第2章传感器选型与标定

2、传感器选型与标定：摄像头、激光雷达、毫米波雷达的选型要点，联合标定的常见坑

摄像头选型，很多人上来就盯着分辨率看。其实，这恰恰是最容易踩的坑。

我个人习惯，先看动态范围。为什么？你想想看，一辆车从隧道里冲出来，明暗变化有多大？如果动态范围不够，要么隧道里一片死黑，要么出口处一片惨白。我在项目中遇到过，某款号称8M像素的摄像头，动态范围只有60dB，结果在傍晚逆光场景下，几乎等于瞎子。

另外，帧率也很关键。别以为30fps就够了。高速场景下，60fps是底线。我建议至少选60fps，最好能支持90fps。嗯，这里要注意，帧率高了，数据量也大，后端处理压力会陡增。

还有全局快门 vs 卷帘快门。卷帘快门在高速运动时会产生果冻效应，说白了就是图像会扭曲。做BEV感知，我强烈建议用全局快门。别问我怎么知道的，有一次测试，卷帘快门拍到的行人腿都是弯的，感知算法直接懵了。

  选型要点总结：
  动态范围 ≥ 120dB（HDR必备）
帧率 ≥ 60fps（高速场景建议90fps）
全局快门（避免果冻效应）
像素尺寸 ≥ 3μm（弱光性能保障）
支持外部触发同步（联合标定刚需）

激光雷达选型，大家总爱比线数。16线、32线、128线... 其实，线数只是表象。

我更关注点云密度和视场角。点云密度决定了你能看清多小的物体。我记得有一次，用某款32线雷达，10米外的一个锥桶，只有3个点落在上面，感知算法根本没法判断那是个锥桶还是噪声。

视场角呢？水平FOV至少120°，垂直FOV至少30°。不然，车旁边的低矮障碍物，比如路沿、石墩，很容易被漏掉。我曾经踩过这个坑，垂直FOV只有20°的雷达，车头前方1米处的减速带完全没扫到。

另外，抗干扰能力不能忽视。多台车同时用激光雷达，会不会互相干扰？1550nm波长的雷达在这方面比905nm好很多，但成本也高。怎么选？看你的应用场景。如果是L4级无人驾驶，别省这个钱。

毫米波雷达，说实话，在BEV感知里更多是补盲角色。它的优势是全天候，雨雾天照样工作。但它的角度分辨率，真的是硬伤。

我建议重点关注角度分辨率和多目标跟踪能力。普通3发4收的雷达，角度分辨率大概在10°左右。什么意思？10米外两个物体，距离1.7米以内，雷达就分不清了。这在城市道路场景下，基本等于废了。

现在有4D成像雷达，角度分辨率能做到1°以内。我个人觉得，如果预算允许，直接上4D雷达。别想着用传统雷达凑合，后期算法再怎么调，物理极限摆在那里。

另外，速度分辨率也很重要。毫米波雷达的多普勒效应是天然优势，速度分辨率至少要做到0.1m/s。这样，静止目标和低速运动目标才能区分开。

小技巧： 毫米波雷达的安装位置很关键。装在保险杠后面，要注意保险杠材质。碳纤维和金属保险杠会严重衰减信号。我见过一个项目，雷达装在碳纤维保险杠后面，探测距离直接缩水一半。

联合标定，说白了就是让摄像头、激光雷达、毫米波雷达看到的世界是同一个坐标系。听起来简单，做起来全是坑。

坑一：时间同步

这是最常见的坑。摄像头是30fps，激光雷达是10fps，毫米波雷达是20fps。它们采集数据的时间点不一样。如果不做时间同步，你拿到的数据是「错位」的。车在动，一个30ms的时间差，位置偏差可能就有半米。

我建议用硬件触发同步，而不是软件时间戳。硬件触发可以做到微秒级同步。软件时间戳，嗯，误差在10ms以上很正常。

坑二：外参标定精度

外参标定，就是求传感器之间的旋转和平移矩阵。很多人用棋盘格标定板，觉得够了。其实，对于BEV感知，棋盘格标定法的精度往往不够。

为什么？因为棋盘格只能提供角点特征，而角点特征在激光雷达点云里并不稳定。我建议用多平面标定法，或者用自然场景特征匹配。我在项目中用过一种方法：找一面大墙，用激光雷达扫出墙面的点云，再用摄像头拍墙上的纹理，然后做ICP配准。精度比棋盘格高一个数量级。

坑三：毫米波雷达标定

毫米波雷达的标定，很多人直接忽略。觉得毫米波雷达精度低，标不标无所谓。大错特错。

毫米波雷达的点云稀疏，而且有大量多径反射和鬼影。如果不做精细标定，这些噪声点会严重干扰感知算法。我建议用角反射器作为标定目标，角反射器在毫米波雷达下的回波强度很高，容易识别。

警告： 联合标定不是一次性的工作。车辆在行驶过程中，传感器支架会因振动、温度变化而产生微小形变。我建议每3个月做一次标定校验。如果发现感知精度下降，先检查标定参数，别急着调算法。

最后，分享一下我常用的标定流程。不一定适合所有场景，但至少能帮你避开大部分坑。

嗯，这套流程我用了好几年，踩过的坑都填平了。你照着做，至少能保证标定结果在工程上可用。

  核心一句话： 传感器选型决定了感知能力的上限，联合标定决定了你能多接近这个上限。别在选型上省钱，也别在标定上偷懒。