4. 车端感知系统概述
车端感知系统是自动驾驶与车路协同融合的“第一现场”。它并不依赖单一传感器，而是由摄像头、毫米波雷达、激光雷达、超声波雷达以及GNSS/IMU组合定位单元共同构成。不同传感器在探测距离、分辨率、环境适应性、成本与数据维度上各有取舍，工程上通过互补与冗余，形成对车辆周围环境与自身状态的多层次认知。
一、核心原理：五类传感器的物理基础与输出
车载摄像头以光学成像为基础，输出二维图像或视频流，擅长识别颜色、纹理、交通标志、车道线和目标类别。其核心参数包括分辨率、帧率、视场角、动态范围和低照度性能。摄像头能“看懂”目标是什么，但单目测距精度有限，需要标定与几何模型辅助。
毫米波雷达工作在毫米波段，通过发射调频连续波并接收回波，利用多普勒效应测速、利用飞行时间测距。它对雨雪雾尘的穿透能力强，可稳定输出目标的距离、径向速度和方位角，常用于自适应巡航、前向碰撞预警和盲区监测。缺点是角分辨率相对较低，对静止目标与金属护栏的区分需要算法抑制。
激光雷达通过发射激光束并测量回波时间，生成高精度三维点云。它提供厘米级测距和密集的空间采样，能直接刻画障碍物轮廓、路面边界和可通行区域。机械旋转式、半固态和固态激光雷达在视场角、线束和可靠性上差异明显，但共同优势是三维几何感知能力强。
超声波雷达利用高频声波反射测距，探测范围通常在数米以内，成本低、近距离盲区小，主要用于泊车辅助和低速防碰撞。其缺点是探测距离短、易受温度与风速影响，不适合高速场景。
GNSS/IMU组合定位单元解决“车在哪里、姿态如何”的问题。GNSS提供绝对位置与速度，IMU提供高频角速度和加速度，二者通过松耦合或紧耦合融合，在卫星信号受遮挡时依靠惯性递推维持短时定位连续性。其输出包括经纬度、航向、俯仰、横滚和速度，是车端融合与路侧协同的时空基准。
二、方法流程：从单传感器输出到融合感知
车端融合通常遵循“时间同步—空间标定—目标关联—状态估计—决策输出”的流程。第一步是时间同步，将各传感器数据统一到同一时间基准，常用PTP或GPS秒脉冲触发；第二步是空间标定，把摄像头像素、雷达目标、激光点云和车辆坐标系对齐；第三步是目标关联，将不同传感器对同一物理目标的观测匹配起来；第四步是状态估计，利用卡尔曼滤波或因子图优化输出稳定的位置、速度和类别；最后输出给规划控制与V2X协同模块。
典型融合参数示例：
摄像头：1920×1080 @ 30fps，FOV 120°，探测距离 150m
毫米波雷达：77GHz，测距 0.2~250m，测速 ±100m/s，角精度 ±1°
激光雷达：128线，测距 0.5~200m，点频 200万点/秒
超声波雷达：40kHz，测距 0.2~5m，盲区小于 0.3m
GNSS/IMU：RTK定位精度 2cm+1ppm，IMU 200Hz，航向精度 0.1°三、案例/场景：城市路口与高速匝道的传感器分工
在城市路口，摄像头负责识别红绿灯、行人和非机动车，激光雷达补充三维轮廓，毫米波雷达跟踪快速接近的车辆，超声波雷达在低速泊车时补盲，GNSS/IMU提供车辆在路口内的绝对位置与航向。在高速匝道汇入场景，毫米波雷达远距探测优势明显，可提前发现主路来车；摄像头识别车道线和限速标志；激光雷达在夜间或逆光下提供稳定几何信息；GNSS/IMU保证车辆在隧道或高架遮挡下仍能维持短时定位。车路协同场景中，路侧感知结果与车端融合结果进行时空对齐，可进一步扩大感知范围。
四、误区与复盘：传感器不是越多越好
常见误区一：认为激光雷达可以替代摄像头。激光雷达擅长几何，但无法直接识别交通标志文字和颜色语义，摄像头仍是分类主力。
常见误区二：忽略标定与时间同步。若摄像头与雷达外参偏差超过0.5°，远距离目标关联就会失败，融合结果反而比单传感器更差。
常见误区三：把GNSS/IMU当作绝对可靠。城市峡谷、隧道和多路径环境下，GNSS会漂移，必须依靠IMU递推和激光/视觉里程计辅助。
| 传感器 | 核心输出 | 优势 | 局限 | 典型用途 |
|---|---|---|---|---|
| 车载摄像头 | 2D图像、语义类别 | 识别丰富、成本适中 | 受光照天气影响、测距弱 | 车道线、标志、行人识别 |
| 毫米波雷达 | 距离、速度、方位 | 全天候、远距测速 | 角分辨率低、静止目标难分 | ACC、FCW、盲区监测 |
| 激光雷达 | 3D点云 | 高精度几何、轮廓清晰 | 成本高、受雨雾影响 | 障碍物检测、可通行区域 |
| 超声波雷达 | 近距离距离 | 低成本、近距补盲 | 距离短、高速不适用 | 泊车辅助、低速防撞 |
| GNSS/IMU | 位置、姿态、速度 | 绝对定位、高频姿态 | 遮挡下漂移、需融合校正 | 定位基准、运动先验 |
工程复盘建议：先明确场景需求，再决定传感器组合。高速场景优先毫米波雷达与摄像头，城市低速场景增加超声波与激光雷达，隧道与高架场景强化GNSS/IMU与视觉里程计融合。融合前必须完成时间同步与联合标定，否则“多传感器”只会带来更多噪声。
综上，车端感知系统的能力不是五类传感器的简单叠加，而是围绕“看得清、测得准、定位稳、全天候”的目标进行互补设计。摄像头提供语义，毫米波雷达提供速度与全天候测距，激光雷达提供三维几何，超声波雷达补足近距盲区，GNSS/IMU提供绝对时空基准。只有理解每类传感器的物理边界与融合逻辑，才能在车路协同工程中做出合理的选型、标定与降级策略。