# 无人驾驶从障碍物检测到紧急制动的全链路时延分析

## 一、整体链路：从"看到"到"刹停"

这是一个典型的**感知—决策—执行**闭环，中间还穿插通信与安全冗余。完整链路如下：

```
障碍物出现
   │
   ▼
[1] 传感器采样与采集
   │
   ▼
[2] 信号预处理 / 点云或图像去噪
   │
   ▼
[3] 障碍物检测与目标识别
   │
   ▼
[4] 目标跟踪 / 距离速度估计
   │
   ▼
[5] 场景融合（多传感器交叉验证）
   │
   ▼
[6] 决策规划模块：判断是否触发 AEB
   │
   ▼
[7] 纵向控制：计算制动力 / 减速度曲线
   │
   ▼
[8] 车载网络总线传输（CAN / 车载以太网 / TSN）
   │
   ▼
[9] 线控制动系统执行（EBS / EMB）
   │
   ▼
[10] 制动器建立压力、轮胎摩擦减速直至停车
```

----

## 二、逐环节拆解：做什么 + 典型时延 + 难点

### 环节 1：传感器采样与原始数据采集

- **做什么**：摄像头曝光、毫米波雷达发波接收、激光雷达旋转扫描，输出原始图像/点云/回波。

- **典型时延**：
	- 摄像头：曝光时间 10–30 ms，帧间隔 33 ms（30 fps）或 40 ms（25 fps）；
	- 毫米波雷达：波束驻留 + 信号积累 20–50 ms；
	- 激光雷达：单圈扫描 50–100 ms（10–20 Hz）。

- **难点**：传感器本身有"采样窗口"，障碍物可能在两帧之间出现，最坏情况要等一整帧才被"看到"。

### 环节 2：信号预处理

- **做什么**：图像去畸变、点云去地面、雷达 FFT 测速、时间戳对齐。

- **典型时延**：5–15 ms。

- **难点**：多传感器时间戳必须对齐到同一时钟域（通常 ≤ 1 ms 精度），否则融合会错位。

### 环节 3：障碍物检测 / 目标识别

- **做什么**：深度学习模型（摄像头视觉检测）、点云聚类（激光）、雷达 CFAR 检测。

- **典型时延**：
	- 摄像头：GPU/NPU 推理 20–50 ms（30 fps 模型）；
	- 激光雷达：点云检测 30–80 ms；
	- 毫米波雷达： onboard 处理 20–50 ms。

- **难点**：雨天、逆光、夜间、异形障碍物（散落物、侧翻车辆）检测率下降，需要多传感器冗余。

### 环节 4：目标跟踪与运动估计

- **做什么**：卡尔曼滤波 / 多目标跟踪（MOT），估计障碍物的距离、相对速度、加速度。
- **典型时延**：5–15 ms。
- **难点**：AEB 不能只看一帧，需要连续 2–3 帧确认"这是真障碍物"，避免误触发，但这会增加 30–100 ms 的确认时间。

### 环节 5：多传感器融合

- **做什么**：把摄像头、雷达、激光雷达结果在目标级或数据级融合，输出"可信目标列表"。
- **典型时延**：5–20 ms。
- **难点**：单一传感器可能漏检/误检，融合要在"低误报"和"低漏报"之间权衡。

### 环节 6：决策规划（AEB 触发判定）

- **做什么**：ADCU/域控制器运行 AEB 算法，计算 TTC（Time-To-Collision，碰撞时间），判断是否满足触发条件。
	- TTC = 相对距离 / 相对速度；
	- 通常 TTC < 2.0–2.5 s 开始预警，TTC < 1.0–1.5 s 触发紧急制动。
- **典型时延**：5–20 ms。
- **难点**：要在"过早误刹"（后车追尾）和"过晚撞上去"之间找平衡。

### 环节 7：纵向控制指令生成

- **做什么**：计算期望减速度曲线（通常 6–8 m/s²，最大可达 10 m/s² 以上），输出制动力请求。
- **典型时延**：2–10 ms。

### 环节 8：车载总线传输

- **做什么**：指令从域控制器通过 CAN/CAN-FD 或车载以太网（含 TSN）传到制动 ECU。
- **典型时延**：
	- 传统 CAN：1–5 ms；
	- CAN-FD：0.5–2 ms；
	- 车载以太网 + TSN：0.1–1 ms（确定性调度）。
- **难点**：传统 CAN 总线负载高时会有排队抖动，TSN 正是为解决这个问题引入的。

### 环节 9：线控制动执行

- **做什么**：EBS（电子制动系统）或 EMB（电子机械制动）接收指令，建立制动压力/电机夹紧力。
- **典型时延**：
	- 真空助力液压制动：150–300 ms（从指令到全压力）；
	- EBS 线控液压：100–200 ms；
	- EMB 电子机械制动：50–100 ms。
- **难点**：这是整条链路中**最"重"的一段**，液压系统建立压力需要时间，EMB 是未来方向。

