企业官网建设流程全解析

1. 自动驾驶入门到底在学什么

很多人第一次听到“自动驾驶入门”，脑子里浮现的画面可能是坐在驾驶位上刷手机，车子自己从A点开到B点。这个理解不能说错，但只看到了冰山露出水面的那一角。真正入门之后你会发现，自动驾驶是一个把感知、定位、预测、规划、控制串成闭环的系统工程，任何一个环节掉链子，车都不敢往前多走一米。

我刚开始接触这个方向的时候，也以为核心是“算法够不够聪明”。后来踩了不少坑才明白，算法只是其中一环，更关键的是你如何把传感器数据、计算平台、车辆执行机构这些东西捏合成一个能稳定跑起来的整体。举个生活化的类比：自动驾驶就像一支交响乐团，激光雷达、摄像头、毫米波雷达是不同声部的乐手，感知算法是指挥，规划控制是乐谱，而计算平台是舞台。任何一个乐手跑调，整场演出就砸了。

这篇内容适合三类人看。第一类是完全零基础、想搞清楚自动驾驶到底包含哪些模块的转行者；第二类是有一定编程基础、想动手搭一个小型自动驾驶原型的学生或开发者；第三类是已经在某个细分方向工作、想补齐系统全局认知的从业者。我会从整体设计思路讲到具体实操，把每个关键环节的“为什么”和“怎么做”都摊开来说，尽量让你看完能自己动手跑通一个最小可用的自动驾驶Demo。

需要提前说明的是，真正的量产自动驾驶涉及大量安全冗余、功能安全认证和极端场景验证，那不是入门阶段能碰的。我们这里讨论的是入门级的技术理解和原型验证，目标是让你建立完整的知识框架，而不是造一台能上路的车。

2. 整体架构设计与方案选型思路

2.1 为什么入门要从模块化架构入手

自动驾驶系统最忌讳一上来就搞端到端大杂烩。我见过不少新手，拿到一个开源项目就想直接跑通全流程，结果中间任何一个模块出问题都无从排查。正确的做法是先理解模块化架构，把每个环节拆开单独验证，确认输入输出符合预期之后再串联。

典型的模块化架构包含五层。第一层是传感器层，负责采集原始数据；第二层是感知层，把原始数据变成对周围环境的理解；第三层是定位与建图层，回答“我在哪里、周围路况什么样”；第四层是预测与规划层，判断其他交通参与者接下来会怎么动，然后决定自己该怎么走；第五层是控制层，把规划出来的轨迹翻译成油门、刹车、转向的具体指令。

这种分层的好处是每一层都有明确的输入输出接口，你可以用仿真数据替代真实传感器，也可以用录制好的数据包反复测试感知模块，而不需要每次都把车开出去。对于入门来说，这意味着你可以在没有实车的情况下完成绝大部分开发和验证工作。

2.2 传感器选型的取舍逻辑

入门阶段最常见的传感器组合是摄像头加激光雷达加组合导航。摄像头成本低、信息丰富，能识别车道线、交通标志和红绿灯颜色，但它受光照影响大，测距精度也有限。激光雷达能直接给出三维点云，测距准、不受光照影响，但价格高、雨雾天气性能会下降。组合导航提供全局定位和姿态信息，是定位模块的基础。

如果你预算有限，我建议入门阶段先用纯视觉方案加仿真环境。原因很简单：摄像头数据容易获取，标注工具成熟，仿真环境里也能模拟各种光照和天气条件。等你把视觉感知和规划控制跑通了，再考虑加激光雷达做融合。反过来先上激光雷达，点云处理的门槛会让你在感知阶段就卡住很久。

这里有个参数需要你心里有数：摄像头的内参矩阵和畸变系数。内参矩阵描述的是像素坐标和真实世界坐标的映射关系，畸变系数描述的是镜头边缘的形变程度。这两个参数不准确，后面所有的测距和定位都会偏。标定方法我后面会详细讲。

2.3 计算平台的选择标准

入门阶段不建议直接上车载计算平台，一是贵，二是开发调试不方便。一台带独立显卡的台式机或者高性能笔记本就够用了。关键指标是显存容量和浮点运算能力。显存决定了你能同时跑多大的模型，浮点运算能力决定了推理速度。

