2. 智能驾驶基础

智能驾驶域控制器不是孤立存在的“高性能盒子”，它必须与整车电子电气架构、传感器系统、算法链路和车辆执行机构协同工作。理解域控制器的系统集成，首先要建立四个基础认知：自动驾驶如何分级、传感器如何分工、感知与决策规划如何衔接、域控制器在整车EEA中处于什么位置。这四点决定了后续接口设计、算力分配、通信拓扑与安全冗余方案。

一、自动驾驶分级：从L0到L5的责任边界

SAE J3016将驾驶自动化分为L0至L5六个等级，核心区别不在于“功能多少”，而在于动态驾驶任务（DDT）由谁执行、谁负责监控、谁承担接管。L0至L2属于辅助驾驶，驾驶员始终是驾驶主体；L3是有条件自动驾驶，系统在限定场景内执行DDT，但驾驶员需在请求时接管；L4在限定运行域内系统可独立完成DDT并处理故障；L5则无运行域限制。

对域控制器集成而言，分级直接决定系统架构：L2通常采用单SoC+前视一体机方案，成本敏感；L3及以上需要多传感器冗余、双电源、双通信链路，甚至双SoC锁步或主备切换。因此，分级不是市场宣传标签，而是硬件冗余、软件分区、功能安全等级（ASIL）和通信带宽的输入条件。

二、传感器类型：互补而非替代

智能驾驶常用传感器包括摄像头、毫米波雷达、激光雷达、超声波雷达和GNSS/IMU。它们各自覆盖不同的物理维度，集成时必须做时间同步与空间标定。

• 摄像头：分辨率高，能识别颜色、纹理、交通标志和车道线，但受光照、雨雾影响大，测距依赖标定与视觉算法。
• 毫米波雷达：直接测距测速，穿透雨雾能力强，适合AEB和ACC，但角度分辨率有限，对静止物体和金属反射易产生误判。
• 激光雷达：提供高精度三维点云，测距准、轮廓清晰，但成本高、雨雪衰减明显，点云数据量大。
• 超声波雷达：短距探测，主要用于泊车和低速防碰撞，成本低但探测距离通常小于5米。
• GNSS/IMU：提供全局定位与姿态，隧道、地下车库等场景需与视觉/激光SLAM融合。

三、感知与决策规划基础：从原始数据到控制指令

感知层负责把原始信号转为结构化环境模型，包括目标检测、车道线识别、可行驶区域分割、目标跟踪和测距测速。决策规划层则分为全局路径规划、行为决策和局部轨迹规划。典型链路如下：

传感器原始数据
  → 时间同步与标定
  → 感知融合（目标列表/占用栅格）
  → 定位与地图匹配
  → 行为决策（跟车/换道/避让）
  → 局部轨迹规划（多项式/优化）
  → 控制指令（油门/制动/转向）
  → 底盘执行器

域控制器在这一链路中承担“计算中枢”角色：它接收多路传感器数据，运行感知、融合、预测、规划和控制算法，再通过CAN/CAN FD、以太网或FlexRay向执行器发送指令。感知与规划对算力的需求不同：感知偏重GPU/NPU并行计算，规划偏重CPU单线程实时性与确定性。因此，域控制器SoC通常采用异构架构：CPU+GPU+NPU+MCU。

四、域控制器在整车EEA中的位置

传统整车EEA是分布式架构，每个ECU负责一个功能，通过CAN总线互联。随着智能驾驶功能增加，分布式架构面临线束复杂、算力分散、OTA困难等问题。域集中式架构按功能域划分，如动力域、底盘域、座舱域和智驾域。智驾域控制器位于感知、决策与执行之间，向上连接传感器和V2X，向下连接底盘与车身执行器。

在更先进的中央计算+区域控制架构中，智驾域可能与其他域融合为中央计算平台，区域控制器负责就近供电和通信汇聚。无论哪种形态，域控制器的集成位置都决定了其接口边界：它需要管理传感器输入、执行器输出、电源模式、网络通信和诊断服务。

五、案例场景：L2+高速领航的域控集成

以L2+高速领航为例，域控制器接收1个前视摄像头、5个毫米波雷达、1个驾驶员监控摄像头和GNSS/IMU。感知融合输出目标列表和车道线，规划模块生成跟车与换道轨迹，控制模块通过CAN FD向EPS和ESP发送转向与制动请求。此时域控制器需要处理几个关键集成问题：

• 时间同步：摄像头帧率30fps，雷达周期50ms，若时间戳偏差超过20ms，融合目标位置会出现明显跳变。
• 通信带宽：激光雷达点云可达每秒数百兆比特，需通过车载以太网千兆链路传输，不能走传统CAN。
• 降级策略：当某路传感器失效时，域控制器需在100ms内切换至安全降级模式，并请求驾驶员接管。
• 电源管理：域控制器需支持休眠、唤醒和OTA升级，避免亏电和升级失败导致车辆无法启动。

六、常见误区与复盘

综上，自动驾驶分级定义了系统责任边界，传感器类型决定了感知能力上限，感知与决策规划链路决定了算法架构，而域控制器在整车EEA中的位置决定了它的接口、冗余和集成约束。只有把这四者放在同一张系统图中理解，后续的硬件选型、接口设计和测试验证才有稳固基础。