3. 失效模式总览

在LiDAR感知系统中，失效并不是一个单一事件，而是一组具有不同成因、不同表现、不同影响范围的故障集合。工程上如果只把失效理解为“点云没了”，就会在降级策略设计时遗漏大量隐蔽性更强的故障。例如，点云仍然存在但反射强度整体偏低、局部区域出现拖尾、时间戳漂移导致与相机融合错位，这些都属于LiDAR失效，却不会触发“无数据”告警。因此，建立失效模式总览，是后续降级与融合补偿设计的前提。

本节将LiDAR典型失效模式划分为四大类：环境失效、硬件失效、算法失效与数据关联失效。四类失效在发生位置、可观测信号、持续时间与补偿手段上差异明显，下面先通过一张总览图建立整体认知。

一、环境失效：外部条件导致的回波异常

环境失效是LiDAR在真实道路场景中最常见的失效类型，其本质是激光传播路径或回波特性被外部介质改变。典型场景包括：

• 雨雾雪衰减：水滴、冰晶对905nm或1550nm激光产生散射与吸收，导致有效探测距离从150m骤降至30～50m，点云密度整体下降。
• 强光致盲：正对太阳或对向远光灯时，探测器背景噪声急剧升高，近距离点云出现“白噪声”式虚假点。
• 低反射率目标：黑色车漆、湿滑路面、玻璃幕墙等反射率低于5%的目标，回波强度低于阈值，形成“空洞”。
• 悬浮颗粒干扰：扬尘、尾气、水花在近场形成密集虚假点，容易被误判为障碍物。

环境失效的特点是空间范围大、持续时间与天气同步、可预测性较强。工程上通常通过回波强度统计、有效点比例、近场噪声密度等指标进行在线检测。

二、硬件失效：器件与机械结构的退化

硬件失效源于LiDAR内部器件或机械结构的老化、损坏与污染。与突发性电子故障不同，多数硬件失效是渐进式的，早期表现为局部性能下降，后期才完全失效。

三、算法失效：数据处理链路的错误

算法失效并不代表原始点云一定有问题，而是处理算法在特定场景下输出错误结果。常见类型包括：

1. 运动畸变未补偿：车辆高速行驶或急转弯时，一帧点云内各点采集时刻不同，若未做运动补偿，道路边缘与杆状物会出现明显拖尾。
2. 地面分割误判：坡道、路沿、减速带被误分为地面或非地面，导致可通行区域估计错误。
3. 聚类参数失配：近距离行人被过分割为多个目标，远距离车辆被欠分割合并为一个目标。
4. 标定参数漂移：长期运行后外参发生微小变化，融合时点云与图像出现系统性偏移。

算法失效的隐蔽性最强，因为点云“看起来正常”，但下游感知结果已经错误。工程上需要引入一致性校验，例如将LiDAR检测结果与视觉检测结果做交叉验证。

四、数据关联失效：多传感器协同中的错位

当LiDAR与相机、IMU、GNSS等多传感器融合时，数据关联失效成为独立且高发的一类问题。其核心是“数据本身没错，但对应关系错了”。典型表现包括：

• 时间戳不同步：LiDAR帧与图像帧相差超过50ms，高速场景下融合目标出现“重影”。
• 外参标定偏差：旋转或平移矩阵存在小误差，导致投影后的点云与图像边缘不重合。
• 坐标系转换错误：ENU、车体、传感器坐标系混用，点云整体偏移或翻转。
• 多传感器帧丢失：某一传感器丢帧后，融合模块仍按旧数据推算，产生虚假目标。

五、四类失效的对比与降级策略映射

四类失效在检测难度、影响范围与补偿手段上差异显著，下表给出工程上的快速对照：

六、案例与复盘：一次雨夜误刹车的失效链

某项目在雨夜出现一次误刹车：LiDAR在近场检测到大量虚假点，被聚类为“障碍物”，触发AEB。复盘发现失效链为：

[环境] 雨滴散射 → 近场虚假点增多
[算法] 地面分割未过滤近场噪声 → 虚假点被保留
[数据关联] 视觉在夜间低照度下未检出目标 → 无法交叉否决
[结果] 融合模块置信度计算偏高 → 误刹车

该案例说明：单一失效往往不会直接导致事故，而是多类失效叠加。工程上应建立“失效链”视角，而不是孤立地看某一类故障。检测模块需要同时输出环境置信度、硬件健康度、算法一致性、关联同步质量四个维度，才能支撑可靠的降级决策。