1. 课程导入

1.1 从“看得见”到“看得准、看得全、看得稳”

自动驾驶系统通常被划分为感知、定位、预测、规划、控制等模块。其中，感知是整条链路的入口：它把摄像头、激光雷达、毫米波雷达、超声波、GNSS/IMU 等传感器的原始信号，转换为车辆周围可被下游模块使用的结构化信息，包括目标类别、位置、速度、朝向、可行驶区域、车道线、交通标志与信号灯状态等。没有可靠的感知，后续预测与规划就像在黑暗中决策。

但感知系统面临的现实并不理想：雨雾会衰减激光雷达回波，强光会致盲摄像头，金属护栏会产生多径反射，隧道出入口会出现剧烈曝光变化，遮挡、截断、小目标、远距离目标更是常态。因此，工程上真正追求的不是“单次检测准确率”，而是在各类场景下持续输出可用感知结果的能力。这正是冗余感知要解决的问题。

1.2 冗余感知的定义与重要性

冗余感知是指通过多传感器、多模态、多算法、多视角、多供电与多通信路径的协同与备份，使系统在单一传感器失效、退化或被遮挡时，仍能维持最低可接受的安全感知能力。冗余不是简单“多装几个传感器”，而是围绕失效模式进行有目的的能力覆盖与独立性设计。

冗余感知的价值体现在三个层面：

• 安全层：满足功能安全与预期功能安全要求，降低漏检、误检导致的碰撞风险。
• 可用层：在雨雪、扬尘、逆光等退化场景中维持系统可运行，减少接管与降级。
• 验证层：多源结果可交叉校验，为故障诊断、置信度评估与在线监控提供依据。

1.3 核心原理：感知链路上的冗余分布

冗余可以分布在感知链路的多个层级。下图给出一个典型的冗余感知系统结构：从物理传感器、数据采集与时间同步、特征/目标级融合，到故障诊断与降级策略，每一层都设置备份或交叉校验路径。

1.4 方法流程：冗余感知的工程落地步骤

冗余感知不是一次性设计，而是一个持续迭代的工程闭环。典型流程如下：

1. 场景与失效分析：梳理 ODD 内典型场景，识别传感器可能出现的失效模式（遮挡、致盲、雨衰、多径、漂移）。
2. 冗余需求分解：为每类失效模式定义最低感知能力要求，如“前向 80 m 内目标检测概率不低于某阈值”。
3. 架构设计：选择传感器组合、安装位置、视场覆盖、供电与通信拓扑，明确独立性与互补性。
4. 融合与校验：设计前融合/后融合策略，建立跨模态一致性检查与置信度评估机制。
5. 测试与验证：通过仿真、封闭场地、实车路测覆盖失效注入与退化场景。
6. 在线监控与降级：运行时监控传感器健康度，触发降级、限速或接管请求。

1.5 案例场景：隧道口的“逆光+遮挡”挑战

车辆驶出隧道时，摄像头可能因强光过曝而短暂丢失前方目标，激光雷达也可能因阳光干扰出现噪点。若仅有单一路径，系统可能漏检前方静止车辆。冗余感知的应对方式是：毫米波雷达在强光下仍能稳定测距测速，提供目标存在性；激光雷达通过多帧跟踪与地面分割维持可行驶区域；摄像头在曝光恢复后重新参与融合。三路结果经一致性校验后，系统可维持目标跟踪并平稳减速，而不是直接退出自动驾驶。

1.6 课程学习目标与知识框架

本课程围绕“冗余感知系统工程”展开，目标是让学习者能够：

• 理解冗余感知的定义、分类与安全价值；
• 掌握多传感器时空同步、标定与融合的基本方法；
• 能够设计面向失效模式的冗余架构与降级策略；
• 具备冗余感知系统的测试、验证与故障复盘能力。

整体知识框架可概括为下表：