如果你要做实时感知，建议显存不低于8GB，最好12GB以上。因为一个中等规模的检测网络加上点云处理网络，很容易吃掉6到8GB显存。浮点运算能力方面，入门阶段不用追求极致，能跑到每秒30帧以上就够验证算法逻辑了。真正上车的时候再考虑功耗和散热约束。

操作系统建议用Ubuntu，因为自动驾驶领域绝大多数开源工具和库都是在这个环境下开发和测试的。ROS（机器人操作系统）的生态也主要在Linux下。Windows虽然也能跑一些深度学习框架，但涉及到传感器驱动和实时通信的时候会非常别扭。

3. 核心模块拆解与实操要点

3.1 感知模块：从像素到障碍物

感知模块的任务是把传感器原始数据变成结构化的环境描述。对于视觉方案来说，核心流程是图像采集、预处理、目标检测、语义分割、后处理。

图像采集阶段要注意时间同步。如果你用多个摄像头，必须保证它们在同一时刻曝光，否则拼接出来的全景图会有错位。硬件同步靠触发信号，软件同步靠时间戳对齐。入门阶段如果只有一个摄像头，这个问题可以先放一放，但心里要有这个概念。

预处理包括去畸变、归一化和尺寸调整。去畸变就是用前面标定得到的畸变系数把图像校正成无畸变的样子。归一化是把像素值缩放到0到1之间，加快网络收敛。尺寸调整是为了适配网络的输入要求，比如很多检测网络要求输入是416乘416或者640乘640。

目标检测我建议从YOLO系列入手。它的优点是速度快、精度够用、社区资源丰富。你不需要自己从头训练，可以先下载预训练权重，在自己的数据上做微调。微调的时候注意学习率要设小一点，一般是预训练时的十分之一到百分之一，否则容易把预训练学到的特征破坏掉。

语义分割用来识别可行驶区域和车道线。入门阶段可以用轻量级分割网络，比如基于MobileNet的DeepLab变体。分割结果的评价指标主要是IoU，也就是预测区域和真实区域的交集除以并集。车道线分割的IoU一般要求达到0.7以上才算可用。

后处理阶段要把检测框和分割掩码转换成规划模块能理解的形式。比如把检测到的车辆表示成带位置、速度、朝向的边界框，把车道线表示成一系列离散点或者多项式曲线。这里有个容易忽略的点：检测框的稳定性。如果相邻两帧的检测框跳变很大，规划模块会以为前方车辆在剧烈变道，从而做出急刹车之类的错误决策。解决办法是加卡尔曼滤波做平滑。

3.2 定位与建图：知道自己在哪比知道周围有什么更难

定位模块回答的是“我在哪”这个问题。入门阶段常用的方案是GNSS加IMU加轮速计的组合。GNSS提供全局位置，但更新频率低、城市峡谷里容易丢星。IMU提供高频的姿态和加速度信息，但积分会漂移。轮速计提供车辆前进距离，辅助修正。

三者融合的经典方法是扩展卡尔曼滤波。状态量包括位置、速度、姿态和传感器偏置，观测量是GNSS位置和轮速。预测步骤用IMU和轮速做积分，更新步骤用GNSS观测修正。调参的关键是过程噪声矩阵和观测噪声矩阵。过程噪声设得太小，滤波器会过于相信预测，GNSS修正拉不回来；设得太大，输出会抖动。我一般先用经验值跑一遍，看轨迹平滑度和GNSS修正量的比例，再微调。

建图方面，入门阶段不需要搞高精地图，用栅格地图就够了。栅格地图把周围环境划分成小格子，每个格子标记为占用、空闲或未知。激光雷达或者视觉深度估计出来的障碍物点云投影到栅格上，就能得到一张局部地图。栅格分辨率一般取0.1米到0.2米，太小了计算量大，太大了障碍物位置不准。

注意：栅格地图的更新频率要和感知模块的输出频率匹配。如果感知每秒输出10帧，地图也至少每秒更新10次，否则规划模块看到的地图是滞后的。

3.3 预测与规划：从“别人会怎么动”到“我该怎么走”

