1. 传感器基础与分类：车载传感器概述
大家好，我是老张。做车载系统这些年，我最大的感触就是——传感器是自动驾驶的「眼睛」和「耳朵」。没有它们，再厉害的算法也是白搭。今天咱们就来聊聊传感器的基础知识，把底子打扎实了。
1.1 传感器在自动驾驶中的角色
你想想看，一辆自动驾驶汽车要上路，它得先知道三件事：我在哪？周围有什么？接下来会发生什么？ 传感器就是回答这些问题的关键。
我个人习惯把传感器比作人类的感官系统：
- 摄像头——像眼睛，能看清颜色、形状、文字
- 激光雷达——像触觉，能精确感知物体的距离和轮廓
- 毫米波雷达——像耳朵，能「听」到远处的速度和运动
- 超声波——像手指，近距离探测最靠谱
- IMU+GPS——像小脑和导航，告诉你身体姿态和位置
我在项目中遇到过不少新手，上来就问「哪个传感器最好？」。其实没有最好的传感器，只有最合适的组合。传感器融合才是王道。
核心观点：单一传感器都有短板。摄像头怕黑夜，激光雷达怕雨雾，毫米波雷达分辨力不够。融合就是取长补短。
1.2 传感器分类详解
咱们一个一个来看。每种传感器我都尽量讲透，包括它的脾气秉性。
1.2.1 超声波传感器
超声波传感器，说白了就是靠声波回声测距。频率一般在40kHz以上，人耳听不见。
- 探测距离：0.2米~5米，典型的近场传感器
- 精度：厘米级，够用但不惊艳
- 视场角：一般30°~60°，比较窄
- 典型应用：自动泊车、盲区检测
我的经验：超声波对光滑平面（比如墙面）反射效果好，但对软质物体（比如行人衣物）容易「漏报」。我曾经在泊车测试时，车尾有个纸箱，超声波愣是没检测到——因为纸箱吸音。后来我们加了算法补偿才解决。
1.2.2 毫米波雷达
毫米波雷达用的是电磁波，频率在24GHz、77GHz左右。它不怕雨雾，这是它最大的优势。
| 参数 | 24GHz雷达 | 77GHz雷达 |
|---|---|---|
| 探测距离 | 30~100米 | 100~250米 |
| 精度 | 米级 | 厘米级 |
| 角分辨率 | 约10° | 约1°~3° |
| 成本 | 较低 | 较高 |
嗯，这里要注意：77GHz雷达虽然性能好，但它的天线设计和散热要求更高。我见过一些方案为了省钱用24GHz，结果在高速场景下目标检测老是丢帧。
1.2.3 激光雷达
激光雷达（LiDAR）是很多高阶自动驾驶的「标配」。它通过发射激光束来构建三维点云，精度极高。
- 探测距离：10~200米（视线束和功率而定）
- 精度：毫米级，是所有传感器里最准的
- 帧率：10~20Hz，够用
- 视场角：水平360°，垂直一般30°~40°
避坑指南：我曾经在雨雪天测试激光雷达，发现点云数据里全是噪点。后来才明白，激光雷达对天气敏感，尤其是大雨和浓雾。所以别指望它全天候工作，一定要和毫米波雷达互补。
1.2.4 摄像头
摄像头是信息最丰富的传感器。它能识别车道线、交通标志、行人、车辆——这些是雷达和激光雷达做不到的。
常见的车载摄像头有：
- 前视摄像头：用于车道保持、ACC（自适应巡航）
- 环视摄像头：用于全景影像、泊车
- 侧视/后视摄像头：用于盲区监测
- DMS摄像头：用于驾驶员监控
摄像头的关键指标包括：
- 分辨率：从VGA到8K都有，越高越好但数据量也大
- 帧率：一般30fps，高速场景可能需要60fps
- 视场角：广角镜头可达120°以上
- 动态范围：这个很关键，决定了逆光或隧道场景的表现
个人建议：选摄像头时别只看分辨率。动态范围和低照度性能更重要。我踩过坑——选了个高分辨率但低照度差的摄像头，晚上基本是「瞎子」。
1.2.5 IMU（惯性测量单元）
IMU包含加速度计和陀螺仪。它不依赖外部信号，完全靠自己感知运动。
- 加速度计：测量三轴加速度
- 陀螺仪：测量三轴角速度
- 输出：6轴数据（3轴加速度+3轴角速度）
IMU有个大问题——漂移。时间越长，误差累积越大。所以它不能单独用，必须和GPS配合。
1.2.6 GPS（全球定位系统）
GPS提供绝对位置信息，精度一般在米级。配合RTK（实时动态差分）可以做到厘米级。
但GPS也有短板：
- 隧道、地下车库没信号
- 城市峡谷多径效应严重
- 更新频率低（一般10Hz）
所以业界普遍用GPS+IMU融合的方案。GPS提供长期稳定的位置，IMU填补短期的运动细节。
1.3 传感器性能指标速查
为了方便大家对比，我整理了一张表：
| 传感器 | 探测距离 | 精度 | 帧率 | 视场角 | 环境适应性 |
|---|---|---|---|---|---|
| 超声波 | 0.2~5m | 厘米级 | 10~20Hz | 30°~60° | 一般 |
| 毫米波雷达 | 30~250m | 厘米~米级 | 10~20Hz | 10°~90° | 优秀（不怕雨雾） |
| 激光雷达 | 10~200m | 毫米级 | 10~20Hz | 360°×30° | 较差（怕雨雾） |
| 摄像头 | 10~200m | 像素级 | 30~60Hz | 30°~120° | 较差（怕黑夜） |
| IMU | N/A | 高动态 | 100~1000Hz | N/A | 优秀 |
| GPS | 全球 | 米~厘米级 | 10Hz | N/A | 受遮挡影响 |
1.4 选型思路小结
讲了这么多，我总结几条选型原则：
- 场景决定传感器——高速场景重雷达，城市场景重摄像头+激光雷达
- 冗余是必须的——任何单一传感器都可能失效，至少两种传感器覆盖同一功能
- 算力要匹配——传感器数据量越大，对计算平台要求越高。别光顾着堆传感器，算力跟不上也是白搭
- 成本要可控——量产车和Demo车不一样，每增加一个传感器都是真金白银
最后说一句：传感器选型没有标准答案。我见过用4个激光雷达的方案，也见过只用摄像头+毫米波雷达的方案。关键看你的目标是什么——L2还是L4？乘用车还是商用车？预算多少？想清楚这些，选型就简单了。
好，第一章就到这里。下一章咱们深入聊聊传感器融合的架构设计，到时候我会拿实际项目中的案例来拆解。