第一章 感知系统概述：从L0到L5，传感器大阅兵

大家好，我是你们的老朋友。今天咱们正式开讲《自动驾驶感知系统从零搭建指南》的第一章。

说实话，每次带新人入门，我第一件事不是让他们看代码，也不是调算法。而是先搞清楚一个问题：我们到底在解决什么问题？

感知系统，说白了就是车的眼睛和耳朵。没有它，再聪明的决策算法也是瞎子。今天这一章，咱们把基础打牢。

1.1 自动驾驶分级标准（L0-L5）

先聊聊分级。这个标准是SAE（国际自动机工程师学会）定的，业内基本都认这个。

我见过不少刚入行的同学，一上来就聊L4、L5，其实连L2和L3的边界都没搞清楚。嗯，这里要注意，分级不是越高级越好，而是看谁在负责驾驶任务。

等级	名称	核心特征	谁在开？
L0	无自动化	全靠人，车只给警告	人类
L1	驾驶辅助	单一功能辅助（如定速巡航）	人类为主
L2	部分自动化	同时控制转向+加减速	人类监控
L3	有条件自动化	特定场景下系统全权负责	系统（需人类接管）
L4	高度自动化	限定区域内无需人类干预	系统
L5	完全自动化	任何道路、任何天气，全搞定	系统

我个人习惯把L0到L2归为「人类主导」，L3是个分水岭，L4以上才是真正的自动驾驶。为什么？因为从L3开始，系统要承担法律责任了。

1.2 感知系统在自动驾驶中的角色

感知系统到底干什么？我打个比方你就懂了。

你开车的时候，眼睛看路、耳朵听喇叭、身体感受颠簸。感知系统就是把这些「感官」数字化。

具体来说，它要完成三件事：

• 检测：路上有什么？车、人、路障、交通标志……
• 分类：那是个行人还是骑自行车的人？是轿车还是卡车？
• 跟踪：它往哪走？速度多快？会不会撞上我？

我在项目中遇到过最头疼的事，就是感知系统把路边的垃圾桶误识别成了行人。结果车一脚急刹，后车差点追尾。你看，感知不准，后果很严重。

1.3 主流传感器简介与对比

好了，重头戏来了。传感器就是感知系统的「感官」。目前主流的有四种：摄像头、激光雷达、毫米波雷达、超声波雷达。

你想想看，为什么需要这么多传感器？因为没有一种传感器是完美的。它们各有各的脾气。

1.3.1 摄像头

摄像头是最像人眼的传感器。它能识别颜色、纹理、文字。比如交通灯是红是绿，限速牌上写的是80还是60，全靠摄像头。

但摄像头有个致命弱点：怕黑、怕强光、怕雨雾。我去年做夜间测试，摄像头在隧道出口直接过曝，白茫茫一片，啥也看不见。

• 优点：分辨率高、色彩丰富、成本低
• 缺点：受光照影响大、无直接深度信息
• 典型应用：车道线检测、交通标志识别、目标分类

1.3.2 激光雷达（LiDAR）

激光雷达就是「用激光画3D地图」。它发射激光束，测量反射时间，直接得到物体的三维坐标。

说白了，它是个「距离传感器」。不管白天黑夜，它都能告诉你前方5米处有个障碍物。

我曾经在项目里用16线激光雷达做测试，结果发现它把路面的小石子都扫出来了，数据量巨大，处理起来卡得要命。后来换了32线的，好多了，但价格也翻倍了。

• 优点：精度高、不受光照影响、直接3D数据
• 缺点：成本高、受雨雾影响、无法识别颜色
• 典型应用：障碍物检测、高精地图构建、定位

1.3.3 毫米波雷达

毫米波雷达发射的是电磁波，波长在毫米级。它最大的优势是不怕雨雾，而且能直接测速度（多普勒效应）。

你想想看，高速公路上突然有车加塞，摄像头可能还没反应过来，毫米波雷达已经告诉你「有个物体以20m/s的相对速度靠近」。这就是它的价值。

• 优点：全天候工作、测速精准、成本适中
• 缺点：分辨率低、无法识别物体类别、有虚假报警
• 典型应用：自适应巡航（ACC）、盲区监测、碰撞预警

1.3.4 超声波雷达

超声波雷达就是倒车雷达用的那种。它发射声波，靠回波测距。原理简单，成本极低。

但它只能测近距离（一般3-5米），而且精度一般。我见过有人想用它做高速感知，那纯属想多了。

• 优点：成本极低、近距离探测可靠
• 缺点：距离短、受温度影响、无法测速
• 典型应用：自动泊车、近距离障碍物检测

1.4 传感器对比总结

最后，咱们用一张表把四种传感器放在一起比比看。

特性	摄像头	激光雷达	毫米波雷达	超声波雷达
测距能力	弱（需算法推算）	强（直接测量）	强（直接测量）	弱（近距离）
测速能力	弱	中	强（多普勒）	无
抗光照干扰	弱	强	强	强
抗雨雾干扰	弱	中	强	中
物体分类	强	弱	弱	无
成本	低	高	中	极低

看到没？没有完美的传感器。所以现在主流方案都是多传感器融合。摄像头负责「看明白」，激光雷达负责「量准确」，毫米波雷达负责「测速度」，超声波负责「补盲区」。

好了，第一章就到这里。内容不多，但都是基础中的基础。下一章咱们开始动手，聊聊传感器标定——怎么让这些「眼睛」对齐到同一个坐标系里。

到时候见。