自动驾驶传感器布置如何布置
自动驾驶汽车的传感器与算法工作原理
自动驾驶汽车的传感器与算法工作原理自动驾驶汽车是当今科技领域中的热门话题，其采用了先进的传感器技术和复杂的算法来实现智能化驾驶。
本文将介绍自动驾驶汽车中传感器与算法的工作原理。
一、摄像头传感器自动驾驶汽车通常配备多个摄像头传感器，以检测和识别周围的交通标志、道路标线、行人和其他车辆。
摄像头传感器可以利用图像和视频处理算法来提取关键的视觉特征，例如边缘、颜色和纹理等，从而实现目标检测和识别。
摄像头传感器通常采用广角镜头，以获取更宽广的视野范围。
此外，还可以通过多个摄像头传感器的组合来实现全景视图，提高对周围环境的感知能力。
算法方面，常用的计算机视觉算法包括卷积神经网络（CNN）和支持向量机（SVM）等，用于训练和识别图像中的目标物体。
二、激光雷达传感器激光雷达传感器是自动驾驶汽车中一种常用的远距离感知设备。
它通过发射激光束并测量光束的反射时间来获取周围环境的三维点云数据。
激光雷达传感器可以实时生成高精度的环境地图，包括道路、建筑物和其他障碍物的准确位置和形状信息。
激光雷达传感器的工作原理基于激光测距原理和扫描技术。
通过控制激光束的发射方向和角度，激光雷达可以扫描整个周围环境，并生成详细的点云数据。
算法方面，常用的激光雷达数据处理算法包括聚类、分割和目标跟踪等，用于检测和识别环境中的障碍物。
三、雷达传感器雷达传感器在自动驾驶汽车中也起着重要的作用。
雷达传感器可以利用电磁波的反射原理来检测周围环境的物体和障碍物。
雷达传感器通常使用微波频段的电磁波，以实现较长距离的目标检测和测距。
雷达传感器的工作原理是通过发射微波信号并接收其反射信号来实现环境感知。
传感器可以测量反射信号的时间和强度，并将其转化为环境中不同物体的位置和形状信息。
在算法方面，常用的雷达数据处理算法包括滤波、多目标跟踪和运动估计等，用于实现精准的目标检测和跟踪。
四、超声波传感器超声波传感器在自动驾驶汽车中主要用于短距离障碍物检测和测距。
它通过发射超声波脉冲并测量其回波时间来检测周围物体的距离和位置。
无人驾驶车辆的控制系统架构设计
无人驾驶车辆的控制系统架构设计随着人工智能和自动化技术的不断发展，无人驾驶车辆已成为自动驾驶领域的热点之一。
无人驾驶车辆的控制系统架构设计是保证安全性和可靠性的关键。
本文将从控制系统架构、传感器系统和控制算法三个方面探讨无人驾驶车辆的控制系统架构设计。
一、控制系统架构设计无人驾驶车辆的控制系统架构是保证高效控制的基础。
控制系统架构分为硬件层和软件层两个层次。
硬件层包括传感器、控制单元和执行器；软件层包括控制算法、驱动程序和用户界面。
无人驾驶车辆的控制系统架构需要满足以下要求：1.实现自动控制功能，可以通过各种传感器收集车辆行驶状态和环境信息，实现自动控制。
2.保证高可靠性，控制系统需要具有很强的性能和可靠性，确保车辆能够在各种情况下保持安全。
3.满足实时性要求，无人驾驶车辆的控制需要实时响应，包括传感器数据采集、状态判断和控制命令执行等。
4.实现模块化设计，将控制算法、驱动程序和用户界面等分模块设计，方便维护和升级。
5.保证数据安全性，无人驾驶车辆的控制系统需要保证数据的安全性，防止数据被攻击或泄露。
二、传感器系统设计传感器系统是无人驾驶车辆控制系统的重要组成部分，用于收集车辆行驶状态和环境信息。
传感器系统分为多功能传感器和特定传感器两种类型。
1.多功能传感器采用多重传感技术设计，包括激光雷达、毫米波雷达、视觉传感器和超声波传感器等。
多重传感器的数据融合可以提高传感器系统的准确性和鲁棒性，确保车辆的安全。
2.特定传感器是针对特定任务设计的传感器，例如温度传感器、光学传感器和声学传感器等，可以用于特定环境下的数据采集和分析。
传感器系统的设计需要考虑以下要点：1.传感器的类型选择要根据车辆控制系统的需要。
2.传感器的布置位置要考虑到采集范围和避免遮挡。
3.传感器系统需要考虑到数据处理和传输的方式和速度。
