4. 环境感知传感器
ACC自适应巡航系统要完成“跟车、定距、调速”三件事，第一步必须回答一个基础问题：前方有没有车？它离我多远？它相对我是快还是慢？环境感知传感器就是ACC的“眼睛”。不同传感器基于完全不同的物理原理工作，各自擅长不同的距离段、天气条件和目标属性，因此现代ACC几乎都采用多传感器融合方案，而不是依赖单一传感器。
一、四类传感器的核心工作原理
毫米波雷达工作在77GHz附近（部分为24GHz），发射调频连续波（FMCW），通过回波与发射信号的频率差计算距离，通过多普勒频移计算相对速度，通过多天线阵列的相位差测量方位角。它的核心优势是直接测速、测距精度高、穿透雨雾能力强，是ACC最核心的测距测速传感器。
激光雷达发射激光脉冲并测量飞行时间（ToF），通过旋转或固态扫描形成高密度三维点云。它测距精度可达厘米级、角分辨率极高，能精确还原目标轮廓，但对雨、雪、雾、扬尘敏感，且成本较高，在乘用车ACC中多用于高阶冗余或Robotaxi场景。
摄像头通过镜头将光信号成像到CMOS/CCD传感器上，再由视觉算法识别车道线、车辆、行人、交通标志。它擅长分类与语义理解——能区分“这是一辆车还是护栏”，但测距依赖目标像素尺寸和标定，精度弱于雷达，且受逆光、夜间、强眩光影响明显。
超声波雷达发射40kHz左右的超声波，靠回波时间测距，探测范围通常只有0.2～5米。它成本极低、近距离盲区小，主要用于低速泊车和近距离防碰撞，在高速ACC中只作为近距补盲角色。
二、各传感器在ACC中的角色分工
ACC的典型工作链路是：传感器输出原始数据 → 融合模块生成统一目标列表（距离、相对速度、方位、类别）→ 决策模块选出“跟车目标” → 纵向控制器输出加减速指令。在这个链路中，四类传感器承担的角色差异明显：
| 传感器 | 核心物理量 | 典型探测范围 | ACC中的主要角色 | 主要短板 |
|---|---|---|---|---|
| 毫米波雷达 | 距离、相对速度、方位角 | 0.5～200m | 主测距测速，输出跟车目标 | 角分辨率低，静止目标识别弱 |
| 激光雷达 | 三维点云、精确距离 | 0.5～150m | 高精度轮廓与冗余校验 | 成本高，雨雾衰减大 |
| 摄像头 | 图像、语义类别 | 5～120m | 目标分类、车道线、交通标志 | 测距精度低，受光照影响 |
| 超声波雷达 | 近距离回波时间 | 0.2～5m | 低速近距补盲、泊车 | 探测距离短，高速无效 |
三、典型场景：高速跟车时谁在起作用
假设自车以100km/h行驶，前方120米处有一辆货车。此时：
- 毫米波雷达首先在120米外稳定捕获目标，输出距离120m、相对速度-15km/h，ACC据此计算安全时距并开始收油。
- 摄像头同步识别出前方是“货车”而非“桥梁”，并确认本车所在车道线，避免把相邻车道车辆误判为跟车目标。
- 激光雷达（若配备）提供货车尾部精确轮廓，帮助判断其是否正在变道或存在掉落物。
- 超声波雷达在120米外完全无输出，只在车辆减速到低速、接近前车5米以内时才参与近距确认。
四、常见误区与复盘要点
复盘时建议重点检查三项：融合后的目标列表是否稳定、跟车目标切换是否平滑、恶劣天气下各传感器置信度权重是否合理调整。只有理解每类传感器的物理边界，才能在标定、融合和故障排查中做出正确判断。
# ACC 融合目标列表示例（简化）
target = {
"id": 7,
"distance_m": 118.4, # 毫米波雷达主测
"rel_speed_mps": -4.2, # 毫米波雷达多普勒
"azimuth_deg": 1.8, # 雷达方位角
"class": "truck", # 摄像头分类
"confidence": 0.96, # 融合置信度
"sensors": ["radar", "camera", "lidar"]
}掌握四类传感器的原理与角色，是理解ACC目标选择、安全时距计算和失效降级策略的基础。下一阶段将进入融合算法与目标跟踪的具体实现。