第二章 环境感知与定位基础：传感器融合、高精地图、自车定位技术
各位同学，欢迎来到第二章。
上一章我们聊了决策规划的整体框架。这一章，我们来啃一块硬骨头——环境感知与定位。
你想想看，自动驾驶汽车就像一个盲人开车。它没有眼睛，没有耳朵。全靠传感器来感知世界。如果感知错了，决策规划再好也没用。我见过太多项目，算法写得天花乱坠，最后栽在感知上。
2.1 传感器融合：1+1 > 2 的艺术
先说传感器融合。说白了，就是让不同传感器取长补短。
摄像头看得远，能识别颜色和纹理。但它在黑夜和强光下就抓瞎。激光雷达测距准，不受光照影响。但它怕雨雪雾，也认不出交通标志。毫米波雷达穿透力强，能测速度。但分辨率低，分不清是卡车还是自行车。
你看，没有一个是完美的。怎么办？融合起来。
核心思路：利用不同传感器的冗余信息，提高感知的鲁棒性和准确性。
2.1.1 融合的层级
我习惯把融合分成三个层级。每个层级都有它的适用场景。
| 融合层级 | 特点 | 我踩过的坑 |
|---|---|---|
| 数据级融合 | 直接融合原始数据，信息损失最小 | 计算量巨大，实时性很难保证 |
| 特征级融合 | 先提取特征，再融合特征向量 | 特征对齐很关键，标定稍微偏一点，结果就崩了 |
| 目标级融合 | 各自独立检测，最后融合目标列表 | 工程上最常用，但容易丢失低置信度的目标 |
我个人最常用的是特征级融合。为什么？因为它平衡了精度和计算量。数据级融合太慢，目标级融合又太粗糙。特征级融合，刚刚好。
2.1.2 时间同步与空间对齐
融合之前，有两件事必须做。时间同步和空间对齐。
时间同步，就是让所有传感器的数据在同一个时间戳上。摄像头30帧，激光雷达10帧，毫米波雷达20帧。它们的数据到达时间不一样。如果不做同步，你看到的障碍物位置可能是100毫秒前的。100毫秒，车已经跑了3米了。嗯，这里要注意，时间戳的精度直接影响融合效果。
空间对齐，就是把所有传感器坐标系统一到车体坐标系。这需要精确的标定。我曾经因为标定板放歪了1度，导致融合后的障碍物位置偏差了半米。排查了整整两天才找到原因。
避坑指南：标定不是一次性的。车辆行驶中的震动、温度变化都会导致标定参数漂移。建议加入在线标定模块，实时修正。
2.2 高精地图：自动驾驶的「记忆」
高精地图，不是我们手机上的导航地图。它精度更高，信息更丰富。厘米级的精度，包含车道线、路沿、交通标志、信号灯等所有静态元素。
为什么需要高精地图？因为传感器有局限。激光雷达看不到被遮挡的路口。摄像头看不清远处的交通标志。高精地图就像一个「记忆库」，告诉车前方200米是什么路况。
2.2.1 高精地图的构成
高精地图通常包含三层：
- 道路层：车道中心线、车道宽度、车道连接关系。这是规划的基础。
- 交通设施层：交通标志、信号灯、路沿、护栏。用于辅助感知。
- 定位层：地面标记、杆状物、建筑物轮廓。用于车辆定位。
我记得有一次，地图里一个路口的车道连接关系画错了。结果车到了路口，规划模块死活找不到可行驶路径。最后发现是地图数据的问题。所以，地图质量直接影响决策规划。
2.2.2 地图的更新与维护
高精地图不是一成不变的。道路施工、交通标志更换、车道线磨损，都会导致地图失效。所以需要持续更新。
更新方式有两种：
- 众包更新：利用量产车的传感器数据，实时检测地图变化，上传云端。
- 专业测绘：用高精度测绘车定期采集，精度高但成本也高。
我建议采用混合策略。关键区域用专业测绘，普通道路用众包更新。这样既保证精度，又控制成本。
注意：地图更新有延迟。在施工路段，地图可能还是旧数据。这时候必须依赖实时感知，不能完全信任地图。
2.3 自车定位技术：我在哪？
定位，就是回答三个问题：我在哪？我要去哪？我怎么去？
第一个问题，就是自车定位。没有准确的定位，决策规划就是空中楼阁。
2.3.1 主流定位方案
目前主流方案有三种：
| 方案 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| GNSS+IMU | 卫星定位+惯性导航 | 全天候，无累计误差 | 城市峡谷、隧道会失效 |
| 激光雷达定位 | 点云匹配高精地图 | 精度高，不受信号干扰 | 计算量大，怕雨雪 |
| 视觉定位 | 图像特征匹配地图 | 成本低，信息丰富 | 光照变化影响大 |
你可能会问，哪个最好？我的答案是：没有最好，只有最合适。我一般会组合使用。比如城市道路用GNSS+IMU做粗定位，再用激光雷达做精定位。隧道里GNSS失效，就全靠IMU和激光雷达。
2.3.2 定位的难点与对策
定位最大的难点是什么？是场景变化。
夏天和冬天，树叶不一样。白天和黑夜，光照不一样。下雨和下雪，路面反射不一样。这些变化都会影响定位精度。
我曾经遇到过一个问题。一辆车在同一个路口，白天定位精度10厘米，晚上变成了30厘米。排查后发现，是视觉定位模块对夜间图像的特征提取不稳定。后来我们加入了光照自适应模块，才解决了这个问题。
经验之谈：定位系统一定要有故障检测和降级策略。当主定位失效时，能平滑切换到备用方案。不要突然「失明」。
2.3.3 定位与决策规划的接口
定位结果怎么给决策规划用？不是简单地把坐标传过去就行。
决策规划需要的是：
- 位置：当前在哪个车道？距离路口多远？
- 姿态：车头朝向？俯仰角？
- 速度：纵向速度、横向速度、横摆角速度。
- 置信度：定位结果有多可靠？
置信度很重要。如果定位置信度低，决策规划就要保守一些。比如，不要做激进变道，不要高速过弯。
好了，这一章的内容就到这里。传感器融合、高精地图、自车定位，这三者是环境感知的三大支柱。缺一个，自动驾驶就不完整。下一章，我们聊聊行为决策和运动规划。到时候，你会看到这些感知信息是怎么被用起来的。
本章小结：
- 传感器融合要选对层级，做好时间和空间对齐
- 高精地图是静态记忆，需要持续更新
- 定位方案要组合使用，并考虑场景变化
- 定位结果要带置信度，供决策规划参考
公众号:蓝海资料掘金营，微信deep3321