汽车智能驾驶技术与系统手册（执行版）.docxVIP

汽车智能驾驶技术与系统手册（执行版）

第1章智能驾驶感知模块

1.1多源传感器融合架构

多源传感器融合架构是智能驾驶系统的“大脑”，旨在通过互补不同传感器的优势，构建高鲁棒性的感知模型。在车辆行驶过程中，激光雷达（LiDAR）提供高精度的三维点云数据，毫米波雷达（Radar）提供稳定的速度矢量信息，摄像头则捕捉丰富的视觉纹理。系统通过卡尔曼滤波（KalmanFilter）或扩展卡尔曼滤波（EKF）算法，将来自不同传感器的异构数据进行时间同步、坐标变换和特征对齐，统一的状态估计。在数据预处理阶段，系统首先对原始数据进行去噪处理。针对激光雷达的点云，采用基于高斯模型的平滑算法去除由风噪或地面不平整引起的微小抖动；针对毫米波雷达，应用卡尔曼滤波剔除由多普勒效应引起的周期性频率漂移。

坐标对齐是融合的关键步骤。由于不同传感器的安装角度和安装位置不同，必须通过刚体变换矩阵将各传感器的数据映射到同一局部坐标系。系统利用车辆里程计数据作为参考系，实时计算并更新每个传感器的位姿矩阵，确保点云和雷达波束在空间上完全重合。特征匹配与关联是实现融合的核心。系统提取关键特征点（如激光雷达的反射点、雷达的测速点、摄像头的边缘点），通过互相关算法（ICP算法）在三维空间中搜索最佳匹配点。匹配失败时的回退策略是保证系统安全的关键，例如在匹配点不足时，优先依赖激光雷达的强特征点。状态估计与预