车载雷达融合与感知算法

解决方案

一、L2+ 域控感知

把毫米波、相机、激光与超声统一到同一目标列表与时空基准,是行车与泊车域的共同底座。域控侧按时间同步、坐标标定、置信度加权组织融合,输出稳定航迹供规划控制使用,不承诺单算法全工况零误报。

二、AEB 误刹 / 漏刹归因

误刹归因为虚警,漏刹归因为漏检。我们结合标定漂移、时间同步偏差与跨传感器不一致定位问题,区分静止物、反射、天气与遮挡等成因,给出可复现的闭环优化路径。

三、城市 NOA 多传感器融合

红绿灯、行人、占道与加塞密集出现,靠特征融合与航迹管理抑制遮挡与穿插带来的目标跳变。毫米波提供直接测距测速,相机提供语义,激光提供三维结构,三者互补而不是互斥。

四、商用车盲区行为预测

转弯与变道时盲区目标运动复杂,BSD 航迹关联把毫米波与相机目标对齐,结合运动学给出行为预测与告警,降低右侧与尾部盲区事故概率。

五、测试场功能场景库构建

把法规与典型工况拆成可回灌的场景用例,支撑回归与验收,使检出率、虚警与延迟指标可追踪。场景库按功能、天气、目标类型与边界条件组织,便于持续扩充。

六、落地原则

所有方案都遵循同一组原则:先对齐时空基准,再谈融合;先定义验收指标,再谈能力;先量化边界,再谈适用。