感知模块架构：传感器配置方案与数据融合策略
聊到感知模块，我习惯先看传感器配置。说白了，这就是自动驾驶的「眼睛」怎么搭配的问题。你想想看，光靠一种传感器，就像人只用一只眼看世界——总有盲区。
传感器配置方案
先说说主流方案。L4级自动驾驶，传感器配置一般分三档：
- 视觉主导方案：8-12个摄像头 + 3-5个毫米波雷达 + 12个超声波
- 激光雷达主导方案：3-5个激光雷达 + 6-8个摄像头 + 5个毫米波雷达
- 融合均衡方案：1-3个激光雷达 + 8个摄像头 + 5个毫米波雷达 + 12个超声波
我个人更倾向融合均衡方案。为什么？我在项目中遇到过纯视觉方案在隧道出口瞬间「失明」的情况——阳光直射导致摄像头过曝，要不是毫米波雷达及时补位，后果不堪设想。
| 传感器类型 | 优势 | 劣势 | 典型数量 |
|---|---|---|---|
| 摄像头 | 纹理丰富、颜色识别、成本低 | 光照敏感、深度估计弱 | 6-12个 |
| 激光雷达 | 3D点云精准、不受光照影响 | 雨雾衰减、成本高 | 1-5个 |
| 毫米波雷达 | 全天候、测速准、穿透力强 | 角度分辨率低、静态目标弱 | 3-5个 |
| 超声波 | 近距离精准、成本极低 | 距离短、易受干扰 | 8-12个 |
关键原则：传感器配置不是堆数量，而是补短板。每种传感器都有「死穴」，配置方案就是让它们互相兜底。
感知算法流水线
传感器装好了，接下来是算法怎么跑。我习惯把感知流水线分成三个并行的线程：检测、跟踪、分割。
检测（Detection）
检测是感知的入口。摄像头这边，YOLOv8和BEVFormer是目前的主流。激光雷达那边，PointPillars和CenterPoint用得比较多。
嗯，这里要注意：检测不是越快越好。我见过团队为了追求实时性，把模型剪枝到精度崩了——车都开到跟前了还没识别出来。我个人建议，检测帧率稳定在20-30fps就够了，关键是延迟抖动要小。
// 伪代码：检测模块调度
while (sensor_data_ready()) {
camera_frame = get_camera_frame();
lidar_pointcloud = get_lidar_pointcloud();
// 并行检测
det_results_cam = detect_camera(camera_frame); // YOLOv8
det_results_lidar = detect_lidar(lidar_pointcloud); // PointPillars
// 检测结果融合
fused_detections = fuse_detections(det_results_cam, det_results_lidar);
// 送入跟踪模块
tracking_module.update(fused_detections);
}
跟踪（Tracking）
检测是「这一刻」的事，跟踪是「连续时刻」的事。我常用的跟踪框架是SORT和DeepSORT的变体。
曾经有个坑：单纯用卡尔曼滤波做跟踪，遇到急刹车时目标ID会频繁切换。后来我加了ReID特征匹配，ID切换率降了60%。说白了，跟踪的核心就是「关联」——把上一帧的目标和当前帧的目标对上号。
避坑指南：我曾经在跟踪模块里用了太复杂的特征提取网络，导致每帧处理时间从15ms飙到45ms。后来换成轻量级特征，效果差不多，速度翻倍。记住：跟踪模块的延迟会直接影响下游规划模块的响应。
分割（Segmentation）
分割是感知的「精细活」。可行驶区域、车道线、路沿、障碍物轮廓，这些都需要分割来做。
摄像头这边，我习惯用基于Transformer的分割头，比如SegFormer。激光雷达那边，RangeNet++和PolarNet效果不错。
你想想看，检测只能告诉你「那里有辆车」，分割能告诉你「这辆车占了哪些像素」。对于泊车场景，分割的精度直接决定了能不能停进去。
数据融合策略
传感器数据都来了，怎么融合？我把它分成三个层次：
- 数据级融合：原始数据直接拼接。比如把激光雷达点云投影到图像上，生成RGB+Depth的4通道数据。
- 特征级融合：各自提取特征后再融合。比如BEV空间下的特征对齐。
- 目标级融合：各自检测出目标后再融合。比如用匈牙利算法做目标匹配。
我个人最常用的是特征级融合。为什么？数据级融合太吃算力，目标级融合又容易丢失细节。特征级融合刚好在中间——既保留了空间信息，又控制了计算量。
注意：融合不是简单的「加和」。不同传感器的坐标系、时间戳、数据频率都不一样。我见过一个项目，摄像头和激光雷达的时间戳差了50ms，结果融合出来的目标位置偏了2米——这要是用在高速上，后果可想而知。
时间同步怎么做？我习惯用硬件触发的方式。每个传感器都接同一个GPS时钟，保证时间戳精度在1ms以内。如果硬件不支持，那就用插值法——把高频传感器的数据对齐到低频传感器的时间戳上。
空间对齐呢？标定是关键。摄像头和激光雷达的外参标定，我推荐用棋盘格法。毫米波雷达的标定比较麻烦，因为它没有视觉特征，需要用角反射器。
// 时间同步伪代码
struct SensorData {
uint64_t timestamp_us; // 微秒级时间戳
void* data;
};
// 使用时间戳对齐
SensorData align_sensors(SensorData cam_data, SensorData lidar_data) {
// 找到时间戳最接近的帧
uint64_t time_diff = abs(cam_data.timestamp_us - lidar_data.timestamp_us);
if (time_diff > 50000) { // 超过50ms，丢弃
return invalid_data();
}
// 插值对齐
return interpolate(cam_data, lidar_data, time_diff);
}
最后说一句：数据融合没有银弹。不同场景、不同传感器配置，融合策略都要调整。我建议先跑通目标级融合，再逐步升级到特征级融合。步子迈大了，容易扯着蛋。
总结：感知模块架构的核心就三件事——传感器怎么配、算法怎么跑、数据怎么融。这三件事做好了，感知模块就稳了。剩下的，就是不断迭代优化了。