汽车智能化与自动驾驶技术手册（执行版）.docxVIP

汽车智能化与自动驾驶技术手册（执行版）

第1章智能感知与多源融合

1.1多传感器数据融合架构

融合架构需构建“中央计算单元（CCU）”为核心，通过总线协议（如CAN/FlexRay）实时接收来自雷达、激光雷达、摄像头及高精度地图的原始数据流，确保毫秒级低延迟传输。数据预处理阶段需先进行坐标系统一，将不同传感器的非统一坐标系（如雷达的3D坐标、摄像头的2D像素坐标）通过ECEF（地心地固）或ENU（地心地固北）坐标系进行转换，消除空间偏移误差。

在特征提取环节，采用卡尔曼滤波（KalmanFilter）或扩展卡尔曼滤波（EKF）算法，对雷达测距值、摄像头边缘框及激光雷达点云进行动态建模，剔除异常噪声。特征匹配模块需建立“特征点库”，将激光雷达的点云特征（如反射率、距离）与摄像头的纹理特征及雷达的点云特征进行语义关联，实现多模态特征融合。最终融合输出层统一的高精度三维点云模型或语义网格，该模型将包含车道线、行人、车辆及障碍物等所有关键信息，供上层决策模块直接调用。

系统需具备冗余容错机制，当单一传感器失效时，融合架构能自动切换至其他传感器主导模式，确保在极端天气下感知系统的连续性。

1.2激光雷达点云处理算法

激光雷达点云预处理需先进行动态畸变校正，消除因车辆行驶引起的车体形变，确保点云几何结构的准确性。点云去噪算法应基于统计阈值，利用高斯分布