一篇讲清楚“感知模块”的核心作用（建议收藏）
在自动驾驶系统中，“感知”是最容易被提及、但也最容易被误解的模块之一。
很多人知道它和“摄像头、雷达、AI算法”有关，但如果进一步追问：感知到底在做什么？往往很难说清楚。这篇文章只做一件事——把自动驾驶感知模块的核心工作拆解清楚。
一、感知在系统中的位置
自动驾驶系统可以拆解为：
感知 → 规划 → 控制 → 测试
其中：
可以把感知理解为：整个系统的“输入层”。
如果感知出现偏差，后续所有决策都会受到影响。
二、感知的核心目标是什么？
可以用一句话概括：
让系统知道“周围发生了什么”。
这句话看似简单，但实际包含三个层面的能力：
三、感知具体在做哪些事情？
从技术角度来看，感知模块主要包括以下几个核心任务：
目标检测 → 目标识别 → 状态估计 → 场景理解
1. 目标检测
目标检测的作用是：
在环境中“找出有哪些东西”。
例如：
输出结果通常是：
目标的位置（如二维框或三维框）。
可以理解为：
从“没有信息”到“发现目标”。
2. 目标识别
在检测到目标之后，需要进一步判断：
这个目标“是什么”。
例如：
是行人还是骑车人
是小轿车还是卡车
是静止物体还是可移动目标
可以理解为：
给目标“贴标签”。
3. 状态估计
仅仅知道“是什么”还不够，还需要知道：
目标当前的状态。
包括：
例如：
前方车辆是在正常行驶，还是正在减速，甚至即将急刹。
可以理解为：
判断目标“接下来可能怎么动”。
4. 场景理解
这是更高层的一步。
不仅关注单个目标，还要理解整体环境。
例如：
当前是否在路口
是否有交通信号灯
车道线结构如何
是否存在可通行区域
可以理解为：
从“看物体”到“理解环境”。
四、感知依赖哪些输入？
感知模块依赖多种传感器数据，常见包括：
摄像头（视觉信息）
毫米波雷达（距离与速度）
激光雷达（高精度空间结构）
不同传感器各有特点：
摄像头信息丰富，但受光线影响较大
雷达稳定性高，但分辨率有限
激光雷达精度高，但成本较高
因此实际系统中通常采用：
多传感器融合（Sensor Fusion）
以提升整体可靠性。
五、感知结果如何被使用？
感知输出的信息，会直接提供给规划模块，用于决策。
例如：
检测到前车 → 规划减速
识别到行人 → 规划避让
判断车道线 → 规划行驶路径
可以理解为：
感知提供“事实”，规划基于“事实”做决策。
六、感知的难点在哪里？
相比其他模块，感知面临的挑战主要来自真实世界的不确定性，例如：
光照变化（白天 / 夜晚 / 逆光）
天气影响（雨雪、雾霾）
遮挡问题（目标被部分遮挡）
非标准行为（行人、车辆异常动作）
这些因素都会直接影响识别结果。
因此，感知系统不仅要“准确”，还需要“稳定”。
七、总结
可以用一个简单结构来理解感知模块：
目标检测：发现有什么目标识别：判断是什么状态估计：理解怎么动场景理解：把握整体环境
从系统角度来看：
感知决定了自动驾驶系统“看到的世界”。
而这个“世界”是否准确，将直接影响后续所有决策与控制。
如果你刚开始接触自动驾驶领域，建议优先理解感知模块的基本逻辑，再逐步深入算法或工程细节。
