Level 4自动驾驶系统设计3——功能与场景3

针对地下停车场高密度桩标、光线突变与低矮障碍物等复杂场景，研究提出多模态感知融合与安全冗余策略。通过4D雷达与视觉体素化校验解决桩标粘连问题；光流-IMU时空补偿应对光照跳变；占用网格动态掩码检测低矮障碍物，并触发权重降级与VMC层越权制动。系统集成置信度过滤、物理对账和硬件熔断机制，确保在传感器失效或模型误判时仍能实现安全闭环控制，显著提升自动驾驶在非结构化地库环境中的鲁棒性。

1.3 地库高密度桩标、光线突变与低矮障碍物的特征识别工况

1.3.1 地库高密度桩标空间的几何冲突与特征提取卡闸

地下停车场属于典型的高密度、高重叠、非结构化封闭空间。其内部柱体（直径通常 ≥ 0.6m）、消火栓、多层机械车位钢结构件排列密集，且空间通道狭窄（通车道宽度通常为 5.5m~6.0m）。

1. 大模型空间特征混淆机制

   • 空间交叉注意力机制失真：端到端大模型（VLA）在处理多摄像头拼接的环视鸟瞰图（BEV）特征时，由于桩标排列过于紧密且纹理高度相似，长距离依赖的自注意力矩阵易将不同支柱的几何特征连通，导致场景重建中出现“几何拓扑粘连”，无法准确切分通行边界（Free Space）。

   • 超近距离点云盲区与多径自激：4D成像雷达与传统超声波雷达在面对环氧树脂地面和