1. 传感器系统概述：车载传感器分类与集成挑战
各位同学，大家好。我是老张，在车载系统这个行当摸爬滚打了十几年。今天咱们开始第一课，聊聊传感器系统。说实话，传感器就是智能车的眼睛和耳朵。没有它们，什么自动驾驶、辅助驾驶都是空谈。
你想想看，一辆车要感知周围环境，靠什么？靠的就是这几类传感器。我习惯把它们分成四大类：激光雷达、毫米波雷达、摄像头、超声波。每种都有自己的脾气秉性。
1.1 激光雷达（LiDAR）
激光雷达，说白了就是“用激光测距”。它发射激光束，打到物体上反射回来，通过时间差算出距离。精度非常高，能达到厘米级。
核心指标：
- 线数：16线、32线、64线、128线。线数越多，点云越密，看得越清楚。
- 探测距离：一般150米到300米。高速场景下，200米是底线。
- 视场角（FOV）：水平一般360°或120°，垂直一般30°左右。
- 角分辨率：决定了你能分辨多小的物体。0.1°算不错了。
个人经验：我在项目中遇到过一个问题——激光雷达在雨雾天气下性能衰减严重。有一次测试，下着小雨，点云直接少了一半。后来我们加了算法滤波，才勉强能用。所以，别迷信激光雷达，它也有短板。
避坑指南：我曾经因为没注意激光雷达的“盲区”吃过亏。车顶安装的激光雷达，车头正下方1米内是探测不到的。结果测试车差点撞上低矮的路障。记住，安装位置和盲区一定要提前算好。
1.2 毫米波雷达
毫米波雷达，用的是毫米波段的电磁波。它不怕雨雪雾，穿透力强。但缺点也很明显——分辨率低，看不清物体的具体形状。
核心指标：
- 工作频率：24GHz（老一代）、77GHz（主流）、79GHz（新趋势）。77GHz是现在的标配。
- 探测距离：长距雷达（LRR）可达250米，中距（MRR）100米，短距（SRR）30米。
- 速度测量：利用多普勒效应，可以直接测出目标的速度。这是它的独门绝技。
- 角度分辨率：一般3°到5°，比激光雷达差远了。
| 参数 | 激光雷达 | 毫米波雷达 |
|---|---|---|
| 测距精度 | 厘米级 | 分米级 |
| 抗天气干扰 | 差（雨雾） | 好 |
| 目标识别 | 能识别形状 | 只能识别点 |
| 成本 | 高（数千到数万） | 低（几百到上千） |
嗯，这里要注意。毫米波雷达虽然便宜，但它有个致命问题——对静止目标的检测能力弱。为什么？因为多普勒效应只对运动目标有效。静止目标，它有时候直接忽略了。我建议，做融合算法时，一定要把这个问题考虑进去。
1.3 摄像头
摄像头，最像人眼。它能识别颜色、纹理、文字、交通标志。但缺点也像人眼——怕黑、怕强光、怕雨雾。
核心指标：
- 分辨率：VGA（30万像素）、720P、1080P、4K。越高看得越清，但数据量也越大。
- 帧率：30fps是基础，60fps更流畅。高速场景下，帧率低了会漏检。
- 动态范围（HDR）：120dB以上才算合格。进出隧道时，光线变化剧烈，HDR不够的话，画面直接过曝或过暗。
- 低照度性能：星光级摄像头能在0.01 lux下工作。晚上没路灯的地方，这个指标很关键。
警告：摄像头最怕“脏”。我曾经遇到过，测试车跑了一趟泥路，镜头被泥点糊住，车道线识别直接失效。所以，摄像头一定要有清洗系统，或者至少要有脏污检测算法。
1.4 超声波雷达
超声波雷达，原理和倒车雷达一样。发射超声波，接收回波。它只适合近距离探测，一般0.2米到5米。泊车场景是它的主场。
核心指标：
- 工作频率：40kHz或48kHz。人耳听不到。
- 探测角度：一般60°到120°。角度越大，覆盖范围越广。
- 盲区：最近探测距离0.2米。小于这个距离，它就测不到了。
说实话，超声波雷达技术很成熟，成本也低。但它有个问题——容易受干扰。两个超声波雷达靠太近，会互相串扰。我记得有一次，测试车左右各装了一个，结果它们互相“吵架”，数据全乱了。解决办法是分时发射，或者用不同的编码。
1.5 系统集成挑战
好了，四种传感器都介绍完了。但真正的难点，不在于单个传感器，而在于怎么把它们集成到一起。我总结了几大挑战：
- 时间同步：每种传感器都有自己的时钟。摄像头30fps，激光雷达10Hz，毫米波雷达20Hz。它们的数据怎么对齐？时间戳必须统一。我习惯用PTP（精确时间协议）或者GPS授时。
- 空间同步：传感器装在车上的不同位置。激光雷达在车顶，摄像头在前挡风，毫米波雷达在保险杠。它们看到的同一个物体，坐标不一样。需要做联合标定，把坐标系统一到一个坐标系下。
- 数据融合：不同传感器的数据格式不同。激光雷达是点云，摄像头是图像，毫米波雷达是目标列表。怎么融合？我建议用“前融合”或“后融合”。前融合是把原始数据融合，后融合是把各自的目标结果融合。各有优劣。
- 计算资源：传感器数据量巨大。一个128线激光雷达，每秒产生几百万个点。再加上4路摄像头，数据量轻松上G。车载芯片算力够不够？我建议用FPGA或GPU做硬件加速。
- 可靠性：车规级要求，失效率要低于10 FIT（每10亿小时失效次数）。消费级的传感器，直接拿来用是不行的。必须经过严格的可靠性测试。
个人经验：我做过一个项目，时间同步没做好，结果激光雷达和摄像头的数据差了100毫秒。车在高速上跑，100毫秒就是3米多的误差。融合出来的结果，物体位置全偏了。后来我们花了整整两周，才把时间同步的bug修掉。所以，时间同步是基础中的基础，千万别忽视。
1.6 小结
这一章，我们讲了四种传感器的分类、性能指标，以及系统集成的挑战。你想想看，每种传感器都有自己的长处和短处。没有一种传感器是万能的。真正的解决方案，是让它们取长补短，协同工作。
下一章，我们会深入讲激光雷达的标定和调试。到时候我会带大家看一些实际的标定工具和流程。嗯，今天就到这里，有什么问题，欢迎课后交流。