一、感知系统概述

大家好，我是这次课程的主讲工程师。做自动驾驶感知这么多年，我最大的体会就是——参数配置这件事，看着不起眼，但真能把人折腾得够呛。今天咱们先从最基础的聊起，把感知系统的家底摸清楚。

先说传感器。说白了，自动驾驶的车子就是靠这些「眼睛」看世界的。我习惯把它们分成三大类：

摄像头：最像人眼的传感器。能识别颜色、纹理、车道线、交通标志。但有个致命弱点——怕黑、怕逆光、怕雨雾。我在项目里遇到过，大晴天效果一流，一到傍晚就开始「瞎」。嗯，这里要注意，摄像头的曝光参数、增益、白平衡，这些都会直接影响下游算法的输入质量。
激光雷达：主动发射激光束，直接给你返回三维点云。精度高、不受光照影响。但缺点也明显——贵、怕雨雪、点云稀疏时远距离目标容易漏检。我记得有一次调试，激光雷达的反射率阈值设高了，结果一辆黑色车直接「消失」了，你说吓不吓人？
毫米波雷达：测距测速的专家。穿透力强，雨雪天照样干活。但分辨率低，没法区分行人和路牌。我建议把它当「辅助选手」用，别指望它看清细节。

你想想看，这三种传感器各有长短。联调的本质，就是让它们互相补台，而不是互相拆台。

感知系统到底要干什么？我总结了三件事：

核心观点：感知不是「一个模型搞定一切」。它是多个子任务的组合拳。每个子任务都有自己的参数敏感点，联调就是找到那个「大家都舒服」的平衡点。

联调流程，我习惯分成四步走：

第一步：单传感器标定。先确保每个传感器自己没毛病。摄像头内参、激光雷达的旋转校准、雷达的安装角度——这些基础参数错了，后面全是白费功夫。我曾经因为摄像头安装时歪了0.5度，导致融合后的目标位置偏差了2米，查了三天才找到原因。
第二步：多传感器联合标定。把不同传感器的坐标系对齐。说白了，就是让摄像头看到的像素和激光雷达看到的点云，能对应到同一个物理点上。这一步的精度，直接决定了融合效果的上限。
第三步：参数配置与调试。这是咱们这门课的重点。包括检测阈值、跟踪参数、融合权重、延迟补偿等等。每个参数都有它的「甜蜜点」，调过了或调少了都会出问题。
第四步：闭环验证。把感知结果喂给下游规划控制，看车子实际跑起来怎么样。有时候感知自己觉得挺好，但规划就是不舒服——嗯，这时候就要回头调参数了。

我的经验：联调不是一次性的。它是一个「标定→调试→验证→再标定」的循环。别指望一步到位，也别怕反复。我见过最夸张的项目，联调阶段跑了200多版参数配置。

下面这张图，是我自己整理的感知联调核心逻辑。你看一眼，心里就有谱了。

注意：很多新手容易跳过第一步，直接做联合标定。我曾经也这么干过，结果发现摄像头内参偏差导致融合后的目标位置整体偏移了1.5米。别图省事，基础打牢了，后面才稳。

好了，这一章咱们把感知系统的「家底」摸了一遍。传感器各有脾气，任务各有侧重，联调流程环环相扣。下一章开始，咱们就要深入每个参数的具体调法了——到时候你会发现，原来那些「玄学」问题，背后都有数学逻辑在撑着。

可可精品资料库