2、自动驾驶系统架构：感知、决策、执行三大模块，以及V模型如何映射
2.1 先聊聊自动驾驶的“三驾马车”
做自动驾驶这些年，我最大的感受是：这玩意儿本质上就是个“机器人开车”。
你想想看，人类司机开车是怎么做的？
- 眼睛看路——感知周围环境
- 大脑判断——决定怎么走、要不要刹车
- 手脚操作——打方向盘、踩油门刹车
自动驾驶系统也一样，拆开来就是三大模块：感知、决策、执行。说白了，就是“看、想、动”三个步骤。
2.2 感知模块：车子的“眼睛”和“耳朵”
感知模块负责回答一个问题：“我周围发生了什么？”
我个人习惯把感知分成两层：
- 传感器层：摄像头、激光雷达、毫米波雷达、超声波、GPS/IMU……这些是硬件基础。
- 算法层：目标检测、语义分割、跟踪、融合……把原始数据变成有意义的信息。
举个例子，摄像头拍到一张图，算法要能认出“前面那是个行人，距离大概15米，正在横穿马路”。
关键点：感知不是“看到”就完了，而是要输出结构化信息。比如障碍物的位置、速度、类型、朝向，还有车道线、红绿灯状态、可行驶区域等等。
我在项目中遇到过一个问题：摄像头在强光下会过曝，导致车道线检测失败。后来我们加了HDR处理和曝光自适应策略，才把这个问题压下去。嗯，这里要注意——感知模块的鲁棒性，永远是第一位的。
2.3 决策模块：车子的“大脑”
决策模块要回答：“我接下来该怎么做？”
这个模块又可以拆成几个子模块：
- 行为决策：比如“我要变道”、“我要减速让行”、“我要靠边停车”。这是宏观的驾驶意图。
- 运动规划：在确定了行为之后，具体怎么走？生成一条平滑的轨迹，包含位置、速度、加速度。
- 控制指令生成：把轨迹转换成方向盘转角、油门开度、刹车压力等底层指令。
你可能会问：为什么要把决策拆这么细？
我举个例子。有一次我们测试时，车子在十字路口突然急刹车，原因是行为决策层判断“要停车”，但运动规划层没有提前减速，导致最后时刻猛踩刹车。这就是模块间配合出了问题。
我的经验：决策模块的难点不在于“能不能走”，而在于“在安全、舒适、效率之间找到平衡”。尤其是遇到博弈场景，比如无保护左转，你既要让行，又不能一直傻等。
2.4 执行模块：车子的“手脚”
执行模块负责把决策层的指令变成实际动作。它回答：“怎么动起来？”
执行层包括：
- 线控底盘：转向、制动、驱动、换挡等执行器
- 执行器控制器：比如EPS（电动助力转向）、ESP（车身稳定系统）、VCU（整车控制器）
- 反馈回路：实际执行效果要反馈给决策层，形成闭环
我曾经踩过一个坑：决策层发了一个“左转30度”的指令，但执行器响应有200ms的延迟，结果车子转过了头。后来我们在控制算法里加了前馈补偿和延迟补偿，才把这个问题解决。
注意：执行模块的响应时间和精度，直接决定了整个系统的安全边界。别小看这几十毫秒的延迟，在高速场景下可能就是生与死的区别。
2.5 V模型如何映射到三大模块？
好，现在我们把V模型和这三个模块结合起来看。
V模型的左侧是需求分解与设计，右侧是集成与验证。映射到自动驾驶系统，是这样的：
| V模型阶段 | 感知模块 | 决策模块 | 执行模块 |
|---|---|---|---|
| 系统需求 | 需要检测哪些目标？精度多少？ | 需要支持哪些驾驶场景？ | 响应时间要求？执行精度？ |
| 架构设计 | 传感器选型、算法框架 | 行为决策+运动规划分层 | 线控底盘接口定义 |
| 详细设计 | 模型结构、训练策略 | 状态机设计、轨迹优化算法 | 控制算法、延迟补偿 |
| 单元测试 | 单传感器检测精度测试 | 单个决策逻辑的仿真验证 | 执行器响应测试 |
| 集成测试 | 多传感器融合测试 | 感知+决策联合仿真 | 决策+执行联合测试 |
| 系统验证 | 整车感知系统路测 | 全场景决策验证 | 整车执行性能标定 |
你看，V模型的每一层，都能在三大模块中找到对应的活动。
我个人习惯在项目启动时，先画一张这样的映射表。这样团队里每个人都知道：我现在做的工作，对应V模型的哪个阶段？上下游是谁？
2.6 一个实际案例：V模型在感知模块中的应用
拿感知模块举个例子，我们当时做目标检测：
- 需求阶段：要求检测距离≥200米，检测精度≥95%，帧率≥20fps
- 设计阶段：选了YOLOv5作为基础模型，加上多尺度特征融合
- 单元测试：在KITTI数据集上跑mAP，单独测每个传感器的性能
- 集成测试：把摄像头和激光雷达的检测结果做融合，看一致性
- 系统验证：装车路测，看实际场景下的检测效果
我记得有一次，单元测试时模型mAP很高，但一集成到车上就掉链子。后来发现是传感器标定出了问题——摄像头和激光雷达的坐标没对齐。这就是V模型里“集成测试”阶段要重点排查的问题。
核心思想：V模型不是死板的流程，而是一种思维框架。它提醒你：在开发每个模块时，都要想清楚它的输入输出、上下游依赖、以及怎么验证它是对的。
2.7 避坑指南
最后分享几个我踩过的坑：
- 别把感知和决策割裂开：我曾经见过一个团队，感知组和决策组各干各的，结果感知输出的格式决策组根本用不了。后来我们强制要求：感知的输出格式必须由决策组来定义。
- 执行模块的标定不能省：很多团队把精力都放在感知和决策上，觉得执行就是“调个PID”。但实际上一辆车的转向、制动、驱动都有非线性特性，不做标定，控制精度根本达不到。
- V模型要迭代：别想着一次就把V模型走完。自动驾驶系统太复杂了，我建议每个迭代周期（比如3个月）走一轮V模型，逐步细化。
嗯，这一章就到这里。下一章我们会深入聊聊感知模块的详细设计，包括传感器选型、数据融合、以及V模型在感知开发中的具体落地方法。