自动驾驶系统的功能选型与场景适配

自动驾驶技术已经从实验室走向实际运营，但“能自己跑”和“在特定条件下自己跑得好”是两个完全不同的概念。这篇文章面向工厂设备工程师、物流采购负责人和园区运营方，聚焦一个实际问题：当你需要为厂区物流、固定线路接驳或低速配送场景选配自动驾驶方案时，应该按什么逻辑去评估感知硬件、定位精度和决策算力。我们不谈概念，只谈选型时要看的参数、现场测什么数据、以及哪些看似合理的配置其实会栽跟头。

感知系统的硬件配置与现场判断方法

环境感知是自动驾驶的基础。目前量产方案的主流组合是毫米波雷达与摄像头的融合，少数高端方案会加入激光雷达。选型时首先要区分这几个传感器各自的适用边界，而不是盲目堆料。

毫米波雷达的典型工作频段为 24 GHz 和 77 GHz，探测距离覆盖 20 ～ 200 米，角度分辨率通常在 3° ～ 10° 之间。它的优势是对雨雾、灰尘的穿透能力明显优于摄像头，但劣势是难以区分物体的具体类别——它知道“前方有障碍物”，但分不清那是行人、金属护栏还是纸箱。摄像头的优势在于语义识别，能通过图像算法判断物体类型、交通标志和车道线，但在逆光、夜间和暴雨条件下，识别置信度会显著下降。现场常见的情况是：暴雨天摄像头对目标的识别率可能下降 30% ～ 50%，具体数值取决于算法训练数据和雨量强度。

激光雷达的测量精度较高，典型测距误差在 ±2 cm 以内，角分辨率可达 0.1° 级别，能构建高密度三维点云。但它的成本明显高于前两者，而且在强阳光下或高反射表面（如雨后湿滑地面）会出现噪点。选型时的一个实用判断依据是：如果运行场景中物体的形状、大小变化复杂（比如有叉车、人员、托盘混行），需要优先考虑带激光雷达或高分辨率摄像头的方案；如果场景相对固定且速度较低，毫米波雷达加摄像头的组合通常已够用。

现场选型时建议做三类实测。第一类是静态遮挡测试：在场地内放置不同高度的障碍物（如 10 cm、30 cm、50 cm 高的锥桶），观察传感器是否能稳定识别并输出距离。第二类是动态切入测试：用一辆遥控小车从侧方快速切入行驶路径，记录系统从检测到目标到减速或刹停的响应时间，一般要求不低于 0.5 秒的反应余量。第三类是恶劣天气模拟：用水雾喷淋设备模拟中雨和暴雨条件，对比摄像头在干燥和湿润条件下的识别帧率变化。一个容易忽略的点是：很多标定合格的设备在出厂时的“雨天性能”是在实验室淋雨箱里测的，和实际户外风向、地面反光情况差异很大。 所以有条件的话，应在不同时段（黎明、正午、黄昏）各跑一轮完整测试，而不是只看厂家提供的技术手册。

定位导航方案的精度指标与适用边界

定位模块决定了车辆知道“自己在哪”。当前主流技术包括 RTK 载波相位差分定位、惯性导航单元（IMU）和视觉 / 激光里程计。选型时最关键的指标不是“定位精度”，而是“可用性”——即在各种工况下能稳定达到的精度水平。

RTK 定位在开阔环境下可实现 2 ～ 5 cm 的定位误差，但需要基准站信号支持，且在城市高楼区、隧道、地下室或高架桥下容易丢失固定解而降级为浮点解，精度会下降到 30 ～ 100 cm 甚至更差。惯性导航单元（IMU）的作用是在 GNSS 信号丢失时进行航位推算，但其误差会随时间累积，典型的中等精度 IMU 在一分钟内的漂移约 1 ～ 3 米。 视觉里程计和激光里程计则通过匹配周围特征来估算相对位移，适合在特征丰富的室内和园区环境使用，但在空旷广场、长直白墙连续场景下容易退化。

实际选型时要看你的运行区域。封闭园区内如果树木或建筑物遮挡较少，RTK 加 IMU 的组合通常足够；如果存在大量仓库棚顶、装卸月台或地下通道，就要考虑增加视觉 / 激光里程计或部署 UWB 定位基站作为补充。一个常见误区是：采购方只看“厘米级精度”这个宣传点，却忽略了 RTK 的可用时间占比。多数工厂的做法是在运行路线上的开阔段和遮挡段分别统计 24 小时内的固定解占比，低于 85% 的路线就不建议仅依赖 RTK，必须叠加其他定位源。

