1. 车载光学系统概述
各位同学好，我是老张。在车载光学这个领域摸爬滚打了十几年，今天咱们来聊聊这个课程的开篇——车载摄像头与激光雷达的发展史，以及它们在ADAS/自动驾驶里到底扮演什么角色。
说实话，我刚入行那会儿，车载摄像头还是个稀罕物。那时候的ADAS，说白了就是几个超声波雷达加一个单目摄像头，能做个车道偏离预警就算高端了。现在呢？一台车上七八个摄像头、三四个激光雷达，算力堆到上千TOPS。变化快得让人跟不上。
1.1 车载摄像头的发展史
车载摄像头的历史，其实比大多数人想象的要早。
- 1990年代：最早的车载摄像头出现在高端豪华车上，主要用于倒车影像。我记得那时候的摄像头分辨率低得可怜，30万像素就算顶配了。
- 2000年代：随着CMOS传感器技术的成熟，摄像头开始进入前视应用。2005年左右，Mobileye开始做基于视觉的ADAS，算是开创了一个时代。
- 2010年代：环视系统开始普及，360°全景影像成了中高端车型的标配。这时候的摄像头已经能做到100万像素以上。
- 2020年代至今：8M像素摄像头成为主流，有的甚至上到了12M。HDR、LED闪烁抑制、全局快门这些技术也成了标配。
关键节点：2016年，特斯拉宣布全系车型标配Autopilot硬件，8个摄像头+12个超声波雷达的配置，直接把车载视觉系统推到了风口浪尖。
1.2 激光雷达的发展史
激光雷达的故事，比摄像头要曲折得多。
- 2000年代：Velodyne推出了64线机械旋转式激光雷达，一个就要8万美金。那时候只有DARPA挑战赛里的无人车才用得起。
- 2010年代：Waymo、Uber开始大规模使用激光雷达做自动驾驶测试。我记得2016年去硅谷参观，看到一辆Waymo车上顶着一个大花盆一样的激光雷达，转得嗡嗡响。
- 2020年代：固态激光雷达、MEMS激光雷达、Flash激光雷达开始量产。禾赛、速腾聚创这些国内厂商把价格打到了几百美金级别。
个人经验：我在2018年做过一个项目，用Velodyne的16线激光雷达做障碍物检测。那玩意儿贵不说，还特别娇气，下雨天性能直接打五折。现在想想，那时候真是硬着头皮上。
1.3 车载光学在ADAS/自动驾驶中的核心作用
你想想看，一辆车要实现L2+甚至L3级别的自动驾驶，它得「看见」周围的环境吧？这就是车载光学系统的核心价值。
具体来说，车载光学系统承担了以下几个关键任务：
- 环境感知：摄像头负责识别车道线、交通标志、行人、车辆；激光雷达负责获取3D点云，精确测量距离和形状。
- 目标跟踪：通过多帧图像和点云数据，持续跟踪目标的运动轨迹。
- 传感器融合：把摄像头、激光雷达、毫米波雷达的数据融合在一起，取长补短。
- 决策支持：为规划控制模块提供可靠的感知输入。
避坑指南：我曾经在一个项目中，只依赖摄像头做前向碰撞预警。结果有一次在隧道出口，阳光直射导致摄像头过曝，差点出事故。从那以后，我坚持任何感知功能都必须有冗余传感器。
1.4 课程整体架构与学习路径
这门课一共30章，我把它分成了四个模块：
| 模块 | 章节 | 核心内容 |
|---|---|---|
| 基础篇 | 1-5章 | 光学基础、传感器原理、系统架构 |
| 设计篇 | 6-15章 | 镜头设计、传感器选型、ISP处理、标定 |
| 可靠性篇 | 16-25章 | 环境试验、EMC、热管理、振动、寿命 |
| 实战篇 | 26-30章 | 项目案例、故障分析、量产经验 |
我个人建议的学习路径是这样的：
- 如果你是新手：从基础篇开始，老老实实把光学原理和传感器知识吃透。
- 如果你有经验：可以直接跳到可靠性篇和实战篇，那里有我踩过的坑和总结的经验。
- 如果你在做量产项目：重点关注第16-25章的环境可靠性内容，这是量产中最容易出问题的地方。
核心观点：车载光学系统不是把摄像头和激光雷达装到车上就完事了。你得考虑它能不能在-40°C到85°C的温度范围内正常工作，能不能在颠簸路面上保持稳定，能不能在暴雨天还能看清路。这些，才是这门课真正要讲的东西。
1.5 本章知识体系
下面这张图，是我自己画的本章知识体系框架。你可以把它当作整个课程的「地图」：
嗯，这张图基本把本章的内容串起来了。从车载摄像头和激光雷达的发展史，到它们在ADAS/自动驾驶中的核心作用，再到整个课程的学习路径。你把它截图保存下来，后面每学完一章，都可以回来看看自己走到了哪里。
学习建议：我建议你在学完每一章后，都试着用自己的话把核心内容讲一遍。如果能讲清楚，说明你真的懂了。这是我自己用了十几年的方法，很管用。
公众号:蓝海资料掘金营，微信deep3321