三、控制算法设计无人驾驶车辆的控制算法是控制系统的核心，控制算法需要符合以下要求：1.实时控制，控制算法需要实时处理传感器数据产生控制命令。
自动驾驶线束布置注意事项
自动驾驶集成线束布置注意事项目前自动驾驶的研发集成已轻熟上轨对集成的安全性、舒适性及性能要求的不断提高，集成车的电路数量与用电量显著增加，从而使大量线束在有限的空间中如何更有效合理布置和安装成为所面临的问题。
本文以集成线束布置为中心，对自动驾驶集成车线束布置注意事项作概要介绍。
一、线束固定点布置合理，固定可靠（1）根据线束在集成车上的实际分配安装位置，为了避免线束的低垂、移位，考虑线束的重量、固定方式和固定位置的方便性，线束必须有足够、合理的固定点和固定方式进行固定。
（2）据线束的走向、车身的具体形状设置固定点，在没有支点的直线距离上两固定点间距一般不大于300mm；在钝角拐点位置可布置一个固定点；在直角拐点需布置两个固定点；锐角拐点在线束中避免出现。
（3）据线束的形状、外径大小选择固定粘扣的类型和大小，并满足承受线束重量的需要。
（4）在和其它线束、电器件连接的插接件位置，在插接件前不大于120mm的合适位置，考虑设置固定点，用粘扣和扎带固定。
（5）考虑在支点位置的干线上设置固定点，固定点距离支点不大于100mm。
（6）在固定卡扣，粘扣的安装方向上，必须有足够的空间以方便卡扣，粘扣的安装、拆卸。
二、外观整齐、成束配置（1）线束布置应沿边、沿槽（车身上设计的走线槽），避免线束直接承受压力。
驾驶室内不得有线束外露；在可以观察到线束的位置，如：发动机部位，设置醒目的吸引点或醒目的颜色，在此安装的线束不突出、不显眼。
（2）排列方式在投影方向上，按横平竖直的棋盘式排列，避免斜线布置。
（3）与管路的间隙均匀，与周围零部件的间隙合理。
三、线束避免与周围部件干涉（1）不直接和车身锐边接触，一要留有间隙，二要增加保护避免车身锐边损坏线束外部绝缘层，导致短路事故；（2）安装在振动或运动部件上时，应视实际情况预留长度。
此预留长度根据部件振动幅度、运动件的最大运动行程确定。
保证预留长度能够不使振动在线束上转递、不使线束承受拉力。
自动驾驶汽车中的传感器技术使用教程
自动驾驶汽车中的传感器技术使用教程随着科技的不断发展和进步，自动驾驶汽车正在逐渐走进现实。
作为实现自动驾驶的关键组成部分之一，传感器在汽车行业中起着至关重要的作用。
本文将为您介绍自动驾驶汽车中常见的传感器技术以及其使用教程。
1. 摄像头传感器摄像头传感器是自动驾驶汽车中最常见和基础的传感器之一。
它能够通过拍摄周围环境的图像来获取道路、车辆和行人等信息。
在使用摄像头传感器时，需要注意以下几点：- 安装位置和角度：摄像头应该被放置在汽车的前部、后部和侧面，以覆盖整个周围环境。
摄像头的角度应根据车辆的设计和使用场景进行调整，以确保获得清晰的图像。
- 图像处理算法：为了识别出道路、车辆和行人等物体，需要使用图像处理算法对摄像头获取的图像进行分析和提取关键特征。
- 光线条件：摄像头传感器对光线条件较为敏感，因此需要在不同光线条件下进行测试和调整。
2. 激光雷达传感器激光雷达传感器利用激光束扫描周围环境，并通过测量返回的激光反射时间来计算物体的位置和距离。
与摄像头传感器相比，激光雷达传感器能够提供更精确的距离和位置信息。
使用激光雷达传感器时需要注意以下几点：- 安装位置和角度：激光雷达通常被安装在汽车的屋顶或保险杠上，以获得较高的覆盖范围。
激光雷达的角度应根据车辆的设计和使用场景进行调整，以确保准确的测量结果。
- 数据处理：激光雷达传感器会产生大量的数据，需要使用相应的算法进行处理和分析，以提取有用的信息。
- 遮挡物检测：在使用激光雷达传感器时，需要注意遮挡物对传感器数据的影响。
可以使用多个激光雷达传感器来减少遮挡区域。
3. 毫米波雷达传感器毫米波雷达传感器通过发射无线电波来探测前方物体，并通过接收反射的波束来计算物体的位置和距离。