定位方案的另一项关键参数是更新频率，一般不应低于 10 Hz。因为 10 Hz 意味着车辆每 100 ms 获得一次位置更新，在一秒行驶 10 米的速度下（即 36 km/h），两次定位之间的行驶距离为 1 米。如果更新频率降到 1 Hz，则车辆可能已经行驶 10 米才修正一次位置，这对于安全控制是不可接受的。选型时应关注组合导航系统的输出频率是否满足动态控制需求，而不是只看静态精度数值。

决策控制系统的算力需求与冗余设计

决策控制单元是自动驾驶的“大脑”，负责融合感知数据、做出驾驶决策，并输出转向、加速和制动指令。算力指标通常用 TOPS（每秒万亿次操作）衡量。但选型时易犯的错误是盲目追求高算力芯片，而忽略了算法的实时性和确定性。

对于 L4 级封闭园区低速场景（最高车速 30 km/h），实际算力需求通常在 20 ～ 50 TOPS 之间，主要取决于视觉算法的复杂度、使用了几路摄像头、是否运行深度神经网络模型。如果只处理 2 路 1080p 摄像头加 1 路毫米波雷达数据，20 TOPS 左右的平台可以满足需求；若要同时处理 6 路以上高清视频、激光雷达点云和语义分割模型，则建议选择 100 TOPS 以上的平台。需要注意的是，算力并非越强越好，过高的功耗和散热需求对车载电源和散热系统会产生额外负担，在电动车平台上尤其需要注意与整车电力系统的匹配。

决策系统的另一个核心维度是“确定性”。自动驾驶系统对每条指令必须有明确的时间上界，比如从感知到刹车必须在 300 ms 内完成链路。选型时应对供应商提供的时间参数进行实测：在连续运行 1 小时的过程中，统计决策控制单元的响应延迟分布，关注 P99 延迟而不是平均延迟——因为极端情况下的延迟抖动才是安全风险所在。

安全冗余机制是决策控制中不可忽视的部分。对于载人或高价值货物的车辆，建议包含以下冗余层级：

1. 感知冗余：至少两种异构传感器（如雷达 + 摄像头）对同一目标进行确认
2. 计算冗余：双控制单元互为热备，主单元故障时备单元在 100 ms 内接管
3. 执行冗余：转向和制动系统具备独立电源和机械备份通道
4. 安全停机：在定位丢失、通信中断或传感器失效时，车辆应自动刹停，而非“继续尝试”

对于封闭园区内的低速车辆，一个性价比很高的安全策略是限制最高车速。 当车速限制在 15 km/h 以下时，即使系统完全失效，车辆在驾驶员（或安全员）反应时间内的制动距离也在 3 米以内，这对于多数厂区已足够。而盲目追求更高级别的自动驾驶功能（如无安全员的完全无人驾驶），意味着冗余成本会大幅增加，且法规和验收标准也更为严格，实际运营效率未必能同步提升。

不同运营场景下的配置选型对比

根据实际部署经验，可以将自动驾驶运营场景分为三类，每一类对感知、定位和决策的需求都有显著差异。以下用一个对比表格来呈现，便于采购方直接对照自己的工况进行初步筛选。

场景特征	低速园区物流（≤15 km/h）	固定线路接驳（≤30 km/h）	开放道路低速配送（≤25 km/h）
典型道路	厂区内部道路、仓库连廊	园区内部或专用公交道	城市非机动车道、社区道路
目标类型	锥桶、护栏、行人、叉车、托盘	行人、其他车辆、固定站点	行人、电动车、宠物、路障
环境复杂度	中等（路线固定，人车混行程度低）	中等偏高（乘客上下，需要精准停靠）	高（交通参与者行为不可预测）
感知建议配置	毫米波雷达 + 前置摄像头	毫米波雷达 + 多目摄像头 + 可选激光雷达	激光雷达 + 环视摄像头 + 毫米波雷达
定位建议方式	RTK + IMU，如遮挡较大需加视觉里程计	RTK + IMU + 高精度地图 + 站点磁性标记	RTK + IMU + 视觉 / 激光里程计融合
算力需求范围	20 ～ 30 TOPS	30 ～ 60 TOPS	50 ～ 120 TOPS
安全冗余要求	双控制单元 + 紧急制动	双控制单元 + 主动转向冗余	三重感知冗余 + 双执行链路
典型验收标准	自动避障成功率 ≥ 99%（干燥路面）	停靠精度 ±10 cm 以内	接管频率 ≤ 1 次 / 50 km 运行

