📚 课程目录第2章自动驾驶系统基础

2. 自动驾驶系统基础

自动驾驶系统并不是一个“会自己开”的黑盒，而是由感知、定位、决策、控制四大模块串联而成的闭环系统。理解这四者的分工与耦合关系，是开展测试工程的前提：测试用例、故障注入、评价指标，几乎都围绕这四个模块的输入输出边界展开。

核心链路可以概括为：感知回答“周围有什么”，定位回答“我在哪里”，决策回答“下一步怎么走”，控制回答“如何把动作执行到位”。四者缺一不可，任一环节的误差都会沿链路放大。

一、感知模块：从“看得见”到“看得懂”

感知模块负责把物理世界转化为机器可计算的数据。典型传感器包括摄像头、激光雷达、毫米波雷达、超声波，以及农机上常用的 GNSS-RTK、IMU、轮速计和角度传感器。其核心任务有三类：目标检测（识别行人、车辆、障碍物）、语义分割（区分可行驶区域、作物行、田埂）、状态估计（估计目标位置与速度）。

在农机与工程机械中，感知面临的最大挑战是非结构化环境：农田没有车道线，作物行会因播种偏差而弯曲；工地扬尘会削弱激光雷达回波，振动会导致相机外参漂移。因此，感知算法不能只依赖单一传感器，而要做多源融合，并在测试中重点验证粉尘、逆光、雨雾、遮挡等边界场景。

二、定位模块：厘米级位姿是作业精度的基础

定位模块回答“我在哪里、朝哪个方向、速度多少”。农机自动驾驶普遍采用 GNSS-RTK + IMU + 轮速 的组合导航方案：RTK 提供厘米级绝对位置，IMU 提供高频姿态与角速度，轮速计在 GNSS 短时失锁时进行航位推算。工程机械在隧道、桥下、林间等遮挡场景中，还需引入激光点云匹配或视觉里程计作为补充。

定位误差会直接传递到作业质量。例如播种机对行误差超过 5 cm，就可能出现重播或漏播；平地机高程误差超过 2 cm，会影响后续摊铺。测试中常用固定解比例、航向误差、位置跳变、失锁恢复时间等指标评价定位模块。

三、决策模块：从全局任务到局部动作

决策模块分为全局规划与局部规划两层。全局规划根据地块边界、作业幅宽和农艺要求，生成往复式、回字形或套播式路径；局部规划则根据实时感知结果进行避障、绕行和速度调整。决策输出通常是目标轨迹点序列和速度指令。

农机决策的特殊性在于作业质量约束优先于通行效率：地头转弯要保证不压苗、不漏耕，机具提升与下降要与转向动作时序配合。工程机械则更强调任务状态机，如装载机的“铲装—举升—运输—卸料—返回”循环，每个状态都有明确的进入与退出条件。

四、控制模块：把轨迹变成执行器动作

控制模块接收目标轨迹与速度，输出转向角、油门开度、制动压力和机具升降指令。常用算法包括纯跟踪、Stanley、模型预测控制（MPC）和 PID。农机与工程机械的执行器多为液压系统，存在明显迟滞、死区和大惯性，因此控制参数需要针对机型标定。

# 典型控制参数标定记录（示例）
转向PID: Kp=1.8  Ki=0.05  Kd=0.12
速度环:  Kp=0.9  Ki=0.03
前视距离: 3.5 m（低速） / 6.0 m（高速）
转向死区补偿: 2.5%
液压响应延迟: 约 180 ms

五、四大模块的测试关注点对比

模块	核心输入	核心输出	农机/工程机械特殊要求	典型测试指标
感知	图像、点云、雷达回波	障碍物、可行驶区域	抗粉尘、抗振动、识别作物行	检出率、误检率、时延
定位	GNSS、IMU、轮速、点云	位姿、航向、速度	RTK 固定解、抗遮挡、高频输出	定位误差、失锁恢复时间
决策	地图、位姿、障碍物	目标轨迹、速度指令	作业质量优先、地头转弯时序	重耕率、漏耕率、避障成功率
控制	目标轨迹、车辆状态	转向角、油门、液压指令	液压迟滞补偿、大惯性稳定	跟踪误差、超调量、响应时间

测试提示：四大模块的接口边界是测试用例设计的抓手。例如向感知注入“逆光+扬尘”图像，向定位注入“GNSS 失锁 3 秒”，向决策注入“突然出现行人”，向控制注入“液压延迟 +50 ms”，即可系统覆盖链路风险。

常见误区：把自动驾驶测试等同于“跑一圈看看能不能走直”。实际上，走直只验证了控制与定位的稳态性能，无法暴露感知漏检、决策时序错误和失效降级问题。测试必须按模块分解，再按链路集成，才能定位真正的薄弱环节。

六、案例与复盘：地头转弯压苗问题

某拖拉机自动驾驶项目在田间测试中出现地头转弯压苗。复盘发现：感知模块未识别出地头已出苗区域，决策模块仍按固定转弯半径规划，控制模块的转向延迟又导致实际轨迹外扩。最终通过三项改进解决：感知增加作物行分割、决策引入地头缓冲区、控制加入前馈补偿。这说明自动驾驶故障往往是跨模块耦合问题，测试必须保留完整数据链路记录，包括传感器原始数据、定位轨迹、决策输出和控制指令，才能完成有效归因。