汽车辅助驾驶感知技术方案 - 主流感知组合为V+R+L+U，其中V代表摄像头，R代表毫米波雷达，L代表激光雷达，U代表超声波雷达，此外还包括车载驾驶员监控（DMS）摄像头 [1] - 比亚迪天神之眼C采用5R12V感知方案，配备5个毫米波雷达与12个摄像头，包括3颗800万前视摄像头、4颗300万环视摄像头、4颗300万侧视摄像头、1颗300万后视摄像头 [1] 摄像头感知技术 - 奔驰前视采用双目摄像头，通过视差算法计算物体距离，但受限于摄像头间距（约十几厘米），探测距离略显不足 [2][4] - 比亚迪、小鹏等公司在双目基础上增加长焦镜头，形成三目摄像头方案，其中2个广角摄像头（120度，800万像素）用于视差算法测距，1个长焦摄像头（30度，800万像素）用于识别远处小物体 [6] - 三目方案最高探测距离达350米，实现1cm物体探测精度，可识别路面减速带、凹陷等，支持主动悬架预瞄功能 [8] - 多摄像头设计支持同时运行多种算法，如AI障碍物识别、AEB、ACC、红绿灯识别等，提升系统识别范围和准确性 [8] BEV鸟瞰图技术 - BEV（Bird's Eye View）将多个摄像头图像拼接成全景图，分为BEV LiDAR点云类、BEV Camera图像类和BEV Fusion融合类 [8] - 通过神经网络提取特征，利用transformer模型关联特征并投影到向量空间，生成反映周围环境的鸟瞰图，用于识别障碍物和可行驶区域 [10] - BEV感知局限在于无法预测悬垂障碍物（如开启的车门、限高栏杆等） [10] Occupancy占用网络 - Occupancy占用网络将BEV的2D图像升维为3D，通过网格化定义占用和空闲单元，判断可安全行驶区域 [11] - 该算法可分析前方物体形状和位置，大幅提升汽车识别能力，尤其适用于复杂的城市驾驶环境 [11] 激光雷达技术 - 激光雷达通过激光束扫描构建环境点云图，线数越多垂直分辨率越高，主流192线雷达可清晰分辨200米外车辆轮廓 [13] - 对小体积异物（如倒伏轮胎、锥桶等），在200米远时仅能模糊识别为异物，需在100-50米内才能清楚分辨轮廓 [13] - 相比摄像头，激光雷达能实时获取三维点云数据，快速构建环境三维模型，不受表面图案欺骗，只关注障碍物存在与否 [16] - 摄像头在不同光照条件和物体材质下测距精度和识别能力明显不如激光雷达 [16]