2. 智能驾驶系统概述

智能驾驶系统并不是一个“单一大模型”或“单个控制器”，而是由感知、决策、规划、控制四大功能模块构成的闭环系统。理解这条链路，是理解标定与验证为何贯穿开发全流程的前提。感知负责把物理世界转化为可计算的对象与场景；决策负责在不确定环境中确定“做什么”；规划负责把决策意图转化为可执行的轨迹；控制负责把轨迹转化为油门、制动、转向等执行器指令。四者之间既有严格的数据流，也有层层递进的约束关系。

一、四大模块的功能边界与接口

感知模块的输入是摄像头、毫米波雷达、激光雷达、IMU、GNSS 等原始信号，输出是目标列表、车道线、可行驶区域、自车定位与场景语义。它解决的是“世界是什么样”的问题。决策模块接收感知结果，结合导航地图与交通规则，输出行为意图，例如跟车、换道、超车、避让、停车让行。它解决的是“接下来做什么”的问题。规划模块把行为意图展开为一条带时间戳的轨迹，包含路径点、速度曲线与加速度约束，解决的是“具体怎么走”的问题。控制模块则把轨迹转化为转向角、驱动扭矩、制动压力等执行器指令，解决的是“如何让车准确执行”的问题。

四个模块之间不是简单的串行关系。感知的置信度会影响决策的保守程度，规划的舒适性约束会反过来限制决策的激进度，控制的响应延迟又会影响规划对轨迹可执行性的判断。因此，标定工作必须跨模块协同，不能只盯着单个模块的参数。

二、标定与验证在开发流程中的位置

在传统软件开发中，测试往往集中在编码之后。但智能驾驶系统不同，标定与验证从需求定义阶段就开始介入。需求定义阶段要明确性能指标，例如目标检测距离、横向控制精度、制动响应时间；系统架构阶段要确定传感器布局与标定方案；模块开发阶段要同步建设仿真场景与回放工具链；标定匹配阶段要完成传感器内外参、时间同步、控制参数、规划舒适性参数的联合调整；仿真验证、HIL 验证、实车标定、道路验证则逐级提升置信度，最终才能进入量产释放。

三、典型场景：一次换道功能的标定与验证链路

以高速公路自动换道为例。感知模块需要标定摄像头外参，确保车道线检测与自车坐标系对齐；同时标定雷达与摄像头的时间同步，避免目标位置在融合时出现拖影。决策模块需要标定换道意图的触发阈值，例如本车与目标车道后车的最小安全距离、换道允许的最大相对速度差。规划模块需要标定换道轨迹的横向加速度上限、换道时长与曲率连续性。控制模块需要标定横向控制的预瞄距离、PID 参数或 MPC 权重，使车辆实际轨迹与规划轨迹的横向偏差控制在目标范围内。

验证时，先在仿真环境中回放大量换道场景，检查决策是否误触发、规划轨迹是否平滑、控制跟踪是否超调；再进入 HIL 台架，验证控制器在真实总线信号下的响应；最后在封闭场地和公开道路上进行实车验证，采集横向偏差、换道时长、乘坐舒适性等指标。任何一个环节不达标，都要回到对应模块重新标定，而不是只调整末端参数。

四、常见误区与复盘

• 误区一：把标定当成“调参”。标定是有物理意义和约束条件的参数确定过程，不是盲目试凑。每个参数都应对应明确的性能指标与边界条件。
• 误区二：验证只在实车阶段做。实车验证成本高、周期长、场景覆盖有限。仿真与 HIL 应承担大部分回归验证，实车聚焦高风险与长尾场景。
• 误区三：感知、决策、规划、控制各自独立验证即可。模块级通过不等于系统级通过，接口时序、坐标系一致性、延迟补偿都可能在集成时暴露问题。
• 误区四：忽略数据闭环。量产后的 corner case 应回流到场景库，驱动标定与验证用例持续更新，否则系统能力会停滞。

典型标定参数示例（换道功能）：
感知：camera_extrinsic_yaw = 0.12 deg
      lidar_camera_time_offset = 8 ms
决策：lane_change_min_gap = 25 m
      lane_change_max_delta_v = 15 km/h
规划：lateral_accel_limit = 1.8 m/s^2
      lane_change_duration = 4.5 s
控制：lateral_preview_distance = 12 m
      steering_pid_kp = 0.85

理解感知、决策、规划、控制的功能分工与数据流，是后续学习标定方法、验证工具链和性能评价指标的基础。只有把标定与验证放回开发流程的正确位置，才能避免“先开发后补测”的被动局面，建立起可迭代、可追溯、可量产的智能驾驶系统工程能力。