3. 量产标定概述

在智能驾驶系统中，算法模型决定了“理论上能做什么”，而标定则决定了“在真实车辆上究竟能做到多好”。量产标定（Production Calibration）是连接研发算法与批量整车交付之间的关键工程环节，它通过参数确定、数据验证与一致性控制，使同一套软硬件方案在不同车辆、不同工况和不同批次中都能稳定达到设计性能。

一、标定的定义

标定是指在给定硬件配置、软件版本和整车状态下，通过试验、测量与参数寻优，确定传感器、执行器、控制器及融合算法所需参数集合的过程。其输出不是一段新代码，而是一组可被软件读取和执行的参数，例如相机内参、外参、雷达安装角、IMU零偏、轮速尺度因子、转向传动比、制动响应延迟、目标融合置信度阈值等。

从工程本质看，标定解决的是“模型假设”与“物理现实”之间的偏差。车辆制造公差、传感器装配误差、轮胎磨损、载荷变化、温度漂移都会让理论模型偏离实际。标定的目标就是把这些偏差量化并补偿到可接受范围内。

二、标定的分类

智能驾驶量产标定通常按对象、阶段和目的三个维度分类。按对象可分为传感器标定、执行器标定、系统级标定；按阶段可分为研发标定、工程标定、量产标定；按目的可分为性能标定、安全标定、法规标定。实际项目中，这些分类往往交叉出现。

三、标定的目的

量产标定的目的可以归纳为四个层面。第一是性能达标：让AEB、ACC、LKA、NOA等功能在定义工况下达到设计指标。第二是一致性：保证第1台车和第10000台车的表现差异在允许范围内。第三是安全与合规：满足功能安全、预期功能安全及法规对参数边界的要求。第四是可追溯：每一组参数都能对应到硬件批次、软件版本、试验数据和审批记录。

如果只追求“单台车调好”，那只是研发调试；量产标定追求的是“批量车稳定好”，这需要统计过程控制思维，而不是单点最优思维。

四、在量产开发流程中的位置

标定不是开发末期的“收尾工作”，而是贯穿V模型右侧验证与左侧确认的桥梁。典型流程如下：

需求定义 → 系统架构 → 软硬件设计 → 研发标定
   → 台架/试验车验证 → 工程标定冻结
   → 试制车小批量标定 → 产线标定方案设计
   → 量产下线标定 → 道路测试抽检 → 售后标定与OTA维护

在整车开发节点上，量产标定通常与PPV、PP、SOP等里程碑强绑定。PPV阶段验证标定可行性，PP阶段固化标定流程与节拍，SOP前完成产线标定工位调试和节拍验证。SOP之后，标定并未结束，还需要通过售后数据、OTA和年度改款持续维护。

五、与研发标定的区别

研发标定和量产标定经常被混为一谈，但两者的目标函数完全不同。研发标定追求“在理想条件下把性能推到极限”，量产标定追求“在制造波动和成本约束下把一致性守住”。研发标定可以反复刷写、长时间调试；量产标定必须考虑产线节拍、工位数量、设备成本和售后可维护性。

一个典型误区是：研发阶段把参数调到最优，就认为量产只需“复制参数”。实际上，研发车往往装配精度高、传感器个体差异小，而量产车存在批次差异。如果不在产线增加下线标定或补偿环节，就会出现“样车很好、量产车参差不齐”的问题。

六、案例场景：AEB量产标定

以AEB为例，研发标定阶段主要确定毫米波雷达与相机的融合策略、TTC阈值和制动请求曲线。进入量产阶段后，还需要完成：

• 下线相机外参标定：通过标定板或地面特征，补偿装配偏差；
• 雷达安装角检测：在产线转鼓或静态目标前测量实际角度；
• 制动响应一致性检查：验证不同车辆从请求到减速度建立的延迟；
• 抽检道路测试：按批次抽取车辆进行CCRs、CCRm等场景验证；
• 参数追溯：将VIN、标定结果、软件版本写入后台数据库。

只有这些环节全部闭环，AEB才具备量产交付条件。否则，即使算法在试验车上表现优异，也无法保证批量车辆的安全性和一致性。

七、复盘要点

理解量产标定，关键要抓住三句话：第一，标定是参数工程，不是算法重写；第二，量产标定的核心矛盾是“性能”与“一致性”的平衡；第三，标定贯穿SOP前后，SOP不是终点，而是批量一致性管理的起点。把这三句话落实到流程、工位、数据和追溯体系中，才算真正掌握了量产标定的工程内涵。