2、感知系统集成：摄像头、激光雷达、毫米波雷达、超声波雷达的选型与集成要点

各位同学，咱们今天聊聊感知系统的硬件选型与集成。说实话，这块儿是自动驾驶里最「烧钱」也最「烧脑」的部分。我见过不少团队，算法调得挺溜，结果硬件选型没搞好，路试时各种掉链子。嗯，咱们今天就把这四种传感器的脾气摸透。

2.1 摄像头：视觉感知的「眼睛」

摄像头这东西，大家最熟悉。但选型时坑也不少。我个人习惯先看三个核心参数：分辨率、帧率、动态范围。

• 分辨率：别盲目追求8K。我做过测试，200万像素在L2级完全够用。但L4级建议上500万以上，特别是要识别小目标时。
• 帧率：30fps是底线。高速场景下，我建议60fps。为什么？你想想看，车速120km/h时，30fps意味着每帧车辆移动了1.1米。这距离足够发生很多事了。
• 动态范围：这个最容易被忽略。进出隧道那一下，动态范围不够直接「瞎」掉。我建议至少120dB。

2.2 激光雷达：3D感知的「硬通货」

激光雷达这几年价格降了不少，但选型依然有门道。说白了，就是线数、测距、FOV三者的平衡。

参数	低配方案	高配方案
线数	16线（近距离补盲）	128线（主雷达）
测距	100m（城市道路）	200m+（高速场景）
FOV	水平120°	水平360°（旋转式）

我个人建议，别想着一个激光雷达搞定所有。混合方案更靠谱。比如一个128线主雷达负责远距离，四个16线补盲雷达覆盖车身四周。我在项目里试过，效果比单用64线好得多。

2.3 毫米波雷达：全天候的「老黄牛」

毫米波雷达最大的优势就是不怕雨雪雾。但它的缺点也很明显——分辨率低，没法识别物体类别。你想想看，它只能告诉你「前面有东西」，但说不清是车还是人。

选型时重点关注：

• 频段：77GHz是主流，比24GHz精度高不少。我建议直接上77GHz，别省那点钱。
• 测距能力：长距雷达（200m+）用于ACC，中距雷达（60-100m）用于BSD。别混用，否则标定会疯掉。
• 角度分辨率：至少2°以内。低于这个值，相邻车道目标容易混淆。

2.4 超声波雷达：近距感知的「守门员」

超声波雷达虽然技术含量不高，但少了它还真不行。自动泊车、盲区监测都靠它。选型时主要看探测距离和盲区。

• 探测距离：0.2m-5m就够用。太远了反而容易受干扰。
• 盲区：每个探头都有15°左右的盲区。所以安装时一定要重叠覆盖。我建议前后各装4个，左右各2个，这样基本无死角。

嗯，这里要注意。超声波雷达对温度敏感。冬天零下20°C时，探测距离会缩短30%。我在东北路试时吃过这个亏，后来加了温度补偿算法才搞定。

2.5 多传感器融合：1+1>2

单独看每种传感器都有短板。但融合起来，效果就完全不一样了。我常用的融合策略是：

1. 空间对齐：所有传感器坐标统一到车辆坐标系。这一步做不好，后面全是白搭。
2. 时间同步：摄像头30fps，激光雷达10fps，毫米波雷达20fps。怎么对齐？我习惯用激光雷达的PPS信号做时间基准。
3. 数据融合：低层融合（特征级）和高层融合（目标级）结合使用。说白了，就是既融合原始点云，也融合检测结果。

2.6 选型总结与建议

最后，给大家一个选型参考表。这是我多年经验总结的，不一定适合所有场景，但至少能帮你少走弯路。

传感器	核心优势	核心短板	推荐场景
摄像头	颜色、纹理识别	光照敏感	车道线、交通标志
激光雷达	3D点云、高精度	成本高、怕雨雪	障碍物检测、SLAM
毫米波雷达	全天候、测速准	分辨率低	ACC、BSD、AEB
超声波雷达	近距、低成本	距离短、温度敏感	自动泊车、盲区

我个人建议，L2级用「摄像头+毫米波雷达」就够了。L3级以上，必须上激光雷达。至于超声波雷达，不管什么级别，都建议装上。成本不高，但关键时刻能救命。

好了，这一章就到这里。记住，传感器选型没有标准答案，只有最适合你场景的方案。多试、多测、多踩坑，慢慢就有感觉了。