第2章雨雾天气物理特性

雨雾天气物理特性：雨滴与雾气的光学模型、散射与衰减原理、对激光雷达和相机的影响分析

说实话，做自动驾驶感知这几年，我最头疼的就是恶劣天气。晴天、阴天都好说，一旦碰上雨雾，传感器就像戴了墨镜还蒙了层水汽。我有个项目，在苏州测试了整整一个梅雨季，那段时间我几乎天天盯着点云和图像数据发呆。今天咱们就聊聊，雨雾到底是怎么影响我们吃饭的家伙——激光雷达和相机的。

先说说雨滴。雨滴不是完美的球体，它更像一个扁平的汉堡。直径从0.1毫米到6毫米不等。我习惯把雨滴看作一个微小的透镜，光线穿过它时会发生折射和反射。

雨滴的光学模型，核心是Mie散射理论。嗯，这里要注意，Mie散射适用于粒子尺寸和波长差不多的情况。雨滴直径几百微米到几毫米，激光雷达波长一般是905nm或1550nm，正好落在Mie散射的范围内。

雾气就不一样了。雾滴的直径通常在1到10微米之间，比雨滴小得多。对于可见光和近红外光，雾滴的散射属于Mie散射和Rayleigh散射的过渡区。我个人习惯把雾看作由无数个微小的水球组成的悬浮层，每个水球都在跟光线较劲。

关键区别：雨滴是离散的大颗粒，雾滴是密集的小颗粒。雨滴主要造成遮挡和反射，雾滴主要造成散射和衰减。

说白了，散射就是光线撞上粒子后改变了方向。衰减呢，就是光线在传播过程中能量越来越弱。你想想看，激光雷达发出的光束，在雨雾中就像一个人挤在早高峰的地铁里，每走一步都要被撞一下。

散射分为两种：

衰减可以用Beer-Lambert定律来描述：

I = I₀ × exp(-σ × d)

其中I₀是初始光强，σ是衰减系数，d是传播距离。σ跟雨雾的浓度、粒子大小都有关系。我在项目中遇到过，大雨天的衰减系数可以达到0.1-0.5 m⁻¹，也就是说，激光雷达的有效探测距离会从200米直接掉到30-50米。

避坑指南：我曾经在算法里直接用了标准大气模型下的衰减系数，结果雨天测试时点云稀疏得可怜。后来我学乖了，加了一个动态衰减估计模块，根据雨量传感器的数据实时调整参数。

激光雷达在雨雾中遇到的问题，我总结为三个字：少、假、偏。

少——点云数量减少。雨滴和雾滴会吸收和散射激光能量，导致回波信号变弱。很多点因为信噪比太低被滤掉了。我记得有一次测试，大雨天64线激光雷达的点云数量只有晴天的30%。

假——产生噪声点。雨滴本身会反射激光，形成所谓的「雨滴噪声」。这些噪声点通常出现在激光雷达附近，分布随机，像一群苍蝇在眼前飞。我习惯用基于距离和强度的滤波算法来处理，效果还不错。

偏——距离测量偏差。激光雷达通过飞行时间测距。雨雾中，激光可能先打到雨滴上反射回来，也可能穿透雨滴打到目标上再反射回来。这就导致同一个目标可能出现多个距离值，或者距离值偏近。

相机在雨雾中的表现，说白了就是「看不清」。但具体怎么个看不清法，咱们得掰扯清楚。

对比度下降。雾天光线被散射，整个画面像蒙了一层白纱。远处的物体和背景的对比度急剧下降。我做过测试，能见度100米的雾天，200米外目标的对比度几乎为零。

雨滴遮挡。雨滴落在镜头上，或者出现在视野中，会形成模糊的斑点。这些斑点会遮挡关键信息，比如交通标志、行人。我曾经在雨天测试时，一个雨滴正好落在镜头中央，导致系统漏检了一个行人——还好那是测试场景。

光晕和眩光。雨天的路面会反光，尤其是晚上。对面来车的灯光经过湿漉漉的路面反射，会在图像中形成大片的光晕。这对目标检测算法来说是个噩梦。

色彩失真。水雾会吸收和散射不同波长的光，导致图像色彩偏蓝或偏灰。嗯，这里要注意，色彩失真会影响基于颜色的目标识别，比如红绿灯检测。

注意：相机和激光雷达在雨雾中的退化模式不同。相机主要受对比度和遮挡影响，激光雷达主要受衰减和噪声影响。多传感器融合时，不能简单地把两者等同对待。我建议根据天气条件动态调整融合权重。

最后说一句，雨雾天气的感知增强，没有银弹。你得理解物理原理，然后针对性地设计算法。我个人习惯从光学模型出发，先仿真再实测，一步步迭代。这条路不好走，但走通了就是护城河。