2. 自动驾驶感知基础

在自动驾驶系统中，感知层承担着“把物理世界翻译成机器可计算表达”的职责。可行驶区域与道路语义分割并不是孤立算法，它位于感知栈的中后段，向上承接传感器原始数据与目标检测结果，向下为预测、规划、控制提供可通行空间与道路结构约束。理解传感器类型、坐标系以及道路场景理解在感知栈中的位置，是后续工程实现的前提。

一、核心原理：感知栈的分层与道路场景理解的位置

典型自动驾驶感知栈可划分为四层：传感器层、预处理与标定层、感知理解层、输出接口层。传感器层提供相机图像、激光雷达点云、毫米波雷达回波、IMU/GNSS 位姿等原始数据；预处理与标定层完成时间同步、去畸变、坐标变换与外参对齐；感知理解层进一步分为目标级感知（车辆、行人、锥桶）与场景级感知（可行驶区域、车道线、路沿、路面语义）；输出接口层将结果统一到车身坐标系或世界坐标系，供下游模块消费。

道路场景理解的核心价值在于：目标检测回答“有什么”，而可行驶区域与语义分割回答“哪里能走、边界在哪、路面属性如何”。二者互补，缺一不可。例如前方有一片未分类的施工围挡，目标检测可能漏检，但语义分割若将路面与路沿区分清楚，仍能给出可通行区域收缩信号。

二、传感器类型与道路语义分割的适配关系

不同传感器对道路场景理解的贡献差异显著。相机提供稠密纹理与颜色，适合车道线、路面标线、交通标志与语义分割；激光雷达提供精确三维几何，适合路沿、可行驶区域边界与障碍物高度判断；毫米波雷达对雨雾鲁棒，但角分辨率低，通常用于目标级感知与速度测量；IMU/GNSS 提供全局位姿，用于多帧拼接与地图对齐。

三、坐标系体系：从像素到车身的统一表达

道路语义分割的输出必须落到统一坐标系中才有工程意义。常见坐标系包括：像素坐标系（u,v）、相机坐标系（Xc,Yc,Zc）、激光雷达坐标系（Xl,Yl,Zl）、车身坐标系（Xv,Yv,Zv，通常原点在后轴中心，X 向前，Y 向左，Z 向上）以及世界坐标系（ENU 或 UTM）。

相机到车身的变换依赖外参标定，通常表示为旋转矩阵 R 与平移向量 t。像素点反投影到车身平面的过程可简写为：

# 像素 -> 相机归一化平面
x_n = (u - cx) / fx
y_n = (v - cy) / fy

# 相机 -> 车身（外参 R, t）
P_cam = [x_n * Z, y_n * Z, Z]
P_veh = R * P_cam + t

# 若已知地面平面 Z_veh = 0，可反解尺度 Z

工程中常见误区是忽略相机安装俯仰角与滚转角，导致可行驶区域在远处出现“上飘”或“下压”。因此，标定后必须用地面控制点验证重投影误差，通常要求像素误差小于 2 像素。

四、案例场景：城市路口可行驶区域分割

以城市十字路口为例，车辆需要识别本车道、左转待转区、斑马线、路沿与安全岛。相机语义分割输出路面、路沿、人行道、车辆、行人等类别；激光雷达点云提供路沿三维高度与地面坡度；两者在车身坐标系下融合后，生成可行驶区域栅格图。若仅依赖相机，阴影可能被误判为路面；若仅依赖激光雷达，地面标线无法区分。融合后，规划模块可获得带语义标签的可通行空间。

五、误区与复盘

• 误区一：把语义分割当作目标检测的替代。语义分割不区分实例，无法直接输出每个行人的独立 ID，需与检测网络互补。
• 误区二：忽略坐标系时效性。车辆运动时，不同传感器时间戳不一致，必须做时间同步与运动补偿，否则融合结果错位。
• 误区三：只关注精度，不关注延迟。可行驶区域输出延迟超过 100ms，规划模块可能基于过期信息决策，带来安全风险。
• 复盘建议：建立“传感器-标定-分割-融合-输出”全链路日志，记录每帧时间戳、外参版本与置信度，便于问题回溯。

综上，传感器类型决定了道路场景理解的数据基础，坐标系决定了结果能否被下游正确使用，而感知栈中的位置决定了它与目标检测、预测规划的分工边界。工程实践中，应把可行驶区域与语义分割视为“带坐标、带时间、带置信度”的结构化输出，而非单纯的分割掩码。只有打通传感器、标定、分割、融合与输出全链路，才能为自动驾驶提供稳定可靠的道路场景理解能力。