### 环节 10：物理减速过程

- **做什么**：轮胎与地面摩擦，车辆减速直至停止。
- **典型时延**：这一段不是"电路时延"，而是运动学过程：
	- 100 km/h → 0，减速度 8 m/s²，需要约 3.5 s，滑行距离约 50 m；
	- 60 km/h → 0，约 2.1 s，滑行距离约 17 m。
- **注意**：前面所有环节的时延都会转化为"刹车距离"——在 100 km/h 下，**每多 100 ms 反应时间 ≈ 多前进约 2.8 m**。

----
## 三、端到端时延预算（以 100 km/h AEB 为例）

|环节|典型时延|可优化方向|
|:-:|:-:|:-:|
|传感器采样等待（最坏一帧）|33–50 ms|提高帧率、毫米波雷达预警|
|预处理 + 检测 + 融合|30–80 ms|模型量化、专用 NPU、前融合|
|多帧确认（防误触发）|30–100 ms|规则优化、雷达快速通道|
|决策 + 控制|10–30 ms|域控制器集中式架构|
|车载总线传输|1–5 ms|TSN 以太网|
|制动器建压|100–200 ms|EMB 替代液压|
|**合计"感知到制动起作用"**|**≈ 200–450 ms**|—|
|**物理滑行距离（100 km/h）**|≈ 30–50 m|高附着路面|

行业内对 AEB 的典型要求是：**从障碍物出现到制动力开始建立，端到端 ≤ 300–500 ms**（高速场景要求更严）。

----
## 四、不同级别的时延要求对比

|功能|触发时间|端到端时延要求|说明|
|:-:|:-:|:-:|:-:|
|FCW 前向碰撞预警|TTC < 2.0–2.5 s|≤ 500 ms|给驾驶员反应时间|
|AEB 部分制动|TTC < 1.5–2.0 s|≤ 300 ms|中等强度减速|
|AEB 紧急制动|TTC < 1.0–1.5 s|≤ 200–300 ms|全力制动|
|LKA 车道保持|连续控制|≤ 50–100 ms|高频小修正|
|自动泊车|低速|≤ 500 ms–1 s|宽松|
|编队行驶（V2V）|协同控制|≤ 20–50 ms|车车直连，最严|

**等级越高（L3/L4），对时延的确定性要求越苛刻**——不仅要"快"，还要"每次都一样快"（抖动小），这正是 TSN/DetNet 在车载网络中的价值。

----
## 五、为什么"确定性"比"快"更重要

1. **最坏情况比平均情况重要**：系统设计要看 P99.9 时延，而不是平均值。一次 500 ms 的长尾卡顿就可能撞车。
2. **总线抖动风险**：传统 CAN 在摄像头数据突发、OTA、诊断报文同时占用时，控制帧可能排队，TSN 通过时间门控保证 AEB 指令"准点到达"。
3. **多系统协同**：L3 以上需要感知、决策、制动、转向、HMI 多 ECU 时间同步，统一时钟（gPTP/IEEE 802.1AS）精度需达微秒级。

----
## 六、工程优化的几个关键抓手

- **传感器冗余**：毫米波雷达不依赖光照、采样快，作为 AEB 的"快速通道"，摄像头负责识别分类；
- **集中式域控**：减少 ECU 数量，跨 ECU 通信变成域内内存共享，砍掉总线传输时延；
- **EMB 线控制动**：把 150–200 ms 的液压建压时间压到 50–100 ms；
- **车载 TSN**：保证 AEB 指令在总线上的确定性调度；
- **预测式规划**：不是等障碍物出现再反应，而是基于前车轨迹、路口场景提前"预瞄"。


做什么：摄像头曝光、毫米波雷达发波接收、激光雷达旋转扫描，输出原始图像/点云/回波。

仟略分享---无人驾驶从障碍物检测到紧急制动的全链路时延分析

人工智能

物联网

网络与通信

无人驾驶AEB紧急制动全链路时延分析，覆盖传感器采集、感知融合、决策规划、总线传输到制动执行各环节，逐项拆解典型时延与瓶颈。重点对比100km/h场景下200-450ms端到端预算，探讨EMB线控制动、TSN确定性通信及多传感器冗余优化方案，为L3+级自动驾驶安全设计与系统可靠性提供关键工程指标。

深度学习

代码解释

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

仟略分享---无人驾驶从障碍物检测到紧急制动的全链路时延分析-腾讯云开发者社区-腾讯云

仟略分享---无人驾驶从障碍物检测到紧急制动的全链路时延分析

仟略分享---无人驾驶从障碍物检测到紧急制动的全链路时延分析

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