | 主要输出 | 优势 | 量产关注点 |
|---|---|---|---|
| 摄像头 | 图像、语义特征 | 成本低、分类能力强 | 曝光、脏污、温漂、内参标定 |
| 激光雷达 | 3D 点云 | 测距准、直接 3D | 成本、寿命、窗口污染、点云密度 |
| 毫米波雷达 | 距离/速度/角度 | 全天候、测速准 | 角度分辨率、多径、安装角度 |
| 超声波 | 近距距离 | 低速泊车可靠 | 探测盲区、温度影响 |
| IMU/GNSS | 姿态、位置、速度 | 全局参考、高频 | 漂移、遮挡、多路径 |
三、算法模块：典型感知流水线
一个量产感知流水线通常包含以下模块：传感器驱动与时间同步、标定与坐标变换、数据预处理、检测网络、跟踪器、多传感器融合、后处理与输出。下图给出典型数据流与模块关系。
在工程实现中，检测网络常以 ONNX/TensorRT 部署，跟踪与融合多运行在 CPU 或安全核上。以下是一个典型的融合输出字段示例：
{
"timestamp_ns": 1723456789012345,
"frame_id": "ego",
"objects": [
{"id": 1024, "type": "car", "x": 12.4, "y": -1.8, "vx": 8.2, "vy": 0.1, "confidence": 0.93},
{"id": 1025, "type": "pedestrian", "x": 6.1, "y": 3.2, "vx": 0.3, "vy": -1.1, "confidence": 0.87}
],
"drivable_area": "polygon_0",
"risk_level": "medium"
}四、量产要求：从“能跑”到“可交付”
量产感知与实验室原型的最大区别在于约束条件。第一是实时性：端到端延迟通常要求小于 100 ms，且抖动可控。第二是功能安全：需满足 ISO 26262 的 ASIL 等级，关键链路要有冗余与失效降级。第三是预期功能安全 SOTIF：要识别未知不安全场景，如异形车辆、施工路锥、逆光眩光。第四是可解释与可追溯：每个输出应能回溯到传感器原始数据与软件版本。第五是成本与功耗：算力平台、传感器数量与整车 BOM 强相关。
常见误区：只关注检测 mAP，忽略跟踪 ID 切换、融合时序和标定漂移。量产中大量问题并非“看不见”，而是“看见后输出不稳定”或“多传感器结论冲突”。验证方案必须覆盖时间同步误差、外参偏移、脏污遮挡和极端光照等边界条件。
五、验证视角：感知系统量产验证的关注点
面向量产的感知验证，通常围绕以下维度展开：
- 数据闭环：影子模式、触发式回传、场景挖掘与自动标注。
- 指标分层：检测层看 mAP/召回，跟踪层看 MOTA/IDF1，融合层看位置误差与一致性，系统层看误报/漏报与接管率。
- 场景覆盖：按 ODD 划分高速、城区、泊车、雨雾、夜间、隧道等，并统计里程与关键场景命中率。
- 回归与门禁：每次模型或标定变更都要跑固定回归集，指标不达标不得进入下一阶段。
工程提示：感知验证不是“跑一遍数据集”，而是建立“传感器—算法—场景—指标—版本”的可追溯链路。只有把每个失败案例映射到具体模块与触发条件，才能形成可复现、可修复、可回归的量产验证闭环。
综上，自动驾驶感知系统是一个多传感器、多模块、强约束的工程系统。理解感知任务的分层、传感器互补关系、算法流水线以及量产对实时性、安全性和可追溯性的要求，是后续开展量产验证工作的基础。