2. 自动驾驶基础

自动驾驶系统的核心逻辑可以概括为“感知-决策-控制”三层闭环。其中，感知层负责回答“我在哪里、周围有什么”，决策层负责“接下来怎么走”，控制层负责“如何精确执行”。本章作为整个课程的地基，将重点拆解三大主流车载传感器（摄像头、激光雷达、毫米波雷达）的物理原理与数据特性，建立车辆运动学与动力学的简化数学模型，并梳理环境感知任务的全景框架。理解这些基础概念，是后续学习神经网络模型（如BEV感知、多传感器融合、端到端规划）的前提。

上图展示了自动驾驶系统的完整数据链路。传感器层产生的原始数据在时间与空间上高度异构：摄像头输出稠密的RGB矩阵，激光雷达输出稀疏但带精确深度的3D点云，毫米波雷达则直接提供径向速度信息。这些数据经过特征提取与融合后，形成统一的鸟瞰视角（BEV）表示，供决策规划模块使用。而车辆运动学与动力学模型贯穿于预测、规划与控制的全过程，为神经网络提供物理约束与可解释性。

2.1 三大核心传感器：原理与数据特点

2.1.1 摄像头：被动光学传感器

核心原理：摄像头通过CMOS或CCD感光元件，将环境中的可见光反射信号转换为数字图像。其本质是透视投影模型，即三维世界坐标通过针孔模型映射到二维像素平面。摄像头不主动发射能量，因此属于被动传感器，其性能高度依赖环境光照条件。

数据特点：

• 空间分辨率高：典型800万像素摄像头可提供丰富的纹理、颜色和边缘信息，是语义理解（如交通标志识别、车道线检测）的首选。
• 缺乏直接深度：单目摄像头无法直接获取距离信息，需要依赖运动恢复结构（SfM）或神经网络估计深度，精度有限。
• 帧率与曝光：通常工作在30fps，曝光时间受光照影响，在隧道出入口、逆光场景下易出现过曝或欠曝。
• 数据量巨大：单帧1080P RGB图像约6MB，8路摄像头每秒产生约1.4GB数据，对计算和存储压力大。

2.1.2 激光雷达：主动测距传感器

核心原理：激光雷达（LiDAR）通过发射近红外激光脉冲并测量反射光的时间差（ToF）或相位差来计算目标距离。机械式LiDAR通过旋转镜面实现360°扫描，固态LiDAR则通过光学相控阵或MEMS微镜实现电子扫描。其输出为3D点云，每个点包含(x, y, z)坐标和反射强度值。

数据特点：

• 精确的深度信息：测距精度可达±2cm，是构建高精地图和障碍物定位的黄金标准。
• 稀疏且不均匀：典型32线LiDAR每秒产生约130万点，但远距离处点云密度急剧下降。例如，100米外一个行人可能仅被扫描到3-5个点。
• 无纹理信息：点云不包含颜色或纹理，无法区分白色卡车和白色墙壁，需要依赖形状特征。
• 受天气影响：大雨、浓雾、扬尘会吸收或散射激光，导致有效探测距离缩短50%以上。

2.1.3 毫米波雷达：全天候测速传感器

核心原理：毫米波雷达发射波长在1-10mm的电磁波（典型77GHz），利用多普勒效应直接测量目标的径向速度。通过FMCW（调频连续波）调制方式，同时解算距离和速度。其输出为稀疏的目标列表或点云，每个点包含距离、方位角、径向速度和RCS（雷达散射截面）。

数据特点：

• 直接测速：这是摄像头和LiDAR不具备的独特优势，对判断前方车辆急刹、横穿行人至关重要。
• 全天候工作：对雨、雾、雪、灰尘的穿透能力强，可在恶劣天气下稳定工作。
• 角度分辨率低：典型前向雷达水平角分辨率约1.5°，无法区分并排行走的两个行人。
• 多径反射：在隧道、高架桥下，电磁波多次反射会产生“幽灵目标”，需要后处理滤波。

2.2 车辆运动学与动力学基础

2.2.1 运动学模型：几何约束下的简化

运动学模型忽略力、质量、轮胎形变等因素，仅从几何关系描述车辆运动。最常用的是自行车模型（Bicycle Model），它将车辆简化为前后两个轮子，假设车辆只在平面内运动（无侧倾、无俯仰）。

