2. 感知基础

感知系统是自动驾驶与机器人系统的“感官入口”。它把物理世界中的距离、亮度、速度、姿态等信息转换为可计算的数据，再交给规划与控制模块使用。若把整个系统比作人体，传感器相当于眼、耳、皮肤，数据采集是神经传导，标定是让不同感官建立统一坐标，时间同步则是让大脑在同一时刻理解世界。本节围绕这四件事展开：传感器类型、数据采集、标定、同步。

一、核心原理：四类传感器与互补关系

工程中常见的感知传感器可分为四类。第一类是摄像头，输出二维图像，擅长识别颜色、纹理、车道线、交通标志和行人，但缺少直接深度，受光照影响大。第二类是激光雷达（LiDAR），通过飞行时间测距生成三维点云，测距精度高、不受光照影响，但雨雾天气衰减明显，且成本与数据量较大。第三类是毫米波雷达，利用多普勒效应测速，穿透雨雾能力强，适合远距离目标检测，但角分辨率较低、点云稀疏。第四类是IMU/GNSS，提供加速度、角速度和绝对位置，用于运动估计与全局定位，但IMU存在零偏漂移，GNSS在遮挡环境下易失锁。

单一传感器无法覆盖所有场景，因此工程上强调多传感器融合。融合的前提是：不同传感器必须在同一坐标系下表达，并且在同一时间基准上对齐。这正是标定与同步要解决的问题。

二、方法流程：数据采集与时间戳管理

数据采集不是简单“读传感器”，而是一条完整的流水线。以激光雷达为例，典型流程包括：驱动初始化、配置扫描频率与量程、接收原始包、解析为点云、打时间戳、写入缓冲队列、发布给下游。摄像头则涉及曝光控制、图像编码、帧率稳定。IMU需要高频采样并做温度补偿。

时间戳是采集环节的生命线。常见做法有三种：硬件触发由统一时钟源产生脉冲，所有传感器在同一时刻采样，精度最高；PTP（精确时间协议）通过网络同步各设备时钟，适合分布式系统；软件时间戳在数据到达主机时打标，实现简单但受操作系统调度影响，抖动较大。工程上通常要求时间戳误差控制在毫秒级以内，高速场景甚至要求微秒级。

# 典型采集配置示例（YAML）
lidar:
  model: RS-LiDAR-16
  scan_rate: 10Hz
  timestamp_source: PTP
camera:
  resolution: 1920x1080
  fps: 30
  trigger: hardware
imu:
  rate: 200Hz
  temperature_compensation: true
sync:
  master_clock: GPS_PPS
  max_offset_ms: 1.0

三、标定：让不同传感器说同一种“坐标语言”

标定分为内参标定和外参标定。内参描述传感器自身特性，例如摄像头的焦距、主点、畸变系数，激光雷达的每束激光角度偏移。外参描述传感器之间的相对位置和姿态，即旋转矩阵与平移向量。只有外参准确，摄像头看到的像素才能投影到激光雷达点云上，雷达检测到的目标才能与图像目标关联。

常见标定方法包括：棋盘格标定摄像头内参；使用标定板或特定场景标定相机与激光雷达外参；通过车辆运动轨迹标定IMU与轮速计；多传感器联合标定则同时优化所有参数，使重投影误差最小。标定不是一次性的，车辆震动、温度变化、碰撞都可能使外参漂移，因此量产系统通常具备在线标定或标定自检能力。

四、同步：硬同步、软同步与插值对齐

同步解决“同一时刻”的问题。硬同步通过共享时钟或触发信号，让所有传感器在同一物理时刻采样，精度最高，但布线复杂。软同步依赖时间戳，在数据融合时按时间对齐。由于不同传感器频率不同，例如摄像头30Hz、激光雷达10Hz、IMU 200Hz，通常需要插值或外推：以某一主传感器时间为基准，将其他传感器数据插值到该时刻。

同步误差会带来运动畸变。例如激光雷达旋转一周需要100ms，若车辆以30m/s行驶，一帧点云内车辆已移动3米，必须做运动补偿。IMU在此发挥关键作用：用高频IMU数据估计每个激光点采集时刻的位姿，将点云统一到同一参考时刻。

五、案例与误区复盘

某园区低速无人车在直行时融合稳定，但转弯时出现目标“重影”。排查发现：摄像头与激光雷达外参标定后未复检，车辆经过减速带后支架轻微变形，外参旋转偏差约0.8度；同时激光雷达与摄像头采用软件时间戳，转弯时相对运动大，时间偏差被放大。整改措施是重新标定外参、启用硬件触发，并在融合前加入运动补偿。重影消失，目标关联准确率显著提升。

常见误区有三：一是重算法轻标定，认为融合效果差是模型问题，忽视外参误差；二是忽略时间戳质量，用采集完成时间代替采样时间，导致高速场景错位；三是标定一次用到底，没有在线监测与复标机制。复盘时应把标定残差、时间偏移、丢帧率作为关键指标持续监控。

总结来看，传感器类型决定感知能力边界，数据采集保证原始数据完整可靠，标定建立统一空间基准，同步建立统一时间基准。四者环环相扣，任何一环失准，都会在融合输出中被放大。掌握这条链路，是后续感知算法、规划控制与安全监控能够稳定工作的基础。