3. 环境感知技术概述
环境感知是工程机械实现自主作业与安全避障的“第一道关口”。它并不是简单地把摄像头或雷达装到机器上，而是要把物理世界中的障碍、地形、人员、边界和自身状态，转化为控制系统可以理解、可以决策、可以执行的结构化信息。本节从感知层次、传感器分类、系统组成、典型任务与性能指标五个角度，建立环境感知技术的整体认知框架。
一、感知层次：从信号到语义的四级跃迁
工程机械的感知通常可以划分为四个层次，层次越高，信息越接近决策需求，但对算力和算法的要求也越高。
- 信号层：传感器原始输出，如激光雷达的点云距离、毫米波雷达的中频信号、摄像头的像素灰度值。这一层数据量大、噪声多，不能直接用于避障决策。
- 数据层：经过滤波、去噪、时间同步和坐标变换后的规范化数据，如三维点云、深度图、目标列表。数据层是后续算法的输入基础。
- 目标层：从数据中检测、分割、跟踪出的具体对象，如行人、车辆、锥桶、沟槽、边坡。目标层回答“有什么、在哪里、往哪动”。
- 语义层：对场景整体理解，如“前方为施工区，右侧有人员活动，地面承载能力不足”。语义层直接支撑路径规划与安全策略。
二、传感器分类：按物理机理与安装位置划分
工程机械常用传感器可按物理机理分为主动式与被动式，也可按安装位置分为本体感知与环境感知。主动式传感器发射能量并接收回波，如激光雷达、毫米波雷达、超声波雷达；被动式传感器只接收外界能量，如可见光相机、红外热像仪。本体感知包括倾角传感器、编码器、IMU、油压传感器，用于获取机械自身姿态与动作状态；环境感知则负责获取外部世界信息。
| 传感器类型 | 典型输出 | 优势 | 局限 | 典型用途 |
|---|---|---|---|---|
| 激光雷达 LiDAR | 三维点云 | 测距精度高、分辨率高 | 受雨雾粉尘影响、成本较高 | 地形建模、障碍检测 |
| 毫米波雷达 | 距离、速度、角度 | 穿透雨雾、测速直接 | 点云稀疏、角分辨率有限 | 远距目标跟踪、防碰撞 |
| 超声波雷达 | 近距离距离 | 成本低、近距可靠 | 探测距离短、易受风影响 | 倒车、贴边作业 |
| 可见光相机 | 图像、视频 | 信息丰富、可识别语义 | 受光照影响、测距需标定 | 目标分类、标志识别 |
| 红外热像仪 | 热辐射图像 | 夜间可探测人员 | 分辨率低、受温度影响 | 夜间人员检测 |
| IMU/倾角传感器 | 姿态、角速度、加速度 | 高频、短时精度高 | 存在漂移 | 本体姿态补偿、定位融合 |
三、感知系统组成：多传感器融合的工程链路
一个完整的工程机械感知系统通常由传感器层、采集与同步层、计算平台层、算法层和输出接口层组成。传感器层负责物理量采集；采集与同步层解决不同传感器的时间戳对齐和坐标统一；计算平台层提供算力与实时调度；算法层完成检测、跟踪、分割、融合与语义理解；输出接口层把感知结果以标准消息格式发送给规划控制模块。
四、典型感知任务与性能指标
工程机械的典型感知任务包括：障碍物检测与分类、可通行区域分割、地形坡度与承载估计、人员识别与跟踪、作业边界识别、自身位姿估计。不同任务对性能指标的侧重点不同，但通常需要同时关注以下几类指标。
- 检测指标：准确率、召回率、mAP、误报率。工程场景中召回率往往比准确率更关键，漏检一个行人可能造成严重事故。
- 定位指标：距离误差、角度误差、横向/纵向定位精度。例如障碍物距离误差需控制在 ±0.1 m 以内。
- 实时性指标：帧率、端到端延迟。避障系统通常要求感知延迟低于 100 ms，高速行走时要求更严。
- 鲁棒性指标：在雨、雾、粉尘、强光、夜间等条件下的性能保持能力。
- 覆盖指标：视场角、探测距离、盲区范围。工程机械盲区大，需通过多传感器布置补盲。
典型感知性能参数示例（工程机械避障场景）：
检测距离：0.3 m ~ 50 m
水平视场角：360°（多雷达拼接）
距离精度：±0.05 m（激光雷达）
更新频率：10 ~ 20 Hz
端到端延迟：≤ 80 ms
行人检测召回率：≥ 99%（白天）
夜间行人检测召回率：≥ 95%（红外+雷达融合）五、案例与误区复盘
以某型挖掘机自主装车场景为例：激光雷达安装在驾驶室顶部，毫米波雷达布置在车身四角，超声波雷达用于近距贴边，相机用于识别料堆和车辆。感知系统先通过激光雷达建立地形点云，再融合毫米波雷达跟踪移动车辆，最后输出可通行区域和障碍物列表。实际调试中常见的误区有三个：一是只关注单传感器指标，忽略时间同步，导致融合后目标位置跳动；二是把感知输出直接当作真值，未设置置信度和失效降级策略；三是忽视标定误差，相机与雷达外参偏差几度就会造成远距离目标错位。