状态量通常为：车辆后轴中心位置(x, y)、航向角θ、前轮转角δ、纵向速度v。其离散运动方程为：

x(t+1) = x(t) + v·cos(θ)·dt
y(t+1) = y(t) + v·sin(θ)·dt
θ(t+1) = θ(t) + (v/L)·tan(δ)·dt

其中L为轴距。该模型在低速（<10m/s）、大曲率半径场景下精度较高，是路径规划中常用的预测模型。但它在高速紧急变道时误差较大，因为忽略了轮胎侧偏角。

2.2.2 动力学模型：力与运动的耦合

动力学模型引入轮胎力、侧偏刚度、横摆转动惯量等参数。最经典的是二自由度单轨模型，考虑车辆的横向速度v_y和横摆角速度ω：

m·(v_dot_y + v_x·ω) = F_yf + F_yr
I_z·ω_dot = a·F_yf - b·F_yr

其中F_yf和F_yr为前后轮胎侧向力，a和b为质心到前后轴的距离，I_z为横摆转动惯量。轮胎侧向力通常近似为线性：F_y = -C_α·α，C_α为侧偏刚度，α为轮胎侧偏角。

动力学模型在高速（>15m/s）、紧急避障、湿滑路面等极限工况下至关重要。神经网络端到端控制中，往往需要将动力学模型作为“物理约束层”嵌入网络输出，防止规划轨迹超出车辆物理极限。

2.2.3 模型在神经网络中的角色

在端到端自动驾驶中，运动学/动力学模型有三种典型用法：

1. 作为标签生成器：利用高精度动力学模型仿真生成大量训练数据，弥补真实数据不足。
2. 作为网络输出约束：在损失函数中加入物理一致性惩罚项，例如轨迹曲率不得超过轮胎最大转角。
3. 作为可微分层：将车辆模型嵌入网络计算图，使网络输出的控制量经过模型前向传播后得到可验证的轨迹。

2.3 环境感知任务概述

2.3.1 感知任务全景

环境感知是自动驾驶的“眼睛”，主要包含以下子任务：

• 目标检测：识别并定位车辆、行人、骑行者、锥桶等动态/静态物体，输出2D框或3D框。
• 语义分割：对图像或点云进行像素级/点级分类，区分可行驶区域、车道线、路沿、天空等。
• 实例分割：在语义分割基础上区分同一类别的不同个体（如区分两辆相邻的白色轿车）。
• 目标跟踪：跨帧关联同一目标，估计其速度、加速度和运动轨迹，输出稳定的ID。
• 轨迹预测：预测周围目标未来3-8秒的运动轨迹，为规划提供决策依据。
• 可行驶区域检测：结合语义分割与深度估计，识别地面可通行区域，处理路沿、坑洼、坡道。

2.3.2 感知任务的数据流与挑战

感知模块的输入是异构传感器数据，输出是结构化环境表示（如BEV栅格图、目标列表）。当前主流方案采用“多任务学习”架构，即一个共享骨干网络提取特征，多个任务头分别输出检测框、分割图、深度图等。这种设计能减少计算量，并利用任务间的互补性提升整体精度。

感知任务面临的核心挑战包括：

• 小目标与远距离：100米外的行人仅占图像几十个像素，点云中可能只有2-3个点，需要高分辨率特征图和多尺度融合。
• 遮挡与截断：车辆相互遮挡导致目标不完整，需要利用上下文先验进行推理。
• 天气与光照变化：夜间、逆光、雨雪天气下，传感器数据质量急剧下降，需要数据增强和域适应技术。
• 实时性要求：感知模块必须在50ms内完成所有任务，否则无法满足100ms级别的控制周期。

2.3.3 感知任务中的常见误区

• 误区一：认为传感器越多越好。实际上，传感器数量增加会带来标定复杂度、同步误差和算力开销的指数级增长。L2级通常需要1前视+4环视摄像头+1前向毫米波雷达即可。
• 误区二：忽视时间同步。摄像头30Hz、LiDAR 10Hz、雷达20Hz，若不做硬件同步或软件插值，融合时会出现“时间错位”，导致高速场景下目标位置偏差超过1米。
• 误区三：将感知精度与系统安全直接等同。感知精度高不代表系统安全，还需要考虑感知的“不确定性”。例如，当模型对目标检测的置信度仅为0.6时，规划层应降低速度并准备刹车，而不是盲目信任检测结果。