预测模块判断其他车辆、行人、非机动车的未来轨迹。入门阶段可以用恒定速度模型或者恒定转弯率和速度模型。恒定速度模型假设目标保持当前速度直线运动，简单但短时预测够用。恒定转弯率和速度模型多了一个角速度维度，能预测转弯场景。

更进阶一点可以用基于LSTM的轨迹预测，把目标的历史轨迹输入网络，输出未来几秒的轨迹分布。但入门阶段我不建议一上来就搞深度学习预测，因为数据标注和训练成本高，而且预测误差对规划的影响不容易隔离分析。

规划模块分两层：行为规划和运动规划。行为规划决定“跟车、换道、超车、停车”这类宏观决策，可以用有限状态机实现。运动规划在行为规划的约束下生成具体轨迹，常用方法是采样加优化。采样就是在可行空间里撒一堆候选轨迹，用代价函数打分，选最优的。代价函数通常包括安全性、舒适性、效率三个维度。

安全性代价惩罚离障碍物太近的轨迹，舒适性代价惩罚加速度和曲率变化大的轨迹，效率代价惩罚速度慢的轨迹。三个代价的权重需要根据场景调整。高速场景下效率权重要高一些，拥堵场景下安全性权重要高一些。

3.4 控制模块：把轨迹变成方向盘转角

控制模块接收规划轨迹，输出油门、刹车、转向指令。入门阶段最常用的是纯追踪控制器和模型预测控制器。

纯追踪控制器的原理很简单：在规划轨迹上找一个前视点，计算车辆当前位置到前视点的横向偏差，用这个偏差算出方向盘转角。前视距离是关键参数，太短了车辆会震荡，太长了会切内弯。经验公式是前视距离等于车速乘以一个系数，低速时系数取小一点，高速时取大一点。

模型预测控制器更复杂但性能更好。它在每个控制周期求解一个优化问题，预测未来若干步的车辆状态，同时满足动力学约束和控制量约束。入门阶段如果觉得模型预测控制器太难，可以先用纯追踪控制器跑通闭环，再逐步替换。

纵向控制用PID控制器就够了。速度误差作为输入，油门和刹车作为输出。调参的时候先调比例项，让车辆能快速响应速度变化；再调积分项，消除稳态误差；最后调微分项，抑制超调。注意油门和刹车之间要有死区，避免频繁切换导致执行机构磨损。

4. 完整实操流程：从零搭一个仿真自动驾驶Demo

4.1 环境搭建与依赖安装

我推荐用CARLA仿真器作为入门环境。它提供了城市道路、车辆动力学、传感器模拟和Python接口，足够你验证从感知到控制的完整链路。硬件要求是独立显卡，显存6GB以上，内存16GB以上。

安装步骤大致如下。先装好显卡驱动和CUDA，然后下载CARLA的预编译包，解压后运行启动脚本。Python接口通过pip安装carla包，版本要和仿真器版本匹配。ROS桥接包可选，如果你习惯用ROS做通信就装，不习惯就直接用Python脚本控制。

# 以CARLA 0.9.13为例 # 启动仿真器（无渲染模式适合服务器） ./CarlaUE4.sh -RenderOffScreen # 安装Python客户端 pip install carla==0.9.13 # 验证连接 python -c "import carla; client = carla.Client('localhost', 2000); print(client.get_available_maps())"

依赖方面，感知需要OpenCV和PyTorch，定位需要NumPy和SciPy，规划需要CasADi或者OSQP做优化，可视化用Matplotlib或者RViz。建议用conda建一个独立环境，避免版本冲突。

4.2 传感器配置与数据采集

在CARLA里配置传感器很简单，创建一个传感器蓝图，设置好位置和参数，挂到车辆上就行。摄像头要注意FOV和图像尺寸。FOV太窄看不到旁边车道，太宽了图像畸变大。一般前视摄像头FOV取70到90度，图像尺寸取800乘600或者1280乘720。

激光雷达要设置通道数、旋转频率、探测距离。入门阶段用32线、10Hz、50米探测距离就够了。通道数越多点云越密，但计算量也越大。旋转频率影响点云的时间分辨率，10Hz意味着每0.1秒转一圈。

