4. 硬件选型与集成
自动驾驶硬件选型不是“堆料”，而是围绕感知覆盖、冗余安全、算力匹配、时间同步、量产可维护性五个维度做系统权衡。Autoware 作为开源自动驾驶栈，对传感器输入有明确的接口约定：激光雷达提供 3D 点云，摄像头提供图像与目标检测，毫米波雷达提供中远距速度与距离，GNSS/IMU 提供全局位姿与姿态基准，计算平台则负责承载感知、定位、规划与控制。选型一旦确定，后续标定、时间同步、驱动适配和诊断都会围绕这套硬件展开，因此本章的核心是建立“需求→参数→集成→验证”的闭环方法。
一、核心原理：以感知覆盖与冗余为约束的选型框架
硬件选型的本质是用可量化的参数满足 ODD（运行设计域）。激光雷达关注线数、水平/垂直 FOV、测距范围、点频、回波模式与防护等级；摄像头关注分辨率、帧率、动态范围、快门类型与镜头畸变；毫米波雷达关注频段、探测距离、距离/速度分辨率、角度精度与抗干扰能力；GNSS/IMU 关注定位精度、航向精度、更新率、失锁恢复时间与 RTK 支持；计算平台关注 AI 算力、CPU 核数、内存带宽、PCIe 通道、功耗与车规认证。这些参数不是孤立的，例如激光雷达点频决定点云密度，点云密度又影响感知算法对远处小目标的召回率；摄像头动态范围不足会导致隧道出入口过曝或欠曝，直接造成感知失效。
二、方法流程：从需求分解到集成验证
建议按以下六步推进，每一步都输出可检查的交付物：
- 需求分解：将 ODD 拆解为感知距离、FOV、分辨率、更新率、精度和冗余等级。
- 参数映射：把需求映射到各传感器关键指标，形成选型矩阵。
- 安装布局：确定安装位置、朝向、遮挡与清洁方案，避免盲区和相互干扰。
- 时间同步：统一到 PTP/gPTP 或 GPS 秒脉冲，确保多传感器数据时间戳一致。
- 标定与驱动：完成内参、外参标定，接入 Autoware 驱动与 URDF 模型。
- 集成验证：通过静态、动态和故障注入测试验证覆盖、精度与冗余。
其中时间同步是量产集成中最容易被低估的环节。激光雷达、摄像头和毫米波雷达若时间戳偏差超过 10 ms，融合结果就会出现“鬼影”或目标错位。Autoware 中通常使用 /sensing/lidar/points、/sensing/camera/image、/sensing/radar/objects 等话题，并通过 message_filters 做时间对齐。
# 检查多传感器时间戳偏差（示例）
ros2 topic hz /sensing/lidar/points
ros2 topic hz /sensing/camera/image
ros2 topic echo /sensing/lidar/points --field header.stamp
ros2 topic echo /sensing/camera/image --field header.stamp
# 若偏差持续大于 10ms，检查 PTP 主时钟与 gPTP 配置
三、关键选型参数与集成要点
| 传感器 | 核心参数 | 集成要点 | 常见风险 |
|---|---|---|---|
| 激光雷达 | 线数、FOV、测距、点频、回波 | 安装高度、俯仰角、清洁与散热 | 脏污导致点云缺失、多雷达互扰 |
| 摄像头 | 分辨率、帧率、HDR、快门 | 曝光同步、镜头标定、防水雾 | 逆光过曝、卷帘快门畸变 |
| 毫米波雷达 | 频段、距离/速度分辨率、角度 | 安装角度、金属遮挡、干扰规避 | 静止目标误滤除、多径虚假目标 |
| GNSS/IMU | 定位精度、航向、更新率、RTK | 天线布局、杆臂补偿、失锁恢复 | 城市峡谷多路径、IMU 零偏漂移 |
| 计算平台 | 算力、内存、PCIe、功耗、车规 | 散热、供电、接口带宽、冗余 | 算力不足、热降频、单点故障 |
安装布局上，激光雷达通常布置在车顶或前保险杠，需保证 360° 或前向 120° 以上覆盖；摄像头前向主摄与激光雷达同轴或近轴安装，便于外参标定；毫米波雷达布置在保险杠四角，注意金属支架和车漆对雷达波的衰减；GNSS 天线置于车顶无遮挡处，IMU 尽量靠近车辆质心以减小杆臂误差。计算平台需预留 PCIe 插槽给激光雷达网卡和摄像头采集卡，并保证供电纹波和散热风道满足车规要求。
四、案例与场景：城市 NOA 硬件配置复盘
某城市 NOA 项目初期采用 1 颗 64 线激光雷达 + 1 颗前向 2 MP 摄像头 + 3 颗毫米波雷达 + 单 GNSS/IMU。实车测试发现：夜间对横穿行人检测距离不足 40 m，隧道出口出现 1.5 s 感知致盲，且多传感器时间戳偏差约 25 ms。复盘后调整为：激光雷达升级为 128 线并增加侧向补盲，前向摄像头升级为 8 MP HDR，毫米波雷达升级为 4D 成像，增加 PTP 同步交换机，并将 IMU 移至质心附近。调整后行人检测距离提升至 85 m，时间偏差控制在 3 ms 内，隧道场景未再出现致盲。
五、误区与复盘
- 只看单传感器指标，忽略系统冗余：单一传感器失效即导致功能退出，不满足量产安全要求。
- 忽略时间同步：多传感器融合对时间戳敏感，偏差过大直接导致融合失败。
- 标定一次就不再复检：振动、温度变化和碰撞都会导致外参漂移，需定期在线校验。
- 算力预留不足：感知模型迭代后算力需求上升，选型时应预留 30% 以上余量。
- 忽视散热与供电：计算平台热降频会直接导致感知帧率下降，影响行车安全。
综上，硬件选型与集成应始终围绕 ODD 展开，以参数映射为方法、以时间同步和标定为关键、以集成验证为闭环。只有把传感器、计算平台和 Autoware 软件栈作为一个整体来设计，才能在量产中同时满足安全性、可靠性和可维护性要求。