如何處理自動駕駛感知傳感器物理偏移問題？

[首發于智駕最前沿微信公眾號]車輛在道路上行駛，難免會因為車輛抖動、長期振動、路面顛簸、載荷變化、溫度變化，甚至維修、碰撞、重裝傳感器支架等原因，引起感知傳感器（攝像頭、激光雷達、毫米波雷達等）發生微小的物理偏移或姿態/高度變化。如果不加以處理，這種偏移會破壞傳感器之前建立的空間關系（即“標定”／“校準”），進而導致感知、定位、融合、決策出錯。

圖片源自：網絡

為什么傳感器會偏移？

當自動駕駛車輛在道路上行駛，尤其是長期行駛后，很容易遇到如高速通過減速帶、顛簸路面、不平路段等各種震動、沖擊，或車輛經過坑洼、石子、坑洞，甚至因為剎車、載物、過彎等造成車身微微變形、震動。時間長了，安裝在車身上的攝像頭、LiDAR、毫米波雷達等感知傳感器，會因為支架松動、粘接疲勞、車身輕微變形，甚至螺絲松動等，產生“位置偏移”或“姿態變化（朝向、傾斜、高度變化）”。

此外，若在更換零部件、更換輪胎、輪轂維修、車身檢測、碰撞維修后，也可能影響傳感器的安裝剛性，從而改變原來的安裝姿態。

這些物理偏移可能只有幾毫米、幾度這么小，但對自動駕駛系統來說影響可能很大。自動駕駛系統之所以對傳感器的安裝位置、朝向和姿態要求這么高，是因為所有傳感器看到的東西，最終都要被轉換到同一個車體坐標系或世界坐標系里。只有把這些數據放到同一個“空間參照系”中，系統才能把攝像頭、激光雷達、毫米波雷達這些不同來源的信息融合起來，看清周圍環境，并據此做出路徑規劃和車輛控制。把每個傳感器與車輛坐標關系精確對應起來的過程，就是我們常說的“標定”。

圖片源自：網絡

一旦傳感器發生偏移，原來的標定關系就不準了，這就類似于攝像頭或雷達被輕輕“擰歪了”。系統再用這些數據去理解外界時，就會出現偏差，物體的位置、距離、方向，甚至速度的判斷都可能不再準確。感知一旦不準，后續的決策和控制也會受到影響，安全性自然就無法保證。

因此，在自動駕駛實際部署中，這種偏移一定是不可忽視的，必須設計解決對策。

如何防范與檢測“偏移”？

1）初始標定（offline calibration）必須嚴格

在感知傳感器剛裝到車上時，需要做一次非常嚴格的標定。這個標定會把每個傳感器的“內參數”（例如相機的焦距、畸變、鏡頭模型等，LiDAR和雷達也有自己的內部參考參數）和“外參數”（也就是傳感器相對于車體坐標系的位置和姿態，包括平移、旋轉、朝向、傾斜、高度等）全部確定清楚。

這一步就像給系統建立“世界觀”的基準，如果標定足夠精確，誤差控制在毫米級、角度級這樣的范圍內，自動駕駛系統才能在感知、融合、定位和控制階段正常工作。

但初始標定只能保證裝車那一刻或使用較短周期內的準確。車輛長期使用、震動、維修或環境變化都會讓傳感器發生細小偏移，所以光靠這一次標定并不能保證系統一直保持穩定。

2）定期／執行維護很有必要

對于量產車，廠商或維修服務點可能會建議（或規定）在車輛經歷重大維修、碰撞、輪胎更換、懸掛維修、變形檢測、車身檢查后，對自動駕駛傳感器（攝像頭、雷達、LiDAR）進行復校（re-calibration）。這是確保車輛結構或支架恢復對稱、沒有松動、傳感器安裝姿態恢復正確的方法之一。這就類似車輪定位、四輪定位后的校正檢查。對于帶ADAS（高級駕駛輔助系統）的車輛，這種校正是非常有必要的。

不過，人工復校有費時、費人工、需要場地，且不可能非常頻繁等缺點。對于自動駕駛汽車，尤其商業化運營車輛、Robotaxi、車隊，這樣的方法顯然不夠靈活且成本高，也影響實際使用效率。

