3. 感知传感器基础

自动驾驶的冗余感知系统不是把多个传感器简单堆叠，而是围绕“不同物理量、不同失效模式、不同覆盖范围”进行互补设计。要理解冗余，先要理解每类传感器的测量对象与固有短板：摄像头测的是二维纹理与颜色，激光雷达测的是三维几何距离，毫米波雷达测的是相对速度与距离，超声波雷达测的是近距障碍，GNSS/IMU测的是全局位置与运动状态。它们各自“看得见”的世界并不相同。

一、五类传感器的工作原理

摄像头通过镜头将外界光线聚焦到CMOS/CCD图像传感器上，光子转为电子后经ISP处理形成图像。它本质是“被动式、二维投影”传感器，单目无法直接获得深度，需依靠几何标定、多帧运动或深度学习估计距离。其优势是分辨率高、成本低、能识别颜色、纹理、交通标志与车道线；短板是受光照、逆光、雨雾影响大，且缺乏直接的三维测距能力。

激光雷达（LiDAR）主动发射激光脉冲，测量脉冲往返时间（ToF）或调频连续波相位差，得到每个点的精确距离，再结合扫描角度形成三维点云。机械旋转式、半固态MEMS、转镜式和固态OPA/Flash是主要形态。它直接输出三维几何，测距精度可达厘米级，不受环境光影响；但雨雾、扬尘会造成散射衰减，且成本与车规可靠性曾是量产瓶颈。

毫米波雷达发射77GHz或79GHz毫米波，利用FMCW调频连续波，通过混频得到中频信号，再经距离FFT、多普勒FFT和角度FFT解算出目标的距离、径向速度和方位角。它对速度测量极其敏感，穿透雨雾、烟尘能力强，探测距离远；但角分辨率较低，对静止金属、护栏易产生杂波，且难以识别目标类别。

超声波雷达工作在40kHz至58kHz，通过换能器发射超声波并接收回波，依据往返时间计算距离。它探测距离通常仅0.2至5米，波束角大、成本极低，适合泊车与近距防撞；但传播速度受温度影响，远距离衰减快，且易受风噪与地面反射干扰。

GNSS/IMU是定位与运动测量组合。GNSS接收多星座卫星信号，通过伪距、载波相位解算绝对位置，RTK可到厘米级；IMU由陀螺仪和加速度计组成，测量角速度与比力，积分得到姿态、速度和位移。GNSS提供绝对基准但易受遮挡与多径影响，IMU短时高频但存在零偏漂移，二者融合才能兼顾长期稳定与短期连续。

二、特性对比与选型逻辑

把五类传感器放在同一张表里，能更清楚地看到冗余设计的依据。下表从测量物理量、典型量程、精度、环境鲁棒性、主要失效模式五个维度进行对比。

三、典型场景中的冗余分工

以城市NOA通过一个无保护左转路口为例：摄像头负责识别红绿灯颜色、行人意图和车道线；激光雷达提供路口内车辆与锥桶的三维轮廓，弥补摄像头深度估计的不稳定；毫米波雷达持续输出对向直行车辆的径向速度，判断其是否减速；超声波雷达在低速蠕行时监测侧向近距障碍；GNSS/IMU提供路口在全局地图中的绝对位置与航向，保证融合结果不漂移。五者并非同时“看同一件事”，而是各自回答不同问题，再在融合层交叉校验。

四、常见误区与复盘

• 误区一：激光雷达点云多就等于感知强。点云密度高不代表分类准，缺乏语义时仍需摄像头补足。
• 误区二：毫米波雷达能测速就不需要IMU。毫米波测的是径向相对速度，无法提供自车姿态与全局航向。
• 误区三：超声波雷达可以替代低速激光雷达。超声波波束角大、更新率低，无法做精细轮廓与分类。
• 误区四：GNSS/IMU融合后就不会漂移。长时间GNSS失锁时，IMU零偏仍会累积，需要视觉或激光里程计辅助。

典型融合输入参数示例：
camera:  1280x960 @ 30fps, 内参 fx=1200, fy=1200
lidar:   128线, 10Hz, 测距精度 ±2cm, 视场 120°x25°
radar:   77GHz, 更新率 20Hz, 距离精度 ±0.1m, 速度精度 ±0.1m/s
uss:     12探头, 更新率 20Hz, 量程 0.2–5m
gnss:    RTK 固定解, 水平精度 2cm, 更新率 10Hz
imu:     200Hz, 陀螺零偏 < 0.5°/h, 加速度零偏 < 0.1mg

理解这五类传感器的原理与边界，是后续讨论时间同步、空间标定、融合架构与失效降级的基础。只有先看清每种传感器“能测什么、测不准什么、什么时候会失效”，冗余感知系统才不会被做成简单的数量堆砌。