车载传感器选型与融合方案设计
30章 · 完全目录
✨ 动手学融合 ✨
01
传感器基础与分类
车载传感器概述
自动驾驶角色
超声波/毫米波/激光/摄像头/IMU/GPS
性能指标
02
摄像头选型与原理
成像原理
CMOS vs CCD
分辨率/帧率
焦距与视场角
宽动态/防眩光
03
激光雷达选型与原理
ToF / FMCW
机械式 vs 固态
线束与点云密度
探测距离/FOV
04
毫米波雷达选型与原理
FMCW原理
24GHz vs 77GHz
测距测速测角
角度分辨率
05
超声波雷达选型与原理
工作原理
探测距离/盲区
40k/48k/58kHz
泊车应用
06
IMU与GPS选型
加速度计/陀螺仪
零偏稳定性
GPS定位原理
RTK/差分GPS
组合导航
07
传感器性能对比与选型策略
性能对比表
场景选型(高速/城市/泊车)
成本权衡
冗余设计
08
传感器标定基础
标定意义
内参/外参
标定板设计
标定流程
精度评估
09
摄像头标定
张正友标定法
棋盘格标定板
内参矩阵/畸变
OpenCV实践
10
激光雷达与摄像头联合标定
联合标定意义
V形标定板
点云投影
外参求解
11
毫米波雷达与摄像头联合标定
坐标系对齐
角反射器
联合标定流程
时间同步
12
多传感器时间同步
重要性
硬件同步(PPS/GPRMC)
软件同步
时钟漂移补偿
13
多传感器空间同步
空间同步概念
坐标系定义
旋转矩阵/平移
外参标定
14
传感器数据预处理
去噪滤波
归一化
数据增强
异常值检测
15
点云数据处理基础
点云结构
体素/统计/半径滤波
地面分割
聚类
16
图像数据处理基础
灰度化/直方图均衡
图像增强
SIFT/ORB
语义/实例分割
17
雷达数据处理基础
点云生成
多普勒速度
CFAR检测
目标聚类/分类
18
传感器融合架构设计
前融合/后融合/混合
架构对比
Apollo/特斯拉
选型建议
19
前融合算法
前融合概念
点云级融合
BEV特征
PointPainting
20
后融合算法
后融合概念
卡尔曼滤波
D-S证据理论
匈牙利匹配
21
卡尔曼滤波基础
卡尔曼原理
状态预测/更新
卡尔曼增益
EKF/UKF
22
卡尔曼滤波在融合中的应用
多目标跟踪
状态向量设计
噪声调参
最近邻/JPDA
23
贝叶斯估计与融合
贝叶斯定理
贝叶斯滤波
粒子滤波
贝叶斯融合优势
24
深度学习在融合中的应用
多模态深度学习
BEV感知(LSS/Transformer)
端到端融合
BEVFormer
25
传感器故障诊断与容错
硬故障/软故障
残差分析/一致性检验
故障隔离/重构
安全冗余
26
传感器融合系统评估
精度/召回率/F1/MOTA
KITTI/nuScenes/Waymo
仿真/实车测试
27
车载传感器选型案例
L2/L3/L4选型方案
成本性能分析
典型车型配置
28
传感器融合系统设计案例
ACC系统(摄像头+毫米波)
城区NOA(激光+摄像头+毫米波)
自动泊车
29
传感器融合系统开发工具
ROS/ROS2
Apollo CyberRT
MATLAB/Simulink
OpenPilot/Autoware
30
传感器融合发展趋势与挑战
4D成像雷达
固态激光雷达
事件相机
多模态大模型
车路协同