1. 感知联调概述
1.1 什么是感知联调？
感知联调，说白了就是让自动驾驶的「眼睛」和「大脑」先自己内部对齐。
我习惯这么定义它：将感知系统中的各个模块——比如相机、激光雷达、毫米波雷达，以及它们背后的算法——组合在一起，进行联合调试和验证的过程。
你想想看，单个模块跑得再好，不代表组合起来就一定能用。我在项目中遇到过好几次，单看相机检测精度99%，激光雷达点云聚类也漂亮，但一联调，两个传感器对同一辆车的输出位置差了半米多。嗯，这就是联调要解决的问题。
核心要点：感知联调不是「把模块拼起来就行」，而是要让它们协同工作，输出一致、稳定、可用的感知结果。
1.2 感知系统在自动驾驶中的位置
自动驾驶系统通常分三层：感知、决策、控制。
感知在最前面，是信息的入口。没有感知，决策就是瞎猜，控制就是盲动。
我画了一张图，帮你理解这个位置关系：
从这张图可以清楚看到：感知层夹在传感器和决策之间。传感器把原始数据丢过来，感知层消化处理，然后输出给决策层用。
我个人习惯把感知联调比作「翻译官训练」——传感器说的是不同语言（图像、点云、波形），感知系统要把它们统一翻译成决策层能理解的「结构化信息」。翻译得准不准，直接决定了车能不能安全开。
1.3 联调的目标与意义
联调的目标，我总结成三个词：对齐、稳定、可用。
| 目标 | 具体含义 | 我踩过的坑 |
|---|---|---|
| 对齐 | 多传感器时空同步，输出结果在空间和时间上一致 | 曾经相机和激光雷达时间戳差了200ms，高速场景下目标位置偏移了3米多 |
| 稳定 | 连续帧之间输出不跳变，不出现「幽灵目标」或「目标丢失」 | 有一次联调发现，车辆经过树荫时检测框忽大忽小，排查了两天才发现是光照变化导致的 |
| 可用 | 输出格式、频率、延迟满足下游决策模块的要求 | 我记得有个项目，感知输出频率是20Hz，但决策模块只吃10Hz，白白浪费了一半算力 |
一个小技巧：联调时别急着上复杂场景。先跑最简单的直道、静态目标，确认基础对齐没问题，再逐步增加难度。我曾经一上来就测城市交叉口，结果一堆问题混在一起，根本分不清是哪个模块的锅。
联调的意义，往大了说，是保证自动驾驶系统安全可靠的基础。往小了说，是帮你省下后期排查问题的巨大成本。
为什么会这样？因为感知模块的bug往往不是单个模块能暴露的。比如：
- 相机检测到行人，但激光雷达没扫到——是漏检还是遮挡？
- 融合模块输出了一辆「车」，但实际是路边的广告牌——是分类错了还是分割没处理好？
- 车辆静止时感知结果抖动——是滤波参数没调好还是传感器本身噪声大？
这些问题，单测永远发现不了。只有联调，才能让它们浮出水面。
⚠️ 注意：联调不是一次性的工作。每次更换传感器、升级算法、修改参数后，都应该重新做一轮联调。我见过有团队联调通过后就再也不碰了，结果换了批摄像头，整个系统直接崩了。
嗯，说到这里，你应该对感知联调有了一个整体的认识。它不是什么高深莫测的技术，但确实是自动驾驶工程化落地中绕不开的一环。说白了，就是让各个模块好好「说话」，别互相扯后腿。