2、传感器选型与集成：激光雷达、毫米波雷达、摄像头、IMU/GNSS的选型要点与硬件集成方案
好，咱们进入正题。传感器选型这事儿，说白了就是给车配「眼睛」和「耳朵」。我做了这么多年系统集成，见过太多因为传感器没选对，导致整个项目推倒重来的案例。今天我把核心要点掰开揉碎讲给你听。
2.1 激光雷达：精度与成本的博弈
激光雷达，业内叫它「LiDAR」。它的核心价值在于直接输出高精度的三维点云。我个人习惯，先看三个参数：线束、测距能力、角分辨率。
选型核心指标：
- 线束：16线、32线、64线、128线。线束越多，垂直方向看得越细。我建议L4级系统至少上64线，L2+级32线够用。
- 测距能力：150米是底线。高速场景下，你需要至少200米的探测距离才能保证安全刹停。
- 角分辨率：水平0.1°以下算优秀。分辨率不够，远处一个行人可能就变成几个点，根本识别不出来。
我在项目中遇到过一个问题：选了某款国产16线激光雷达，价格确实便宜，但到了雨天，点云噪声大得离谱。后来换了905nm波长的固态激光雷达，情况好很多。嗯，这里要注意，波长选择很关键。905nm成本低，但人眼安全有隐患；1550nm对人眼安全，但贵。怎么选？看你的预算和法规要求。
我的经验：如果你做的是乘用车前装，别省激光雷达的钱。后装市场可以先用16线做算法验证，但量产时一定要上固态或MEMS方案。机械旋转式的，迟早要被淘汰。
2.2 毫米波雷达：全天候的「硬汉」
毫米波雷达，说白了就是不怕黑、不怕雨雾。它的核心优势是测速和测距，尤其是对金属物体的探测，非常稳定。
选型时，我主要看这几个点：
- 频段：24GHz和77GHz。77GHz是主流，带宽大、分辨率高。24GHz快被淘汰了，别踩坑。
- 探测距离：长距（200米以上）用于自适应巡航，中距（60-100米）用于盲区监测，短距（30米以内）用于泊车。
- 角度分辨率：4D毫米波雷达现在很火，它能输出俯仰角信息。我曾经用传统3D雷达做目标检测，结果把天桥误识别成障碍物，急刹了好几次。换了4D雷达后，这个问题基本解决了。
避坑指南：我曾经踩过一个坑——毫米波雷达对静止目标的检测能力很弱。因为雷达利用多普勒效应测速，静止目标的多普勒频移为零，很容易被滤波器滤掉。所以，千万别只靠毫米波雷达做静止障碍物检测，一定要融合摄像头或激光雷达的数据。
2.3 摄像头：视觉的「灵魂」
摄像头是唯一能识别车道线、交通标志、红绿灯颜色的传感器。没有它，自动驾驶就是「盲人摸象」。
选型要点：
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 分辨率 | 200万像素以上 | 800万像素是趋势，但算力要求也高 |
| 帧率 | 30fps | 高速场景建议60fps，减少运动模糊 |
| 动态范围 | 120dB以上 | 进出隧道、逆光场景必备 |
| 快门方式 | 全局快门 | 卷帘快门在高速下会「果冻效应」 |
我个人习惯，前视主摄像头用800万像素、120dB动态范围的全局快门模组。环视摄像头可以降一档，200万像素够用。为什么？前视要看清200米外的路牌，环视只看车周围几米，要求不一样。
一个小技巧：摄像头安装位置很讲究。前视摄像头尽量靠近挡风玻璃上沿，避免被雨刮器遮挡。我见过一个项目，摄像头装得太低，结果雨刮器一刮，画面全是水痕，算法直接罢工。
2.4 IMU/GNSS：定位的「最后一道防线」
IMU和GNSS是组合导航的核心。GNSS提供绝对位置，IMU提供相对姿态和短时高精度推算。两者缺一不可。
选型要点：
- GNSS：支持多频多模（GPS+北斗+GLONASS+Galileo）。RTK定位精度要优于10厘米。别买单频的，城市峡谷里根本定不住。
- IMU：看零偏稳定性和角度随机游走。消费级IMU（如MPU6050）只能撑几秒，工业级（如ADIS系列）能撑几十秒，光纤陀螺能撑几分钟。你想想看，隧道里GNSS信号丢失，全靠IMU撑着。IMU不行，定位就漂。
我记得有一次测试，用了低成本的IMU，结果车进隧道后，定位直接偏了3米，差点撞上护栏。从那以后，我坚持用战术级IMU，贵是贵点，但命重要。
集成方案建议：
IMU和GNSS要紧耦合。别用松耦合，精度差一个数量级。我推荐用卡尔曼滤波做数据融合，状态量包括位置、速度、姿态、陀螺零偏、加速度计零偏。代码实现时，注意IMU的采样频率（200Hz以上）要远高于GNSS（10Hz），这样才能发挥IMU的高频优势。
2.5 硬件集成方案：时间同步是灵魂
传感器选好了，怎么集成到一起？核心就四个字：时间同步。
为什么？因为每个传感器都有自己的时钟。激光雷达用PTP，摄像头用PPS，IMU用内部晶振。如果不做同步，你拿到的数据就是「各说各话」。比如，激光雷达看到障碍物在10米处，摄像头看到在12米处，到底信谁？
我的做法是这样的：
- 硬件层面：所有传感器通过一个GPS授时模块统一接收PPS信号和NMEA时间报文。PPS信号精度在微秒级，够用。
- 软件层面：在ROS2或自研中间件中，用时间戳对齐机制。每个数据包都打上硬件时间戳，然后在算法层做插值对齐。
- 数据回放：采集时，把时间戳和传感器数据一起存下来。回放时，按时间戳顺序播放，保证「所见即所得」。
警告：千万别用软件时间戳！我见过有人直接用ros::Time::now()打时间戳，结果因为系统调度延迟，时间戳误差达到几十毫秒。这样的数据，做融合算法就是浪费时间。
好了，传感器选型与集成这块，核心就是这些。你想想看，选对传感器只是第一步，把它们的「时间」对齐，才是真正考验系统集成能力的地方。下一节，我们聊聊数据采集的硬件架构设计。