第一章：感知系统总览
大家好，我是你们这堂课的主讲人。做了这么多年自动驾驶感知，我最大的感触就是——感知系统就像车的眼睛和耳朵。没有它，车就是盲人骑瞎马。今天咱们先聊聊感知系统的全貌，把地基打牢。
1.1 智能驾驶分级（L0-L5）
先说说分级。这个分级标准是SAE（国际自动机工程师学会）定的，业内基本都认这个。我刚开始接触这行时，总觉得分级就是个概念，后来做项目才发现——分级直接决定了你要上什么传感器、用什么算法、花多少钱。
| 等级 | 名称 | 核心特征 | 典型场景 |
|---|---|---|---|
| L0 | 无自动化 | 驾驶员全权控制 | 普通驾驶 |
| L1 | 驾驶辅助 | 单一功能辅助（如定速巡航） | 高速巡航 |
| L2 | 部分自动化 | 横向+纵向同时控制 | 车道居中+自适应巡航 |
| L3 | 有条件自动化 | 系统负责，但需要人类接管 | 高速领航 |
| L4 | 高度自动化 | 特定场景下完全自主 | Robotaxi、园区物流 |
| L5 | 完全自动化 | 全场景、全天候 | 任何道路 |
关键点：L2到L3是个大坎。L2出事了算驾驶员的，L3出事了算系统的。所以很多公司干脆跳过L3，直接做L4。我个人觉得，这个选择很务实。
1.2 感知系统在自动驾驶中的位置
整个自动驾驶系统，说白了就三块：感知、决策、控制。感知在最前面，是信息的入口。
我习惯用一个比喻：感知系统是「眼睛+耳朵」，决策系统是「大脑」，控制系统是「手脚」。眼睛看错了，大脑再聪明也没用。我在项目中遇到过好几次，感知漏检了一个行人，决策层根本没机会反应——这就是为什么感知是重中之重。
下面这张图，是我自己画的感知系统在整个自动驾驶架构中的位置。你一看就明白了。
我的经验：很多团队在早期会把大量资源堆在决策和控制上，觉得感知差不多就行。结果路测时发现——感知不准，后面全白搭。所以我的建议是：感知系统至少要占整个研发资源的40%以上。
1.3 感知系统的核心任务
感知系统到底要干什么？说白了就四件事：检测、跟踪、分割、预测。咱们一个一个说。
1.3.1 检测（Detection）
检测就是「找出目标在哪」。比如前方有没有车、有没有人、有没有路障。这是感知最基础的任务。
我记得刚入行时，用的还是传统的滑动窗口+手工特征。现在嘛，基本都是基于深度学习的检测器了。YOLO系列、Faster R-CNN、CenterNet，各有各的适用场景。
核心指标：mAP（平均精度均值）、召回率、FPS（帧率）。检测不仅要准，还要快。L4级别的系统，检测延迟一般要求小于100ms。
1.3.2 跟踪（Tracking）
检测是单帧的，跟踪是时序的。你想想看，如果每帧都重新检测，那目标的位置会跳来跳去，决策层根本没法用。跟踪的作用就是给每个目标一个稳定的ID，并预测它的运动轨迹。
我曾经在项目中踩过一个坑：跟踪算法在目标遮挡后ID频繁切换，导致决策层以为有「新目标」突然出现，急刹车了好几次。后来换了基于ReID的跟踪方法，才把问题解决。
常用的跟踪框架：
- SORT：简单高效，适合实时场景
- DeepSORT：加了外观特征，ID切换更少
- ByteTrack：利用低分检测框，跟踪更鲁棒
1.3.3 分割（Segmentation）
分割就是把图像中的每个像素都分类。比如哪些像素是道路、哪些是天空、哪些是车辆。分割对理解场景结构特别重要。
分割分两种：
- 语义分割：给每个像素一个类别标签（如：道路、车辆、行人）
- 实例分割：在语义分割基础上，区分不同个体（如：车A、车B、人C）
我个人的习惯是：在高速场景用语义分割就够了，但在城区复杂场景，实例分割更靠谱。因为你需要知道「那辆车」和「这辆车」的区别。
1.3.4 预测（Prediction）
预测是感知的「高阶能力」。它不仅要告诉系统「现在有什么」，还要告诉系统「接下来会发生什么」。
比如：前方那个行人会不会横穿马路？旁边那辆车会不会变道？这些预测结果直接决定了决策层的规划策略。
注意：预测不是算命。它基于历史轨迹和场景上下文，给出概率性的结果。我曾经见过一个团队，预测模块输出「行人100%会直行」，结果行人突然转弯——系统根本来不及反应。所以预测一定要输出置信度，决策层才能做风险权衡。
常用的预测方法：
- 基于物理模型：卡尔曼滤波、匀速/匀加速模型
- 基于行为模型：意图识别+轨迹预测
- 基于学习的方法：LSTM、Transformer、图神经网络
1.4 四者的关系
检测、跟踪、分割、预测不是孤立的。它们之间有很强的依赖关系。
我画了张图，帮你理清它们的关系：
你看，检测和分割是并行的，它们都从传感器数据中提取信息。检测的结果送给跟踪，跟踪的结果再送给预测。分割的结果则直接用于场景理解，比如可行驶区域判断。
我的建议：做感知系统架构时，一定要设计好模块间的接口。接口定得清晰，后面联调就省心。我见过太多团队，检测输出的是像素坐标，跟踪要的是世界坐标，中间还得加个坐标转换模块——这种坑，能避就避。
1.5 本章小结
好了，第一章的内容就到这。咱们回顾一下：
- 智能驾驶分L0到L5，L2到L3是个关键分水岭
- 感知系统在自动驾驶架构中处于最前端，是信息的入口
- 感知的四大核心任务：检测、跟踪、分割、预测
- 四者之间有明确的依赖关系，架构设计时要考虑好接口
下一章，咱们会深入聊传感器的选型与配置。摄像头、激光雷达、毫米波雷达，到底怎么搭才合理？到时候见。