2. ADAS感知系统概述

在ADAS与自动驾驶系统中，感知层承担着“把物理世界翻译成车辆可计算信息”的职责。它并不直接决定车辆如何转向、制动或加速，而是为决策规划层提供稳定、可置信的环境模型。如果把自动驾驶比作人开车，感知系统相当于眼睛和耳朵，决策规划相当于大脑，执行控制相当于手脚。感知一旦失真，后续所有算法都会在错误前提上工作，因此装车集成与标定工程的第一要务，是让感知系统在真实道路、真实天气、真实安装条件下持续输出可靠目标。

一、感知系统在自动驾驶中的角色

从信息流角度看，感知系统位于车辆信号链的最前端。传感器原始数据先经过驱动层解析，再进入感知算法完成检测、跟踪、测距、测速与分类，随后通过坐标变换统一到车辆坐标系，最终以目标列表、栅格地图或占用网络等形式发送给规划控制模块。装车集成时，工程师必须关注三个关键问题：传感器安装位置是否遮挡、外参是否准确、时间戳是否对齐。任何一个环节偏差，都会表现为“目标漂移”“鬼影”“漏检”或“刹车误触发”。

感知系统还承担安全冗余角色。L2级ADAS通常以摄像头加毫米波雷达为主，激光雷达作为高配补充；L3以上系统则更强调多传感器冗余与失效降级。例如前向毫米波雷达失效时，摄像头能否在有限时间内维持AEB功能，取决于融合策略与标定质量。因此，感知不是简单堆传感器，而是围绕功能安全目标进行组合设计。

二、四类主流传感器及其优缺点

当前量产ADAS感知系统主要使用摄像头、毫米波雷达、激光雷达和超声波雷达。它们的工作机理不同，输出信息互补，装车位置也各有讲究。

• 摄像头：通过图像识别车道线、车辆、行人、交通标志和信号灯，分辨率高、成本低、语义丰富。缺点是受光照、逆光、雨雾影响大，单目测距精度有限，依赖算法训练数据。
• 毫米波雷达：利用毫米波反射测量距离和径向速度，穿透雨雾能力强，测速精度高，适合AEB和ACC。缺点是对静止目标分类弱，角度分辨率有限，金属护栏和井盖易产生虚假目标。
• 激光雷达：通过激光扫描生成高精度三维点云，测距准、分辨率高，能直接构建环境几何。缺点是成本高、雨雪雾衰减明显，且对脏污和窗口清洁要求高。
• 超声波雷达：短距离探测，主要用于泊车和低速防碰撞，成本极低。缺点是探测距离短、方向性弱，高速场景基本不适用。

三、传感器融合趋势与装车要点

单一传感器无法覆盖所有场景，融合成为必然趋势。融合分为数据级、特征级和目标级。量产ADAS更常用目标级融合：摄像头输出视觉目标，毫米波雷达输出距离速度目标，激光雷达输出点云目标，融合模块根据时间戳和空间位置进行关联，形成统一目标列表。融合的核心难点不是“把数据放在一起”，而是解决时空对齐、置信度分配和冲突消解。

四、案例与常见误区

某L2车型在雨天高速行驶时频繁触发AEB误刹车。排查发现，前向毫米波雷达安装支架存在轻微变形，导致雷达俯仰角偏差约1.5度，地面井盖回波被误判为障碍物。重新标定外参并更换支架后问题消失。这个案例说明，感知融合不是算法单方面问题，装车几何精度直接影响目标关联质量。

从工程实践看，感知系统装车集成应遵循“先单传感器验证，再融合验证，最后场景验证”的流程。单传感器验证关注安装角度、清洁视野和原始数据质量；融合验证关注目标关联一致性和时间同步；场景验证则覆盖夜间、雨天、隧道、强光、拥堵等边界条件。只有把感知系统的物理安装、电气连接、时间同步和坐标标定全部纳入闭环，才能让自动驾驶功能在真实道路上稳定运行。

感知装车集成检查清单（示例）
1. 摄像头视野无遮挡，雨刮覆盖区域满足要求
2. 毫米波雷达安装面水平，俯仰角与横摆角在公差内
3. 激光雷达窗口清洁，无结构件遮挡
4. 超声波雷达开孔无毛刺，避免泥水积聚
5. 各传感器时间戳同步误差小于10ms
6. 外参标定完成后进行道路复测
7. 售后更换件后执行重新标定流程

综上，感知系统是自动驾驶安全链的起点。摄像头、毫米波雷达、激光雷达和超声波雷达各有不可替代的价值，融合趋势要求工程师同时理解传感器原理、安装约束和标定方法。只有把“感知角色—传感器特性—融合逻辑—装车验证”串成一条完整链路，才能为后续决策规划提供可信的环境输入。