1. 课程导论：为什么激光雷达会互相干扰？多机协同的痛点与价值
1.1 一个真实的“车祸”现场
先讲个我亲身经历的事。
几年前，我们给一个大型物流园区做无人叉车调度。园区里同时跑了十几台车，每台都顶着一个16线激光雷达。调试那天，我站在监控屏幕前，看着一台叉车直直地朝着一面空墙冲过去——它明明应该拐弯的。
我赶紧跑过去看日志。结果发现，那台叉车的雷达点云里，墙的位置出现了一大片“鬼影”。说白了，它把旁边另一台叉车发射的激光脉冲，当成了自己的回波。
这就是激光雷达互相干扰。不是理论，是实实在在的撞车风险。
1.2 为什么激光雷达会互相干扰？
要理解这个问题，得先搞清楚激光雷达的工作原理。
简单来说，激光雷达就是“发射一束光，等它反射回来，算时间差”。这个时间差乘以光速，就是距离。
但问题来了——如果多台雷达同时工作，A雷达发射的光，被B雷达接收了。B雷达一算时间：嗯，这个光飞了这么长时间，前面应该有个物体。但实际上，那个位置什么都没有。
这就是典型的“串扰”。
我遇到过最夸张的一次，是在一个停车场测试。8台雷达同时开机，点云里凭空多出了几十个“幽灵障碍物”。算法直接懵了，车原地打转，不敢动。
干扰的形式主要有三种：
- 直接串扰：A的发射光直接进入B的接收器。距离近时尤其严重。
- 间接串扰：A的光打到物体上，反射后进入B。这种更隐蔽。
- 多径干扰：同一束光经过多次反射才回来，被误判为远距离物体。
你想想看，如果是在高速公路上，一辆自动驾驶汽车因为干扰把前方空无一物的地方识别成障碍物，突然急刹车——后果是什么？
1.3 多机协同的痛点：不只是干扰
干扰只是冰山一角。真正做过多机协同项目的人都知道，痛点远不止这些。
我列几个实际项目中踩过的坑：
| 痛点 | 具体表现 | 我遇到的案例 |
|---|---|---|
| 时间同步 | 每台雷达的时间戳不一致，融合时位置错位 | 两台车同时扫描同一个行人，时间差50ms，位置差了30cm |
| 空间标定 | 多台雷达的坐标系不统一 | 手动标定花了3天，精度还是差5cm |
| 数据带宽 | 多台雷达数据量爆炸，处理不过来 | 4台64线雷达，每秒数据量超过1GB，网线都扛不住 |
| 动态场景 | 车辆移动中，雷达相对位置不断变化 | 编队行驶时，后车雷达被前车尾气颗粒干扰 |
嗯，这里要注意一点：很多人以为多机协同就是“把几台雷达的数据拼在一起”。其实远没那么简单。你拼出来的数据，如果时间对不上、空间对不上，那就是一堆垃圾。
1.4 多机协同的真正价值
既然这么麻烦，为什么还要做多机协同？
说白了，单台激光雷达的视野太有限了。
一台32线雷达，水平视场角一般也就120度。装在车头，车尾就是盲区。装在车顶，低矮的障碍物可能看不到。更别说在复杂场景下，一个视角被遮挡，整个感知就断了。
多机协同的价值，我总结为三点：
- 消除盲区：多台雷达从不同角度覆盖，总有一台能看到。
- 提升鲁棒性：一台被干扰或故障，其他台还能顶上。
- 扩展感知范围：编队行驶时，前车看到的信息可以共享给后车。
1.5 本章知识体系
下面这张图，是我梳理的本章核心逻辑。你可以把它当作整个课程的“地图”。
这张图里，我把整个课程导论拆成了三个部分：干扰的本质、协同的痛点、协同的价值。后面的课程，都会围绕这三个维度展开。
1.6 避坑指南
所以，这门课我会从最基础的干扰原理讲起，然后一步步带你搭建抗干扰方案，最后落地到多机协同的实战。每一章都会有代码、有配置、有我在项目里踩过的坑。
准备好了吗？我们开始。