第二章：传感器基础——摄像头、激光雷达、毫米波雷达、超声波雷达的工作原理与数据特点

各位同学，咱们今天聊聊传感器。做BEV模型，说白了就是让车“看懂”周围世界。而传感器，就是车的眼睛和耳朵。

我个人习惯把传感器分成两类：主动式和被动式。摄像头是被动的，它接收环境光。激光雷达、毫米波雷达、超声波雷达都是主动的——自己发射信号，再听回声。

嗯，咱们一个一个来拆解。

2.1 摄像头：最像人眼的传感器

摄像头的工作原理，其实跟人眼差不多。光线通过镜头，打到CMOS或CCD感光元件上，光电转换后生成数字图像。就这么简单。

但这里有个坑——动态范围。我在项目中遇到过，大太阳底下开车进隧道，摄像头瞬间过曝，什么都看不见。后来我们用了高动态范围（HDR）摄像头，才解决这个问题。

摄像头的数据特点：

• 信息丰富：能识别颜色、纹理、文字、交通标志。这是其他传感器做不到的。
• 深度信息缺失：单目摄像头没有距离感。你想想看，一张照片里，远处的山和近处的墙，在图像上可能一样大。
• 受光照影响大：晚上、逆光、雨雾天，性能直线下降。
• 数据量大：1080p 30fps的视频流，每秒数据量轻松上百MB。

2.2 激光雷达：精度之王，但贵

激光雷达（LiDAR）的工作原理，说白了就是“激光测距”。发射一束激光，打到物体上反射回来，根据时间差算出距离。再配合旋转或扫描机构，就能得到周围环境的3D点云。

我记得第一次接触激光雷达，是用的Velodyne的16线产品。那时候觉得这东西太神奇了——周围几百米内的物体，全都能精确到厘米级。

激光雷达的数据特点：

• 高精度距离信息：厘米级精度，直接提供3D坐标。
• 不受光照影响：晚上跟白天一样工作。
• 角分辨率有限：线数越多，垂直分辨率越高。16线、32线、64线、128线，价格差好几倍。
• 点云稀疏：跟图像比，点云数据量小得多，但处理起来更复杂。
• 受天气影响：大雾、大雨、扬尘天气，激光会被散射，性能下降。

激光雷达在BEV模型中的角色，主要是提供精确的3D位置信息。摄像头负责“这是什么”，激光雷达负责“它在哪里”。两者互补。

2.3 毫米波雷达：全天候选手

毫米波雷达，工作频率在24GHz、77GHz或79GHz。它发射电磁波，利用多普勒效应测量目标的速度和距离。

你想想看，为什么叫“毫米波”？因为它的波长在毫米量级。波长越短，分辨率越高，但穿透力会下降。77GHz是目前的主流，因为它的带宽大，距离分辨率高。

毫米波雷达的数据特点：

• 全天候工作：雨、雪、雾、烟，基本不受影响。这是它最大的优势。
• 直接测速：利用多普勒效应，可以直接得到目标的径向速度。
• 角分辨率低：传统毫米波雷达只能分辨左右，很难区分上下。所以它经常把天桥误认为障碍物。
• 点云稀疏且噪声大：跟激光雷达比，毫米波雷达的点云质量差很多。
• 多目标跟踪能力：可以同时跟踪几十个目标。

嗯，这里要注意：毫米波雷达的“点”不是真实的物体点，而是反射点的位置。一个行人可能反射出好几个点，一个卡车也可能只反射一个点。所以处理毫米波数据时，聚类算法很重要。

2.4 超声波雷达：近场守护者

超声波雷达，原理跟蝙蝠一样。发射40kHz左右的超声波，根据回波时间计算距离。它便宜、简单、可靠。

我在项目中用过很多超声波雷达，主要用在自动泊车和盲区检测。它的探测距离一般在0.2米到5米之间，再远就不行了。

超声波雷达的数据特点：

• 近距离精度高：在1米以内，精度可以到厘米级。
• 不受电磁干扰：超声波是机械波，跟电磁波不冲突。
• 探测范围窄：波束角一般在30度到60度之间，覆盖范围有限。
• 响应慢：声速340m/s，来回一次需要时间。所以更新频率低，一般10-20Hz。
• 受温度影响：声速随温度变化，需要温度补偿。

2.5 四种传感器的对比总结

好了，咱们把四种传感器放在一起对比一下。我整理了一个表格，方便你快速查阅。

传感器类型	工作原理	主要优势	主要劣势	BEV中的角色
摄像头	光电转换	语义信息丰富、成本低	缺深度、受光照影响	语义理解、目标分类
激光雷达	激光测距	高精度3D点云、不受光照	成本高、受天气影响	精确位置、3D建模
毫米波雷达	电磁波多普勒	全天候、直接测速	角分辨率低、点云稀疏	速度估计、远距探测
超声波雷达	超声波测距	近距离精度高、成本极低	探测范围窄、响应慢	近场补盲、泊车辅助

做BEV融合时，我的建议是：不要指望任何一种传感器解决所有问题。摄像头看颜色，激光雷达看位置，毫米波雷达看速度，超声波雷达看近场。把它们融合在一起，才能得到稳定可靠的BEV感知结果。

下一章，咱们会深入讲传感器标定——怎么把这些传感器的坐标系统一起来。这可是BEV融合的第一步，也是最容易出问题的一步。到时候我会分享一些我踩过的坑，保证让你少走弯路。