# CARLA中配置摄像头和激光雷达的示例 camera_bp = world.get_blueprint_library().find('sensor.camera.rgb') camera_bp.set_attribute('image_size_x', '1280') camera_bp.set_attribute('image_size_y', '720') camera_bp.set_attribute('fov', '90') camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4)) camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle) lidar_bp = world.get_blueprint_library().find('sensor.lidar.ray_cast') lidar_bp.set_attribute('channels', '32') lidar_bp.set_attribute('range', '5000') lidar_bp.set_attribute('rotation_frequency', '10') lidar = world.spawn_actor(lidar_bp, camera_transform, attach_to=vehicle)

数据采集的时候要注意时间戳对齐。CARLA的传感器数据都带时间戳，但不同传感器的采集时刻有微小差异。做融合之前要按时间戳插值对齐，否则运动物体的位置会对不上。

4.3 感知模块的部署与调优

在CARLA里跑感知，我建议先用预训练的YOLOv5做车辆和行人检测。把CARLA摄像头图像输入网络，输出检测框。然后根据摄像头内参和车辆位姿，把检测框投影到自车坐标系，得到障碍物的相对位置。

投影的数学过程是这样的：图像像素坐标先通过内参矩阵的逆变换转到相机坐标系，再通过相机到自车的外参变换转到自车坐标系。外参包括旋转矩阵和平移向量，旋转矩阵描述相机朝向，平移向量描述相机安装位置。

# 像素坐标到自车坐标的投影（简化版） def pixel_to_ego(u, v, depth, K, R, t): # K是内参矩阵，R和t是相机到自车的外参 uv1 = np.array([u, v, 1.0]) K_inv = np.linalg.inv(K) cam_coord = depth * K_inv @ uv1 ego_coord = R @ cam_coord + t return ego_coord

深度信息从哪来？纯视觉方案可以用单目深度估计网络，或者用检测框的底边和地面假设做几何推算。激光雷达方案就直接用点云投影。入门阶段我建议先用激光雷达提供深度，等视觉深度估计调好了再替换。

调优的时候重点关注漏检率和误检率。漏检一辆车可能导致追尾，误检一个影子可能导致急刹车。在CARLA里可以设置不同的天气和光照条件，测试感知模块的鲁棒性。雨天和夜晚是重灾区，如果这两个场景下漏检率超过百分之十，就需要考虑加数据增强或者换模型。

4.4 规划控制闭环调试

闭环调试是整个Demo最考验耐心的环节。我的建议是先调纵向再调横向，先低速再高速，先直线再弯道。

纵向控制先让车辆在直道上保持恒定速度。给一个目标速度，看实际速度能不能稳定跟踪。如果速度震荡，减小比例增益；如果响应太慢，增大比例增益。积分项先不加，等比例项调好了再加，积分增益从很小的值开始试。

横向控制先让车辆沿直线行驶，看横向偏差能不能收敛到零附近。纯追踪控制器的前视距离从5米开始试，如果车辆画龙就加大前视距离，如果切弯就减小前视距离。弯道测试的时候把曲率半径从大到小逐步减小，观察车辆能不能稳定跟踪。

# 纯追踪控制器的核心逻辑 def pure_pursuit(vehicle_pos, vehicle_yaw, trajectory, lookahead): # 在轨迹上找离车辆最近的点 closest_idx = find_closest_point(vehicle_pos, trajectory) # 从最近点往前找前视点 lookahead_idx = find_lookahead_point(closest_idx, trajectory, lookahead) target = trajectory[lookahead_idx] # 计算横向偏差和转角 alpha = np.arctan2(target.y - vehicle_pos.y, target.x - vehicle_pos.x) - vehicle_yaw L = vehicle_wheelbase delta = np.arctan2(2 * L * np.sin(alpha), lookahead) return delta

调试过程中要记录数据。把每帧的规划轨迹、实际轨迹、控制量、车辆状态都存下来，出问题的时候回放分析。我习惯用CSV存关键数据，用Matplotlib画轨迹对比图。很多时候看图比看日志快得多。

5. 常见问题与排查技巧实录

5.1 感知模块典型问题速查

5.2 定位漂移的排查思路

定位漂移是最让人头疼的问题之一。表现是车辆明明在直道上走，定位轨迹却慢慢偏到路边去了。排查的时候按以下顺序来。

先看GNSS信号质量。如果可见卫星数少于6颗，或者水平精度因子大于2，定位本身就不可靠。在CARLA里可以查看GNSS传感器的噪声参数，真实场景下要看接收机的状态输出。

