3. 传感器基础与选型
特种车辆的多传感器融合系统，第一步不是算法，而是“选对传感器”。不同传感器在物理机理、输出数据形式、环境适应性和成本上差异巨大。理解它们的原理与边界，才能为后续标定、时间同步和融合策略打下可靠基础。
一、核心原理：七类传感器的物理本质
摄像头基于小孔成像与光电转换，输出二维像素阵列，富含颜色、纹理和语义信息，但缺少直接深度，且受光照影响显著。激光雷达（LiDAR）通过发射激光脉冲并测量飞行时间（ToF），获得高精度三维点云，测距精度可达厘米级，但雨雾、烟尘会散射光束。毫米波雷达利用77GHz或24GHz电磁波的FMCW调制，直接测量目标的距离与径向速度，穿透雨雾能力强，但角分辨率较低、点云稀疏。
超声波依靠声波回波测距，成本极低，适合0.2～5m近距探测，但波束角大、响应慢、易受风与温度影响。红外传感器感知热辐射，在夜间和烟尘中可发现行人、发热目标，但分辨率低、易受环境温度干扰。IMU由陀螺仪与加速度计组成，测量角速度和比力，短时高频、连续输出，但存在零偏和积分漂移。GNSS通过卫星伪距/载波相位解算绝对位置，长期稳定，但城市峡谷、隧道、林区易失锁，且更新率低。
二、优缺点速查与适配清单
| 传感器 | 核心优势 | 主要短板 | 特种车辆典型用途 |
|---|---|---|---|
| 摄像头 | 语义识别、成本低 | 受光照/天气影响 | 车道线、交通标志、行人识别 |
| 激光雷达 | 三维精度高、点云稠密 | 雨雾衰减、价格高 | 越野地形建模、障碍物精确定位 |
| 毫米波雷达 | 全天候、直接测速 | 角分辨率低、点云稀疏 | 前向防撞、盲区监测 |
| 超声波 | 近距可靠、成本极低 | 响应慢、探测距离短 | 低速泊车、底盘防刮 |
| 红外 | 夜间/烟尘探热源 | 分辨率低、温漂 | 夜间行人预警、火源探测 |
| IMU | 高频、连续、自主 | 零偏、积分漂移 | 姿态估计、短时航位推算 |
| GNSS | 绝对定位、长期稳定 | 易失锁、更新率低 | 全局路径规划、车队调度 |
三、特种车辆适配选型方法
特种车辆与乘用车最大的区别在于任务剖面差异大：消防车要穿透浓烟，矿卡要面对粉尘与振动，军用越野车要应对复杂地形与电磁干扰。因此选型不能照搬乘用车方案，而应遵循“任务驱动—环境约束—冗余互补—成本可控”的四步法。
- 任务驱动：先明确车辆要完成什么任务。例如消防车需要烟尘中的人员探测，则红外与毫米波雷达优先级高于摄像头。
- 环境约束：评估温度、振动、粉尘、电磁干扰、防水等级。矿卡需选择IP69K防护与抗振等级高的激光雷达。
- 冗余互补：关键感知链路至少两种不同物理机理的传感器互为备份。例如前向感知采用“毫米波雷达+摄像头+激光雷达”三重冗余。
- 成本可控：在满足任务与安全的前提下，用超声波、红外等低成本传感器覆盖近距与夜间盲区，避免全场景堆砌高价激光雷达。
选型参数示例（矿卡前向感知配置）：
激光雷达：128线，探测距离200m，IP69K，抗振5g
毫米波雷达：77GHz，探测距离250m，测速精度±0.1m/s
摄像头：1920×1080，HDR 120dB，宽温-40~85℃
IMU：零偏稳定性0.5°/h，更新率200Hz
GNSS：RTK双频，定位精度±2cm，更新率20Hz四、案例与常见误区复盘
案例：某矿区无人矿卡初期仅依赖激光雷达与摄像头，在扬尘天气下激光雷达点云大量丢失，摄像头画面模糊，导致车辆频繁急停。后增加毫米波雷达作为前向主传感器，并利用IMU+GNSS组合在激光雷达失效时维持短时航位推算，系统可用率从82%提升至97%。
常见误区：
- 误区一：认为激光雷达可以替代一切。实际上雨雾、烟尘、镜面反射都会导致点云缺失或噪声。
- 误区二：忽略IMU与GNSS的互补性。GNSS失锁时，没有IMU递推，融合系统会直接失去姿态与位置基准。
- 误区三：只看探测距离，不看更新率与延迟。特种车辆高速或剧烈机动时，低更新率传感器会造成融合滞后。
- 误区四：不评估安装位置与标定难度。激光雷达与摄像头的外参标定误差会直接放大融合误差。
选型口诀：任务定需求，环境定防护，冗余定安全，成本定规模。先画任务剖面图，再列传感器能力矩阵，最后用实车场景验证，而不是先买传感器再想怎么用。
掌握七类传感器的原理与边界后，下一步就是解决它们之间的时间同步与空间标定问题，这是多传感器融合从“能看”到“看得准”的关键跨越。