2. 传感器基础

做感知融合，说白了就是跟传感器打交道。你想想看，如果连每个传感器的脾气秉性都摸不透，那融合出来的结果肯定是一团浆糊。我个人习惯，在讲融合算法之前，一定先把传感器基础砸实了。这一章，咱们就来聊聊三位老伙计：摄像头、毫米波雷达、激光雷达。

2.1 摄像头：最像人眼的传感器

摄像头是我们感知系统里信息量最大的传感器。它能提供丰富的纹理、颜色和语义信息。比如车道线是白的还是黄的，路牌上写的是什么字，这些都得靠摄像头。

2.1.1 核心优势

• 语义理解能力强：能识别物体类别（车、人、自行车、车道线）。
• 分辨率高：现在的车载摄像头动辄800万像素，能看清远处的小目标。
• 成本低：相比激光雷达，摄像头简直是白菜价。

2.1.2 致命局限

• 受光照影响极大：逆光、黑夜、隧道出入口，这些场景下摄像头基本就废了一半。我在项目中遇到过，大晴天进隧道的一瞬间，视觉车道线检测直接丢帧，系统瞬间抓瞎。
• 缺乏深度信息：单目摄像头无法直接测距，得靠算法估算。估算出来的距离，误差很大。
• 对恶劣天气敏感：雨、雪、雾天，能见度下降，摄像头性能直线下滑。

2.2 毫米波雷达：全天候的测距高手

毫米波雷达，说白了就是个无线电波收发器。它发射毫米波段的电磁波，通过回波时间差来测距。它的强项是全天候工作，风雨无阻。

2.2.1 核心优势

• 全天候工作：不受光照、雨雪雾影响。这是它最大的王牌。
• 直接测距测速：利用多普勒效应，能直接测量目标的相对速度。这个在ACC（自适应巡航）里至关重要。
• 探测距离远：长距雷达可以探测到200米甚至更远的目标。

2.2.2 致命局限

• 角度分辨率低：传统毫米波雷达的水平角度分辨率很差，只能知道前方有障碍物，但具体在哪个车道，它分不清。我调试时经常遇到，雷达报前方有车，但摄像头一看，是对向车道的。
• 缺乏垂直分辨率：无法区分高架桥上的车和地面的车。雷达会把桥上的车当成路上的车，导致误刹车。
• 对静态物体识别差：雷达对静止目标的检测能力很弱，容易把路边的护栏、静止的车辆过滤掉。

2.3 激光雷达：高精度的3D感知器

激光雷达，通过发射激光束并测量回波时间，来获取周围环境的3D点云。它就像一个不停扫描的3D扫描仪。

2.3.1 核心优势

• 高精度3D感知：能直接输出目标的精确位置、形状、尺寸。点云密度越高，细节越丰富。
• 不受光照影响：晚上和白天一样工作，这是它比摄像头强的地方。
• 能检测小物体：比如路肩、锥桶、地上的小石块，激光雷达都能看到。

2.3.2 致命局限

• 成本极高：虽然现在价格在下降，但一颗激光雷达的价格依然顶得上好几颗摄像头。
• 受恶劣天气影响：大雨、大雾、大雪天，激光会被散射，点云质量急剧下降。我记得有一次在大雾天测试，激光雷达的点云几乎全被雾反射回来了，啥也看不见。
• 缺乏语义信息：激光雷达只能告诉你那里有个东西，但不知道那是什么。是车还是树？它分不清。
• 数据量大：64线、128线激光雷达每秒产生数百万个点，对计算平台的压力很大。

2.4 三大传感器特性对比

为了让你看得更清楚，我整理了一个对比表。嗯，这里要注意，没有完美的传感器，只有完美的组合。

2.5 核心逻辑：为什么需要融合？

看完上面的对比，你应该明白了。每个传感器都有自己的长处和短处。摄像头看得清但看不远，雷达看得远但看不清，激光雷达看得准但看不懂。融合的目的，就是取长补短。

下面这张图，是我自己画的，能帮你快速理解融合的核心逻辑。

你看，三个传感器各自输出自己的数据，融合算法就像一个大脑，把这些数据整合起来。摄像头提供车道线的语义（颜色、类型），雷达提供车道线附近障碍物的距离和速度，激光雷达提供车道线边缘的精确3D位置。三者一结合，车道线的感知就变得非常鲁棒了。