感知

1 核心作用与发展趋势 车载摄像头正在成为自动驾驶中语义能力最强的传感器。相比雷达偏重几何量、激光雷达偏重结构信息，Camera 提供的是“场景内容”本身：路面纹理、交通标志、行人姿态、车道线、光照条件等。随着深度学习模型不断演进，视觉系统的角色从识别单一物体，逐步升级为理解完整道路语义的核心。 1

自动驾驶感知系统主要依赖摄像头、激光雷达和毫米波雷达。毫米波雷达虽不擅长识别目标类型，但在动态目标检测和复杂环境下具有优势。多传感器融合旨在优势互补，提升环境理解的鲁棒性。毫米波雷达工作在特定频段，通过FMCW技术测量距离、速度和角度。距离测量基于发射和回波信号的频率差，速度测量利用多普勒效应，角度测量则采用MIMO天线阵列。毫米波雷达在全天候性能、速度测量精度和探测距离方面表现出色，但角度分辨率和三维成像受限。在ACC和AEB等纵向控制场景中，雷达至关重要。雷达与摄像头或激光雷达融合能进一步提升感知能力。然而，低反射目标漏检、静止物体识别困难等Bad Case以及上坡下坡、弯道遮挡等Corner Case依然存在，需要通过技术手段不断优化。