第四章 传感器接入与数据融合：摄像头、激光雷达、毫米波雷达、超声波雷达的接口与数据流
各位同学，今天我们聊聊传感器接入。这是域控制器最底层的活儿，也是最容易出坑的地方。
我常说一句话：传感器接不好，后面算法再牛也白搭。数据进不来，或者进来的是脏数据，整个系统就废了。今天我把四种主流传感器的接口和数据流拆开讲，结合我踩过的坑，希望能帮你少走弯路。
4.1 摄像头接口：GMSL 与 FPD-Link 的抉择
摄像头是自动驾驶的眼睛。目前主流接口就两个：GMSL（Maxim 家的）和 FPD-Link（TI 家的）。
我个人习惯用 GMSL，原因很简单——抗干扰能力强。车载环境电磁干扰大，GMSL 的同轴电缆能传 15 米以上，信号还稳。FPD-Link 也不错，但线缆要求高一些。
关键参数对比：
| 参数 | GMSL | FPD-Link |
|---|---|---|
| 最大传输距离 | 15m+ | 10m |
| 线缆类型 | 同轴电缆 | STP（屏蔽双绞线） |
| 典型带宽 | 6 Gbps | 4.16 Gbps |
| 供电方式 | PoC（同轴供电） | PoC |
我在项目里遇到过一个问题：摄像头画面偶尔闪一下，查了三天，最后发现是 GMSL 解串器的电源纹波太大。嗯，这里要注意——PoC 供电的滤波电路一定要做好，不然画面抖动会让你怀疑人生。
4.2 激光雷达接口：以太网是主流
激光雷达的数据量比摄像头大得多。一个 64 线激光雷达，每秒能产生 1.3 亿个点。你想想看，用 CAN 或者 LVDS 根本扛不住。
所以现在主流方案是千兆以太网，甚至万兆。数据格式通常是 UDP 包，里面封装了点云数据。
避坑指南：我曾经遇到过激光雷达丢包的问题。排查后发现是交换机缓存太小，突发数据流把缓存撑爆了。建议用支持 802.1Q 优先级标记的交换机，给激光雷达数据打高优先级标签。
数据流大概是这样的：
激光雷达 → 以太网 PHY → MAC → DMA → 内存（点云缓冲区） → 预处理（滤波、降采样） → 融合模块这里有个细节：时间戳。激光雷达的每个点云帧都要打上精确的时间戳，最好用 PTP（精确时间协议）同步。我见过一个项目，因为时间戳没对齐，融合出来的目标位置差了半米，直接导致急刹车误触发。
4.3 毫米波雷达接口：CAN-FD 与以太网并存
毫米波雷达的数据量不大，但实时性要求高。传统方案用 CAN，现在慢慢往 CAN-FD 和以太网过渡。
我个人建议：如果雷达只输出目标列表（比如 64 个目标），CAN-FD 就够了。但如果要输出原始点云（4D 成像雷达），那必须上以太网。
| 雷达类型 | 推荐接口 | 数据量 | 典型延迟 |
|---|---|---|---|
| 传统 3D 雷达 | CAN-FD | ~500 bytes/帧 | < 10ms |
| 4D 成像雷达 | 千兆以太网 | ~50 KB/帧 | < 20ms |
数据流上，毫米波雷达有个特点：多普勒速度是直接测出来的，不像摄像头需要靠帧间差分算。所以融合时，毫米波的速度信息权重可以设高一些。
注意：毫米波雷达容易受多径反射干扰。我在高速上遇到过雷达把护栏当成静止车辆的情况。解决办法是加一个置信度阈值，低于 0.6 的目标直接丢弃。
4.4 超声波雷达接口：简单但别轻视
超声波雷达看起来最简单，就 4 根线：VCC、GND、Trigger、Echo。但说实话，它是最容易出问题的传感器。
为什么？因为超声波是靠声波反射测距的，环境噪声、温度、湿度都会影响精度。我建议用I2C 或 UART 接口的智能超声波雷达，内部自带温度补偿和滤波算法，省心很多。
数据流很简单：
超声波雷达 → GPIO/UART → 中断服务程序 → 距离值队列 → 融合模块这里有个坑：多个超声波雷达同时发射会串扰。我曾经遇到过倒车时雷达乱叫，就是因为左右两个雷达的声波互相干扰。解决办法是分时触发，或者用不同频率的探头。
4.5 数据融合：时间同步与空间对齐
传感器数据都进来了，接下来就是融合。说白了就两件事：时间上对齐，空间上对齐。
4.5.1 时间同步
我习惯用硬件时间戳。每个传感器数据进来时，由 FPGA 或 MCU 打上全局时间戳。这样即使数据到达 CPU 时有延迟，也能知道它是什么时候产生的。
举个例子：
// 伪代码示意
struct sensor_data {
uint64_t timestamp; // 硬件时间戳，单位 us
uint8_t sensor_id;
uint8_t data_type; // 0: camera, 1: lidar, 2: radar, 3: ultrasonic
union {
image_t img;
pointcloud_t pc;
radar_target_t targets[64];
uint16_t distance;
} data;
};4.5.2 空间对齐
不同传感器的坐标系不一样。摄像头是像素坐标系，激光雷达是三维笛卡尔坐标系，毫米波雷达是极坐标系。
我建议在车辆坐标系下做融合。车辆坐标系的原点通常在后轴中心，X 轴朝前，Y 轴朝左，Z 轴朝上。
转换公式不复杂，但标定参数一定要准。我记得有一次，激光雷达的安装角度偏了 0.5 度，融合出来的目标位置就偏了 30 厘米。嗯，标定这事，真的不能马虎。
4.6 实战经验：数据流架构设计
最后分享一个我常用的数据流架构：
- 传感器层：各传感器通过专用接口接入
- 预处理层：在 FPGA 或 MCU 上做数据解析、时间戳打标、初步滤波
- 传输层：通过 PCIe 或以太网将数据传给主 SoC
- 融合层：在 SoC 上做时间同步、空间对齐、目标级融合
- 输出层：输出融合后的目标列表给规划控制模块
核心原则：能早处理的数据，不要拖到后面。比如激光雷达的离群点滤波，在 FPGA 上做比在 CPU 上做快 10 倍。
好了，这一章就讲到这里。传感器接入看似基础，但决定了整个系统的上限。下一章我们聊聊计算单元——GPU、NPU、FPGA 怎么分工协作。