再看IMU偏置。IMU的加速度计和陀螺仪都有零偏，零偏不估计的话积分几秒钟就偏出去了。扩展卡尔曼滤波里要把零偏作为状态量估计，或者用静止时的数据做初始校准。

最后看时间同步。GNSS和IMU的时间戳如果差了几十毫秒，高速行驶时位置误差能到米级。检查传感器驱动的时间戳来源，确保都来自同一个时钟源。

实操心得：定位模块调好之后，先别急着上规划控制。让车辆在仿真里静止十分钟，看定位输出会不会漂。静止都漂的话，动态肯定更差。

5.3 规划控制中的“幽灵刹车”问题

幽灵刹车指的是前方明明没有障碍物，车辆却突然刹车。这个问题在入门Demo里非常常见，原因通常有三个。

第一个是感知误检。远处的一个广告牌、地上的阴影、桥下的反光，都可能被检测成障碍物。解决办法是加时序一致性检查，连续多帧都检测到同一个位置的障碍物才认为是真的。单帧出现的检测结果直接丢弃。

第二个是地图更新滞后。障碍物已经移走了，但栅格地图里还标记着占用。检查地图更新频率和感知输出频率是否匹配，以及地图清理逻辑是否正确。我一般给栅格地图加一个衰减机制，旧帧的占用标记随时间降低置信度，新帧的观测覆盖旧帧。

第三个是代价函数权重不合理。安全性代价权重过高，规划器会过于保守，稍微靠近障碍物就急刹。适当降低安全性权重，或者把安全性代价设计成平滑函数而不是硬阈值，能缓解这个问题。

5.4 仿真到实车的差距怎么补

仿真里跑得再好，上车之后大概率会翻车。差距主要来自三个方面：传感器噪声特性不同、车辆动力学模型不准确、交通参与者行为更复杂。

传感器方面，仿真里的摄像头图像太干净，没有噪点、没有运动模糊、没有镜头污渍。实车数据要加数据增强，模拟这些退化因素。激光雷达的反射强度在仿真里也是理想化的，真实场景下不同材质的反射率差异很大。

车辆动力学方面，仿真用的自行车模型忽略了轮胎侧偏、悬挂变形、载荷转移。低速时差距不大，高速和急弯时差距明显。解决办法是用系统辨识方法，从实车数据里拟合动力学参数，替换仿真里的默认参数。

交通参与者行为方面，仿真里的NPC车辆按固定规则行驶，真实司机会加塞、会犹豫、会突然变道。入门阶段可以在仿真里设置随机行为参数，让NPC车辆有一定概率做出非理性动作，测试规划器的鲁棒性。

6. 入门之后往哪个方向深入

跑通一个仿真Demo之后，你大概会对自动驾驶的全貌有个基本感觉。接下来往哪个方向走，取决于你的兴趣和职业规划。

如果你喜欢感知，可以深入研究BEV感知、占用网络、多传感器融合。这些方向目前是量产自动驾驶的核心竞争力，人才需求大，但门槛也高，需要扎实的深度学习和计算机视觉基础。

如果你喜欢规划控制，可以研究基于优化的规划、强化学习规划、模型预测控制的实时求解。这个方向对数学要求高，但一旦掌握，可迁移性很强，机器人、无人机领域都用得上。

如果你喜欢系统集成，可以研究功能安全、预期功能安全、软件架构、实时通信。这个方向偏工程，需要了解ISO 26262之类的标准，但经验越老越吃香。

不管选哪个方向，我都建议你保持动手习惯。自动驾驶是一个实践性极强的领域，看再多论文不如自己跑一遍代码。仿真环境、开源数据集、开源代码库都是很好的学习资源。遇到问题先自己排查，排查不出来再去社区提问，提问的时候把复现步骤、环境信息、错误日志都贴清楚，这样别人才能帮到你。

最后分享一个我自己的习惯：每学一个新模块，就写一篇技术笔记，把原理、代码、踩过的坑都记下来。过一段时间回头看，你会发现那些当时觉得很难的东西，其实也就那么回事。自动驾驶入门不难，难的是持续深入。希望这篇内容能帮你迈出第一步。