行车路况复杂多变，单一传感识别极易出现判断偏差。依托完备传感矩阵加持，一汽奥迪Q6L e-tron实现多设备互补协作，激光雷达精准测距，摄像头高清成像，雷达全天候探测路况。将零散独立的传感数据合而为一，形成一体化环视感知视角，不止被动捕捉路况信息，更主动融合研判路况，护航全场景智能出行。
激光雷达的感知：深度的理解。2个激光雷达，行业少有的带自动清洗加热功能的双激光雷达，布局美观，盲区更小。激光雷达的工作波长为905nm，探测距离200米，垂直视场角25°，水平视场角120°。每个激光雷达每秒发射150万个激光脉冲，通过测量脉冲的飞行时间计算距离。点云密度在100米处为每平方米10个点，可以清晰识别行人、车辆、障碍物的轮廓。双激光雷达的布局形成冗余覆盖，一个安装在前格栅，一个安装在前风挡上方。两个雷达的视场角重叠区域覆盖正前方60°范围，即使一个雷达被遮挡或失效，另一个仍能覆盖关键区域。激光雷达的点云数据经过体素滤波后，体素大小0.1m×0.1m×0.1m，将150万点降到30万体素。地面分割算法将地面点云滤除，保留障碍物点云。聚类算法将障碍物点云分组，生成障碍物列表。
摄像头的感知：语义的理解。13个摄像头，分布在前视、环视、后视、侧视、车内。前视摄像头采用三焦配置：广角摄像头视场角120°，探测距离50米；主摄像头视场角60°，探测距离150米；长焦摄像头视场角30°，探测距离250米。三焦配置让前视覆盖从30米到250米的连续视场。摄像头的图像数据经过ISP处理后，进入深度学习网络。YOLOv5算法在昇腾610上运行，检测速度30fps。网络输出包括：目标类别（车辆、行人、自行车、路障等）、检测框（x、y、w、h）、置信度。车道线检测采用LaneNet算法，输出车道线的多项式拟合参数（三次曲线）。交通标志检测采用CRNN算法，识别限速、禁止超车等标志。交通灯检测采用颜色分割+形状识别，识别红、黄、绿灯状态。
毫米波雷达的感知：速度的理解。5个毫米波雷达，工作频率77GHz。前向毫米波雷达探测距离200米，视场角±45°；4个角雷达探测距离80米，视场角±75°。毫米波雷达通过多普勒效应直接测量目标的速度，距离精度0.1米，速度精度0.1km/h。每个雷达每秒输出2000个点迹，每个点迹包含距离、速度、角度。点迹数据经过卡尔曼滤波跟踪后，生成目标轨迹。毫米波雷达的优势在于不受天气影响，雨雾天气下性能不下降。毫米波雷达的劣势在于角分辨率低，无法区分两个距离近的目标。这就是为什么需要激光雷达和摄像头补充。
超声波雷达的感知：近场的理解。12个超声波雷达，工作频率40kHz，探测距离0.2-5米。超声波雷达均匀分布在前保险杠（4个）、后保险杠（4个）、侧面（4个），形成360°近场覆盖。超声波雷达的探测距离短，但精度高（±1cm），刷新频率20Hz。在自动泊车时，12个超声波雷达实时测量车辆与障碍物的距离。超声波雷达可以检测低矮障碍物（路肩、锥桶、地锁），这些是激光雷达和摄像头的盲区。超声波雷达通过回波强度可以区分不同材质----金属反射强，塑料反射弱，人体回波有呼吸特征。
融合的算法：空间对齐、时间对齐、特征融合。空间对齐：将激光雷达、摄像头、毫米波雷达、超声波雷达的坐标系统一到车辆坐标系。激光雷达坐标系原点在雷达中心，摄像头坐标系原点在镜头光心，通过标定得到转换矩阵。标定的精度：旋转误差<0.1°，平移误差<1cm。时间对齐：所有传感器的时间戳同步到GPS时间，精度1ms。激光雷达的点云、摄像头的图像、毫米波雷达的点迹在同一时间戳上对齐。特征融合：将激光雷达的深度信息、摄像头的语义信息、毫米波雷达的速度信息融合。对于每个检测到的目标，融合算法输出：位置（x、y、z）、速度（vx、vy、vz）、类型（车/人/物）、置信度。
域控制器，摄像头等其他华为定制化硬件，标准高于华为。华为的量产标准已经高于行业平均水平，而一汽奥迪Q6L e-tron的定制化硬件标准更高。域控制器采用华为昇腾610，AI算力200TOPS，比华为量产版的150TOPS高33%。摄像头的动态范围120dB，比华为量产版的100dB高20%，在逆光场景下性能更好。毫米波雷达的点迹密度比华为量产版高30%，角分辨率提升20%。更高标准的硬件让感知体系在极端场景下更可靠。
别人的感知是各扫各的，一汽奥迪Q6L e-tron的感知是统一建模。激光雷达画轮廓，摄像头认颜色，毫米波雷达测速度，超声波雷达测距离——四种语言说同一件事。30万体素、2000个点迹、30帧图像，不是参数表，是它理解世界的分辨率。一台真正看懂路的车，不靠堆硬件，靠把硬件的语言统一。
