3、传感器基础:摄像头、激光雷达、毫米波雷达、超声波雷达、IMU/GNSS的工作原理与选型

各位同学,欢迎来到传感器这一章。

说实话,传感器是自动驾驶的「眼睛」和「耳朵」。没有它们,算法再牛也是白搭。我入行那会儿,第一件事就是被拉去实验室摸各种传感器,从几万块的激光雷达到几十块的超声波,挨个测了个遍。

今天咱们就把这五大传感器掰开揉碎了讲。你想想看,一辆车上装这么多传感器,它们各自负责什么?为什么不能只用一种?

3.1 摄像头:最像人眼的传感器

摄像头的工作原理其实很简单——光线通过镜头,打到CMOS或CCD感光元件上,转换成电信号,再变成数字图像。

但这里有个坑:摄像头是被动传感器。它自己不发光,全靠环境光。所以晚上、隧道、逆光场景下,摄像头表现会大打折扣。我在项目中遇到过,一辆黑色车在夜间完全「隐身」了,还好有激光雷达兜底。

选型要点

  • 分辨率:不是越高越好。1080P够用,4K对算力要求太高。我个人习惯用200万像素,性价比最高。
  • 帧率:30fps是底线,60fps更好。高速场景下,帧率低了会漏检。
  • 动态范围:这个很关键。120dB以上的宽动态摄像头,才能应对隧道出入口那种极端光照变化。
  • 视场角:前视一般60°-120°,环视需要180°鱼眼。
我的小技巧:选摄像头时,别只看参数表。拿出去实际拍一段路,看看暗部细节和过曝控制。有些标称120dB的,实际表现还不如90dB的。

3.2 激光雷达:精度之王

激光雷达(LiDAR)的原理是发射激光束,打到物体上反射回来,通过飞行时间(ToF)计算距离。说白了就是「激光测距仪」的豪华升级版。

它最大的优势是直接输出3D点云,精度毫米级。摄像头需要靠算法猜深度,激光雷达直接告诉你「这里有个东西,距离12.34米」。

技术路线对比

类型 原理 代表产品 优缺点
机械旋转式 电机带动激光器旋转 Velodyne HDL-64 精度高,但有机械磨损,寿命短
MEMS微振镜 用微镜片反射激光 Luminar Iris 体积小,但视场角受限
固态(OPA/Flash) 相控阵或面阵发射 华为96线 无运动部件,可靠性高,但探测距离短
避坑指南:我曾经选过一款MEMS激光雷达,参数很漂亮,结果夏天暴晒后镜片热变形,点云全飘了。所以选型时一定要做高低温测试。

3.3 毫米波雷达:全天候选手

毫米波雷达发射的是毫米波段的电磁波(24GHz、77GHz、79GHz)。它的核心优势是不受天气影响——雨、雪、雾、霾,它都能正常工作。

工作原理是发射电磁波,遇到物体反射回来,通过多普勒效应测速度,通过FMCW(调频连续波)测距离。嗯,这里要注意,毫米波雷达测距精度不如激光雷达,但测速精度极高。

选型参数

  • 频段:77GHz是主流,带宽大,分辨率高。24GHz逐渐被淘汰。
  • 探测距离:前向雷达需要200米以上,角雷达50-100米足够。
  • 角度分辨率:4D毫米波雷达能做到1°以内,传统雷达3°-5°。
  • 速度分辨率:0.1m/s以下才算合格。

我个人习惯在高速场景下,把毫米波雷达作为主传感器。因为它对金属物体特别敏感,卡车、轿车都能稳定检测。但行人这种非金属目标,反射信号弱,容易漏检。

3.4 超声波雷达:近场守护者

超声波雷达的原理和蝙蝠一样——发射超声波(40kHz左右),接收回波,计算距离。它便宜、可靠,但探测距离短(一般0.2-5米),精度也一般。

用在什么地方?自动泊车、盲区检测、近距离防撞。说白了就是「最后几米」的传感器。

关键点:超声波雷达有盲区。太近(<20cm)测不到,太远(>5m)精度不够。而且两个超声波雷达之间会互相干扰,需要做编码或分时发射。

我记得有一次做泊车测试,超声波雷达把旁边的柱子检测成了墙,导致路径规划直接报错。后来发现是安装角度偏了1°,回波路径变了。所以安装工艺也很重要。

3.5 IMU/GNSS:定位的基石

IMU(惯性测量单元)和GNSS(全球导航卫星系统)是自动驾驶的「方向感」来源。

IMU工作原理

IMU内部有陀螺仪和加速度计。陀螺仪测角速度,加速度计测线加速度。通过积分,可以算出位置和姿态。但积分会累积误差,时间越长越不准。

GNSS工作原理

GNSS接收卫星信号,通过三角定位算出经纬度。普通GPS精度5-10米,RTK(实时动态差分)可以做到厘米级。但GNSS有遮挡问题——隧道、高楼区、地下车库,信号会丢失。

所以实际应用中,IMU和GNSS是融合使用的。GNSS提供绝对位置,IMU提供短时高精度推算。我做过一个项目,在隧道里GNSS信号全丢,全靠IMU撑了3公里,出来时误差不到1米——那套IMU是光纤陀螺,价格够买一辆车。

选型建议

参数 低端 中端 高端
陀螺仪零偏稳定性 >10°/h 1-10°/h <0.1°/h
加速度计零偏 >10mg 1-10mg <0.1mg
GNSS定位精度 2-5m 0.5-2m 厘米级(RTK)
典型应用 L2级辅助驾驶 L3级自动驾驶 L4级Robotaxi
我的经验:选IMU时,别只看参数。实际跑一圈,看看温度漂移和振动影响。有些IMU在实验室数据漂亮,装到车上颠簸半小时就开始飘了。

3.6 传感器选型总结

说了这么多,到底怎么选?我给大家一个简单的思路:

  1. 先定功能:你要实现什么?L2还是L4?高速还是城区?
  2. 再定传感器组合:没有一种传感器是万能的。摄像头+毫米波+超声波是L2的标配。加上激光雷达和RTK,才能上L4。
  3. 最后做冗余设计:任何一个传感器失效,系统都要能降级运行。我曾经见过一个方案,前向只有一颗摄像头,结果被泥巴糊住,车直接罢工了。

传感器选型没有标准答案,只有最适合的方案。你想想看,一辆Robotaxi和一辆家用轿车,传感器配置能一样吗?

好了,这一章就到这里。下一章咱们聊聊传感器标定——怎么把这些传感器「对齐」,让它们看到同一个世界。