从上表可以看出，场景越复杂、速度越快，对感知、定位和算力的要求是逐级上升的。如果只在固定的仓储车间运行，却配置了开放道路级别的激光雷达 + 高算力平台，短期内性能验证通过了，但长远来看，维护成本和系统复杂度会显著上升，且故障点也更多。 反之，若在开放道路使用低速园区物流方案，则有必要正视在行人横穿、无红绿灯路口等场景下的安全风险。

一个容易被忽略的点是“固定站点停靠精度”。在接驳场景中，车辆需要在设定的乘降点精确停靠，误差通常要求小于 ±10 cm。这并非仅靠 RTK 定位就能解决，因为 RTK 的精度在站点附近可能受到遮挡影响，建议在固定站点加装磁性标记或 UWB 辅助定位信标。很多项目在验收时才发现车辆“能跑在路中间”但“停不到站边缘”，这就是选型时只关注行车道定位、忽略了停靠定位的典型踩坑。

自动驾驶车辆的选型检查清单与验收步骤

在完成需求和场景评估后，实际选型过程建议按下面 8 个步骤进行。这套清单基于多类项目的现场经验，适用于自有车队采购或代运营设备招标，可直接用于采购文件和技术协议附件。

1. 确认运行路线与边界条件

   绘制完整的运行地图，标注道路宽度、转弯半径、坡道坡度、站点位置、通信信号盲区。计算最长单次运行里程和最大停靠站点数，作为设计需求书的基础输入。

2. 评估环境对感知的影响

   在路线中选取 3 ～ 5 个代表性点（如出入口、装卸区、狭窄通道），在不同光照条件和天气下进行 2 周以上的持续观测。记录可能出现的逆光时段、反光地面、水雾区域。如果路线中接触雨水后的湿滑路面比例较高，需要在感知配置中额外增加传感器融合权重，并在验收中专门测试这一工况。

3. 明确定位精度与可用性指标

   建议在招标文件中写“RTK 固定解可用率不低于 85%（以 24 小时连续统计为准）”和“定位误差在 95% 置信区间内不大于 10 cm”。对遮挡严重区域，要求供应商提出补充方案（如加装 UWB、部署二维码地标、采用激光里程计融合）。

4. 核验算力与安全性机制

   索取决策控制单元的参数说明，包括最大算力、功耗、散热方式、工作温度范围（通常 -20°C ～ +65°C）。重点检验是否有独立的硬件安全监控芯片（Safety MCU）和看门狗机制，确保主控死机时能自动进入安全停机状态。

5. 组织工厂实地测试

   在现场条件允许的情况下，要求供应商提供测试样车进行至少 5 天的连续运行。测试内容包括：静态障碍物识别（不同高度、不同距离）、动态目标切入、雨天模拟、遮阳棚下定位精度、站点停靠精度、以及断电重启后能否自动恢复运行。

6. 索取系统日志和故障报告模板

   确认系统能够记录车辆运行时的所有关键数据，包括感知帧数、定位质量因子、决策指令时间戳、执行器响应状态。要求具备至少 30 天的数据存储能力，且日志能够导出为通用格式，便于发生事故或异常时进行责任追溯和原因分析。

7. 复核法规和运营许可边界

   确认车辆运行区域是否属于厂区内部道路或封闭园区（通常不受机动车交规约束），如果涉及开放道路，需核实当地对低速自动行驶车辆的准入要求。在法规未明确责任归属的情况下，建议保留安全员或远程监控人员，避免完全脱人运行。

8. 写入合同的技术验收指标

   将检测指标明确写入合同，建议包括：自动作业完成率、人工接管频率（每百公里次数）、站点停靠误差、障碍物识别成功率（分干燥和湿润两种工况）。验收时逐项测试，不合格项列出整改清单后再验收。

整个选型流程的核心判断原则是“场景决定配置、配置决定安全、安全决定可运营性”。前期多花时间在路线勘察和现场测试上，远比在办公室里对比参数表要有效。 如果需要了解各类传感器在特定厂区环境的实测效果，最可靠的途径是要求供应商提供同行业、同类型场地的实际运行记录——没有相关记录的方案，谨慎采用。