4. 车载感知技术基础

在车路云协同感知系统中，车载感知层是最贴近车辆运动状态与环境交互的“第一现场”。摄像头、毫米波雷达、激光雷达和超声波雷达构成了当前量产与测试车辆最常见的四类传感器组合。它们并非彼此替代，而是通过不同物理机理获取互补信息：摄像头擅长语义与纹理，毫米波雷达擅长速度与穿透，激光雷达擅长三维几何，超声波雷达擅长近距泊车探测。理解它们的工作原理与数据特点，是后续多源融合、目标跟踪与协同感知的基础。

一、四类传感器的工作原理

摄像头基于光学成像原理，通过镜头将外界光线聚焦到CMOS或CCD图像传感器上，形成二维像素阵列。每个像素记录亮度与颜色信息，经过ISP图像信号处理后输出RGB或YUV图像。摄像头本身不直接测距，但通过双目视差、结构光或单目几何约束可以估计深度。其核心优势是分辨率高、成本低、能识别车道线、交通标志、信号灯和行人等语义目标。

毫米波雷达工作在30～300GHz频段，常用77GHz或79GHz。它发射调频连续波（FMCW），通过回波与发射信号的频率差计算目标距离，通过多普勒频移计算相对速度，通过天线阵列相位差计算角度。毫米波对雨雾、烟尘和黑暗环境具有较强穿透能力，测速精度高，但角分辨率相对有限，对静止目标与金属护栏的区分容易产生虚警。

激光雷达通过发射激光脉冲并测量回波时间（ToF）获得精确距离，结合扫描机构或固态相控阵形成三维点云。每个点包含X、Y、Z坐标以及反射强度信息。激光雷达角分辨率高、测距精度可达厘米级，能直接构建环境三维轮廓，但受雨雪、浓雾和强光影响较大，且成本与数据量较高。

超声波雷达利用40kHz左右的超声波换能器发射声波，通过回波时间计算近距离障碍物距离。其有效探测范围通常在0.2～5米，波束角大，适合泊车、低速避障和盲区监测。超声波对温度、风速和表面材质敏感，远距离精度下降明显，但成本极低，是低速近距场景的标配。

二、数据特点与融合价值

四类传感器的数据在维度、频率、精度和语义层次上差异显著。摄像头输出稠密二维图像，语义信息丰富但缺乏直接深度；毫米波雷达输出稀疏目标列表，速度精度高但空间分辨率低；激光雷达输出稠密三维点云，几何精度高但无颜色语义；超声波雷达输出少量近距距离值，成本低但覆盖范围有限。多源融合的核心逻辑是：用摄像头提供类别与纹理，用毫米波提供速度与全天候鲁棒性，用激光雷达提供精确三维位置与轮廓，用超声波补齐低速近距盲区。

三、典型场景与配置案例

以一辆L2+级智能网联汽车为例，其感知配置通常为：前视摄像头1个（120°视场角，8MP）、环视摄像头4个（190°鱼眼）、前向毫米波雷达1个（77GHz，250m）、角雷达4个（79GHz，盲区监测）、激光雷达1个（128线，前向150m）、超声波雷达12个（前后保险杠各6个）。在高速巡航场景中，毫米波雷达负责远距目标测速与跟踪，摄像头负责车道线与交通标志识别，激光雷达补充三维轮廓；在低速泊车场景中，超声波雷达负责0.2～5m近距障碍物探测，环视摄像头提供视觉确认，两者共同完成泊车路径规划。

四、常见误区与复盘

• 误区一：激光雷达可以完全替代摄像头。激光雷达提供几何信息，但无法识别交通标志颜色、信号灯状态和路面文字，语义任务仍需摄像头。
• 误区二：毫米波雷达在静止目标前失效。传统毫米波雷达对静止目标过滤较强，但4D成像雷达通过俯仰角测量已显著改善静止目标检测能力。
• 误区三：超声波雷达可以用于高速避障。超声波传播速度约340m/s，远距回波弱且受风速影响，高速场景下无法满足实时性与精度要求。
• 误区四：多传感器数据直接叠加即可融合。融合前必须完成时间同步、空间标定和外参校准，否则会出现“同一目标在不同传感器中位置不一致”的问题。

# 典型多传感器时间同步检查示例
sensor_timestamps:
  camera_front:  1690000000.123
  radar_front:   1690000000.121
  lidar_top:     1690000000.125
  ultrasonic_04: 1690000000.119

# 同步阈值建议
max_allowed_offset_ms: 20
sync_status: PASS

复盘来看，四类传感器的关系不是“谁替代谁”，而是“谁在什么条件下补谁的短板”。摄像头在夜间和逆光下退化时，毫米波雷达仍能稳定测速；激光雷达在雨雾中衰减时，毫米波雷达仍能穿透；超声波在高速下失效时，毫米波与激光雷达已覆盖远中距。理解每类传感器的物理边界与数据特性，才能在车路云协同感知系统中做出合理的传感器选型、融合策略与冗余设计。