第2章 感知系统基础：自动驾驶感知系统架构与功能边界
大家好，我是你们的老朋友。今天咱们聊聊感知系统的基础架构。说实话，我在这个领域摸爬滚打十几年，见过太多因为架构设计不合理导致项目翻车的案例。所以这一章，我想把最核心的东西掰开揉碎了讲给你听。
2.1 传感器家族：三驾马车
自动驾驶的感知系统，说白了就是给车装上眼睛和耳朵。目前主流的方案，靠的是三种传感器：摄像头、毫米波雷达、激光雷达。它们各有各的脾气，也各有各的短板。
2.1.1 摄像头：最像人眼的传感器
摄像头的工作原理很简单——捕捉可见光。它分辨率高，能识别颜色、纹理、文字。比如红绿灯、车道线、交通标志，这些都得靠摄像头。
但摄像头有个致命弱点：怕黑、怕雨、怕雾。我在项目中遇到过，大雾天摄像头基本就是瞎子。还有一次，夕阳直射镜头，整个画面白茫茫一片，车道线全丢了。嗯，这就是它的物理极限。
关键参数：
- 分辨率：通常200万~800万像素
- 帧率：30fps~60fps
- 视场角：水平60°~120°
- 动态范围：120dB以上才够用
2.1.2 毫米波雷达：全天候选手
毫米波雷达发射电磁波，通过回波测距测速。它不怕雨雪雾，能直接测量目标的速度——这一点摄像头做不到。
但雷达也有坑。它分辨率低，无法区分行人还是自行车。我见过一个案例，雷达把路边的金属垃圾桶当成了静止车辆，导致系统误刹车。说白了，雷达只能告诉你「那里有东西」，但说不清「那是什么」。
避坑指南：我曾经在高速场景测试时发现，雷达对静止目标的检测非常不稳定。后来查了资料才知道，这是多普勒效应的固有限制——雷达对相对速度为零的目标，信噪比会急剧下降。所以，别指望雷达能完美检测静止障碍物。
2.1.3 激光雷达：高精度但娇贵
激光雷达通过发射激光束，测量反射时间，生成点云数据。它的精度极高，能构建厘米级的三维环境模型。
但激光雷达贵啊！早期64线激光雷达要几十万人民币。而且它怕雨雪——雨滴会反射激光，产生大量噪点。我记得有一次测试，下着小雨，点云图里全是雨滴的反射点，根本看不清路沿。
| 传感器类型 | 优势 | 劣势 | 典型应用 |
|---|---|---|---|
| 摄像头 | 高分辨率、颜色识别 | 光照敏感、恶劣天气差 | 车道线、交通标志、红绿灯 |
| 毫米波雷达 | 全天候、直接测速 | 分辨率低、无法分类 | 自适应巡航、盲区监测 |
| 激光雷达 | 高精度3D感知 | 成本高、雨雪干扰 | 高精地图、障碍物检测 |
2.2 感知系统的功能边界
你想想看，为什么L3级自动驾驶迟迟不能落地？说白了，就是感知系统有太多「做不到」的事。这些做不到的事，就是功能边界。
2.2.1 物理边界
每个传感器都有物理极限。摄像头的极限是光照和天气，雷达的极限是分辨率和静止目标，激光雷达的极限是雨雪和成本。这些边界是硬件决定的，软件再牛也突破不了。
举个例子：摄像头在隧道出口处，光线从暗到亮，需要几帧才能自适应。这期间，车道线检测可能失效。这就是物理边界带来的功能降级。
2.2.2 算法边界
算法也不是万能的。深度学习模型对训练集之外的场景，表现会急剧下降。我见过一个案例，模型在德国高速上表现完美，但到了中国城市道路，面对加塞、逆行、三轮车，直接懵了。
注意：算法边界往往比物理边界更隐蔽。物理边界你还能通过规格书查到，算法边界只有实际跑过才知道。我曾经在测试中发现，模型对「背着大包的行人」检测率极低，因为训练集里没有这种样本。这就是典型的算法边界——数据分布偏移。
2.2.3 系统边界
系统边界是指多个传感器融合后，仍然无法覆盖的场景。比如，摄像头和雷达都失效的极端天气，或者传感器之间的时间同步误差导致的目标错位。
我记得有一次，摄像头检测到前方有车，但雷达没检测到。融合模块认为这是虚警，直接过滤掉了。结果呢？那辆车确实存在，只是雷达被前车的金属尾气遮挡了。这就是系统边界——融合策略的缺陷。
2.3 感知系统的知识体系
下面这张图，是我自己整理的感知系统知识体系。它涵盖了传感器、算法、系统集成三个层面。你仔细看看，每个层面都有对应的功能边界。
2.4 功能边界的工程实践
知道了边界在哪，接下来就是怎么应对。我个人习惯，在项目初期就做三件事：
- 定义ODD（运行设计域）：明确系统在什么条件下工作。比如「晴天、白天、城市道路、限速60km/h」。超出这个范围，系统可以降级或退出。
- 建立传感器失效模型：每个传感器都有哪些失效模式？摄像头被遮挡、雷达被干扰、激光雷达被雨雪影响。把这些列出来，设计对应的降级策略。
- 设计冗余架构：关键功能不能依赖单一传感器。比如自动紧急制动（AEB），必须同时用摄像头和雷达，两者都确认有障碍物才触发。
我的经验：我曾经在一个项目中，只用了摄像头做AEB。结果有一次，摄像头把路边的树影误识别为行人，直接一脚急刹。从那以后，我坚持AEB必须双传感器确认。这就是用血的教训换来的经验。
2.5 小结
感知系统不是万能的。它有物理边界、算法边界、系统边界。作为功能安全工程师，我们的任务不是让系统无所不能，而是让系统在边界内安全运行，在边界外优雅降级。
说白了，知道什么时候该刹车，比知道怎么刹车更重要。这就是预期功能安全的核心思想。