正因為這些限制，現階段的自動駕駛系統會傾向于采用“在線校準”或“自動校準”機制，讓車輛在日常使用中就能自動檢測并修正輕微偏移，而不必每次都依賴人工操作。

在線／自動校準&實時監測提供自我校正能力

近些年，學術界和工業界都在研究如何讓自動駕駛系統具備自動檢測是否偏移+自動糾正偏移的能力，而不必每次都靠人工干預。發表在2024年的論文《Automatic Miscalibration Detection and Correction of LiDAR and Camera Using Motion Cues》就提出一種自動檢測并修正LiDAR與攝像頭標定偏移的框架。

其基本思路是利用車輛／傳感器自身的運動信息，車輛在行駛過程中，不斷對每一幀數據做監測，如果檢測到LiDAR點云與攝像頭圖像之間的投影約束不再滿足（也就是說兩者的空間關系不再與原來標定一致），就判斷可能發生了“偏移／漂移”（miscalibration/drift）。然后，通過計算相機運動與LiDAR掃描的對齊變換，將LiDAR點云對齊回圖像空間，從而實現自動糾正偏移。

也就是說，當系統持續運行、車輛在不同路況、多次轉向／加減速／震動之后，系統本身就可以意識到感知傳感器可能錯位了，并用數學／幾何方法自動把感知恢復到正確狀態，這是一種閉環自我校正機制。

圖片源自：網絡

除此之外，也有開源工具集（如OpenCalib）被用于多傳感器（包括相機、LiDAR、IMU、雷達等）的校準／再校準，從而在不同使用場景下都能支持自動、半自動、手動校準流程。

因此，一個有用的自動駕駛系統，不是裝好就結束了，而是要設計自動或半自動校準機制，定期／持續監測傳感器是否偏移，并及時校正。

多傳感器融合+容錯冗余設計，不把雞蛋放在一個籃子里

即便有自動校準，也不能保證校準的萬無一失。因此，自動駕駛系統不應僅依賴單一傳感器，而是要采用多傳感器融合＋冗余設計+容錯機制，以增強自動駕駛系統對單一傳感器偏移／失效的魯棒性。

一輛自動駕駛車會同時搭載攝像頭、LiDAR、毫米波雷達、慣性測量單元（IMU）、GPS／GNSS/INS等感知傳感器。舉個例子，即使攝像頭因為支架松動、碰撞偏移，LiDAR或雷達+IMU+GPS仍可以提供環境感知或定位參考，系統可以檢測到攝像頭輸出與其他傳感器／慣性／定位系統之間不一致，然后暫時降低或放棄其數據，并發出警告給駕駛者/運營者。

圖片源自：網絡

此外，一些系統還會進行時間同步與時鐘同步（time-synchronization），讓所有傳感器在同一個統一時鐘源下采樣，以免因為時間差、數據延遲、不同傳感器采樣不一致而造成融合錯誤。對于多傳感器融合，時空同步是基礎。

通過多傳感器融合+冗余+容錯+時空同步+自動／在線校準／檢測機制，自動駕駛系統可以在一個傳感器暫時失準甚至偏移時，依然維持整體感知能力，保證安全性。

最后的話

車輛上的每一個傳感器，都不是孤立工作的，它們需要像一個團隊那樣保持步調一致，才能讓自動駕駛系統穩定、可靠地運行。而傳感器的物理偏移看似只是幾毫米、幾度的變化，卻足以讓整個系統的理解能力出現誤差。所以自動駕駛行業真正面對的難題不只是把傳感器裝準，而是把它長期保持在準的位置上。

正因如此，自動駕駛的設計思路應從“安裝時標定一次”轉向“車輛全生命周期都能持續維持標定狀態”。只有能做到這一點的系統，才算真正能讓自動駕駛從能跑走向能長期跑。

編者語：「智駕最前沿」微信公眾號后臺回復：C-0981，獲取本文提及報告：《Automatic Miscalibration Detection and Correction of LiDAR and Camera Using Motion Cues》pdf下載方式。