第三章 传感器原理与滤波标定

面试问题：请简述激光雷达的工作原理，并说明其主要误差来源及应对方法。

面试官考察点：是否理解ToF/三角测距原理，是否关注实际工程中的噪声与退化问题，能否给出补偿策略。

回答框架：

1. 原理描述：飞行时间法（ToF）或调频连续波（FMCW）测距。
2. 误差来源：光束发散、物体反射率变化、多路径干扰、机械振动。
3. 应对方法：强度标定、多回波处理、配合IMU去畸变。

简短示例回答：激光雷达通过发射脉冲并测量反射时间计算距离。主要误差包括因物体表面粗糙导致的混叠噪声，以及车辆运动造成的点云畸变。工程中采用多回波技术过滤噪点，并利用IMU数据对点云进行运动补偿，实测可将定位偏移降低30%以上。

可能追问：“激光雷达的线束数量如何影响建图效果？”“如何标定激光雷达与IMU之间的外参？”

面试问题：IMU（惯性测量单元）在感知系统中的核心作用是什么？如何处理零偏与积分漂移？

面试官考察点：是否理解IMU的短时高精度与长时漂移特性，是否掌握零偏校准与多传感器融合策略。

回答框架：

1. 核心作用：提供高速运动估计（1000Hz+），弥补视觉/激光的帧率不足。
2. 误差来源：加速度计零偏、陀螺仪漂移、温度影响。
3. 处理方法：静态或动态零偏标定、预积分（Preintegration）用于SLAM。

简短示例回答：IMU在感知中负责高频位姿预测。零偏通过多轴静止采集并取均值校准；漂移通过视觉/激光观测的误差反馈进行修正。在VINS-Mono框架中，预积分将IMU测量值转换为相对运动约束，有效抑制了纯积分导致的发散。

可能追问：“请比较加速度计和陀螺仪对状态估计的影响权重？”“IMU标定有哪些步骤？”

面试问题：相机标定（内参、外参）与激光-相机联合标定的常用方法与流程？

面试官考察点：是否熟悉张正友标定法、多模态标定原理，是否理解标定误差对感知的影响。

回答框架：

1. 内参标定：张正友棋盘格法，优化畸变系数与焦距。
2. 外参标定：通过2D-3D对应点（如标定板上的角点与LiDAR点云）求解PnP问题。
3. 联合标定：使用互信息最大或边缘匹配优化。

简短示例回答：相机内参使用棋盘格与OpenCV的calibrateCamera，得到径向和切向畸变参数。激光-相机联合标定采集多组数据，通过检测棋盘格角点在LiDAR点云中的投影，最小化重投影误差。实际项目中采用Autoware标定工具箱，标定后融合精度可达3cm以内。

可能追问：“标定精度如何评估？”“如果标定板在LiDAR中不可见怎么办？”