标准回答
需求与指标
先定级别与场景：L4 城区对长尾的要求远高于 L2 高速。核心指标：检测 mAP、关键障碍物漏检率（安全红线）、端到端延迟（常需 <100ms）、跟踪 ID 稳定性。安全与实时是硬约束。
整体架构
多传感器输入 → 时空同步与标定 → 感知主干（检测/分割）→ BEV 融合 → 多目标跟踪 → 轨迹预测 → 输出给规划，并与定位/高精地图对齐。
多传感器融合
相机给语义与颜色、激光雷达给精确 3D 结构、毫米波在恶劣天气与测速上鲁棒，三者互补冗余。融合分前融合（原始特征级，信息全但工程难）、中融合（BEV 特征级，主流）、后融合（各自出结果再合并，鲁棒但信息损失）。现代方案多在 BEV 空间做中融合。
感知主干
相机做 2D/3D 检测 与 语义分割，点云做 3D 检测；统一投影到 BEV 鸟瞰图，得到时空一致的环境表示，便于多模态对齐与下游使用。
跟踪与预测
多目标 跟踪（DeepSORT/ByteTrack 类）保持目标 ID 与运动状态；再对动态目标做轨迹预测，输出未来若干秒的可能轨迹供规划决策。
安全与数据闭环
设传感器失效降级与冗余；对 corner case（异形障碍、恶劣天气、遮挡）专门挖掘。建数据闭环：车端触发器回传难例 → 标注/自动标注 → 重训 → 影子模式验证 → 灰度上车，持续压低漏检。
常见误区
⚠️ 常见踩坑
只谈检测精度不谈安全冗余与长尾：自动驾驶漏检代价是事故，必须谈传感器失效降级、误检/漏检的非对称代价与 corner case 闭环，而不是一味追平均 mAP。
追问
追问 1：前融合、中融合、后融合如何取舍？为什么 BEV 中融合成为主流？
后融合各传感器独立出结果再匹配，工程解耦、单传感器失效可降级，但早期信息已丢失、跨模态关联弱。前融合在原始/特征级对齐信息最全，但对标定与时间同步极敏感、算力大。BEV 中融合在统一鸟瞰特征空间融合，兼顾信息保留与工程可控，天然支持时序与多相机拼接，且输出空间直接对接规划，故成主流。
追问 2：如何保证实时性与安全冗余？
追问 3：长尾 corner case 如何系统性解决？
靠数据闭环而非堆模型：车端设触发器（接管、急刹、低置信、预测不一致）自动回传难例；用主动学习与自动标注扩充长尾样本；合成数据与仿真补足危险场景；专门维护 corner case 评测集做回归；新模型先影子模式与小范围灰度验证再放量，形成「发现-标注-训练-验证-上车」的持续循环。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
📖 术语表