第二章：自动驾驶传感器基础

各位同学，今天我们来聊聊自动驾驶的「眼睛」和「耳朵」。

说实话，我刚入行那会儿，总觉得传感器越多越好。后来在项目里吃过亏才明白——理解每个传感器的脾气，比堆数量重要得多。

2.1 摄像头：最像人眼的传感器

摄像头的工作原理，说白了就是「光电转换」。光线通过镜头，打在CMOS或CCD感光元件上，变成电信号，再转成数字图像。

我个人习惯把摄像头分成三类：

• 单目摄像头：成本低，但测距靠算法猜。我做过一个项目，单目测距在隧道里误差能到30%——光线一变，算法就懵了。
• 双目摄像头：像人的两只眼睛，靠视差算距离。精度比单目好，但计算量大，基线长度也限制了有效测距范围。
• 环视摄像头：一般是4-6个鱼眼镜头，拼出360°全景。嗯，这里要注意——鱼眼镜头边缘畸变很严重，标定做不好，拼接出来的图像会「鬼影重重」。

2.2 激光雷达：精度之王，但贵得离谱

激光雷达（LiDAR）的原理其实不复杂：发射激光束，打到物体上反射回来，根据飞行时间算距离。

你想想看，光速是固定的，时间差一测，距离就出来了。但工程实现上，难点在于——怎么在纳秒级别精确计时。

市面上主流的有两种：

• 机械式：64线、128线，旋转扫描。我2018年做项目时，一台64线LiDAR要8万美金，比车还贵。而且机械旋转部件容易坏，跑几万公里就得换。
• 固态式：MEMS振镜或OPA方案，没有旋转部件。成本低很多，但视场角小，一般需要多颗拼接。

数据特性方面：

• 输出：3D点云（每秒几十万到上百万个点）
• 优点：精度高（厘米级），不受光照影响
• 缺点：怕雨雪雾，分辨率低（无法识别文字、颜色）
• 典型参数：10-20 Hz，水平360°，垂直30°

2.3 毫米波雷达：全天候选手

毫米波雷达，频率在24GHz或77GHz。为什么选这个频段？因为大气衰减适中，既能传得远，又不会被雨雾严重干扰。

它的工作原理是发射电磁波，利用多普勒效应测速。说白了，它能直接告诉你「前方那辆车正在以多快的速度靠近你」——这是摄像头和LiDAR做不到的。

我习惯把毫米波雷达分成两类：

• 近程雷达（24GHz）：探测距离30米以内，常用于盲区监测
• 远程雷达（77GHz）：探测距离可达250米，用于自适应巡航

数据特性：

• 输出：目标列表（距离、速度、角度、RCS）
• 优点：全天候，不怕雨雪雾，直接测速
• 缺点：角分辨率低，无法识别物体类别
• 典型帧率：20-50 Hz

2.4 超声波传感器：停车好帮手

超声波传感器，原理和LiDAR类似，但用的是声波。频率一般在40-60kHz，人耳听不到。

它的特点是：近距精度高，远距就抓瞎。有效探测距离一般只有3-5米，再远声波衰减太厉害。

我记得有一次，测试超声波在倒车场景的表现。结果发现，如果车后有拖车钩，超声波会误判成障碍物——因为拖车钩的形状刚好能反射声波。

数据特性：

• 输出：距离值（单点或区域）
• 优点：成本极低（几块钱一个），近距精度好
• 缺点：探测距离短，受温度影响大，无法测速
• 典型应用：自动泊车、盲区检测

2.5 GPS/IMU：定位的「骨架」

GPS提供绝对位置，IMU提供相对运动。两者结合，就是自动驾驶的「骨架」——其他传感器都是在这副骨架上贴肉。

GPS：靠卫星三角定位。但有个问题——城市峡谷、隧道里信号会丢。我做过一个测试，在高架桥下，GPS定位误差能到50米。

IMU：陀螺仪+加速度计。它不依赖外部信号，但会漂移。你想想看，加速度积分两次得到位移，误差会随时间累积。10秒后可能偏几米，1分钟后可能偏几十米。

数据特性：

• GPS输出：经纬度、海拔、速度（1-10 Hz）
• IMU输出：三轴加速度、三轴角速度（100-1000 Hz）
• 优点：提供全局坐标系，不依赖环境特征
• 缺点：GPS怕遮挡，IMU怕漂移

2.6 传感器特性对比

最后，我整理了一张对比表，方便大家快速查阅：

传感器	测距	测速	识别	全天候	成本
摄像头	中	差	优	差	低
激光雷达	优	中	中	中	高
毫米波雷达	优	优	差	优	中
超声波	差	差	差	中	极低
GPS/IMU	—	中	—	优	低

好了，这一章的内容就到这里。下一章我们会聊——这些传感器怎么「对齐」到同一个坐标系下。说白了，就是让它们说同一种语言。

到时候见。