与激光雷达传感器相比，毫米波雷达传感器在雨雪天气下有更好的性能。
在使用毫米波雷达传感器时需要注意以下几点：- 安装位置和角度：毫米波雷达通常被安装在汽车的前部和后部，以覆盖整个车辆周围的环境。
自动驾驶车辆传感器配置
实时性要求
自动驾驶车辆对数据处理的实时 性要求极高，需要在极短的时间 内完成数据的采集、处理和决策 输出。
数据传输速度和稳定性问题
高速数据传输技术
为了保证数据传输的速 度和稳定性，需要使用 高速数据传输技术，如 以太网、CAN总线等。
数据压缩技术
为了降低数据传输的带 宽需求，可以使用数据 压缩技术，对原始数据 进行压缩后再进行传输 。
在自动驾驶车辆中，传感器的主要功能包括环境感知、障碍 物检测、车辆定位、路径规划等，是实现自动驾驶不可或缺 的关键部件。
自动驾驶中传感器作用
环境感知
障碍物检测
通过激光雷达、摄像头等传感器，自动驾 驶车辆能够实时感知周围环境，包括道路 、交通信号、行人、车辆等信息。
利用超声波、红外线等传感器，自动驾驶 车辆可以准确检测道路上的障碍物，如石 头、树枝等，从而避免碰撞。
应用场景
是实现自动驾驶车辆环境感知的 重要手段之一，可用于城市道路 、高速公路等多种场景的自动驾
驶。
优缺点
信息丰富、成本低廉，但受光照 、阴影、反光等干扰影响较大， 需要与其他传感器融合使用以提
高识别准确率。
超声波传感器
1 2 3
工作原理
利用超声波在空气中的传播特性进行探测，通过 测量超声波的发射和接收时间差来计算目标物体 的距离。
01
02
03
摄像头
提供视觉信息，识别交通 信号、车道线、行人等。
雷达
检测障碍物距离和速度， 适用于各种天气条件。
激光雷达
提供高精度三维环境信息 ，用于定位和障碍物识别 。
多传感器融合方案设计
传感器类型选择
根据需求选择摄像头、雷达、激光雷达等传感器 。
车辆自动驾驶系统中的传感器使用技巧
车辆自动驾驶系统中的传感器使用技巧随着科技的不断进步和人类社会的发展，自动驾驶技术已经成为当今汽车行业的一个关键发展方向。
车辆自动驾驶系统中的传感器起着至关重要的作用，它们帮助车辆感知周围环境、获取关键信息，并做出相应的决策和行动。
在车辆自动驾驶系统中，传感器的使用技巧是确保系统可靠性和安全性的关键因素。
本文将介绍一些在车辆自动驾驶系统中应用传感器的使用技巧，以帮助读者更好地理解和掌握这一技术。
首先，车辆自动驾驶系统中的传感器类型多样，包括激光雷达、摄像头、雷达和超声波传感器等。
这些传感器各有优势和适用范围，对环境的感知能力也有所不同。
因此，在系统设计中，应根据实际需求选择合适的传感器组合。
激光雷达是车辆自动驾驶系统中应用最广泛的传感器之一。
它通过向周围环境发射激光束并测量其反射时间来获取目标物体的距离和位置信息。
激光雷达对目标物体的识别和测距能力非常强，可以精确地感知周围环境的静态和动态目标。
在使用激光雷达时，需要注意安装位置和角度的选择，以保证激光雷达能够覆盖到车辆前方、后方和侧方的关键区域，以及适应不同的路况和环境变化。
摄像头也是车辆自动驾驶系统中常用的传感器之一。
摄像头可以捕捉和处理车辆周围环境的视觉信息，如道路标志、交通信号灯和行人等。
在使用摄像头进行目标检测和识别时，应根据道路的特点和目标物体的特征来选择合适的摄像头类型和安装位置。
此外，保持摄像头的视野干净和整洁，定期清洁镜头表面以避免影响图像的质量。
除了激光雷达和摄像头，雷达和超声波传感器也在车辆自动驾驶系统中发挥重要作用。
雷达可以通过发射和接收无线电波来测量目标物体的距离和速度，适用于在恶劣天气和能见度较差的环境下进行目标感知。
超声波传感器利用声波的反射来检测周围物体的位置和距离，适用于低速行驶和近距离障碍物检测。
在使用雷达和超声波传感器时，需要考虑其感知范围、精度和响应速度等因素，并根据道路和环境的特点进行合理的安装和配置。
除了传感器的选择和安装，合理的数据处理和算法也是车辆自动驾驶系统中的关键技巧之一。
36. 如何优化传感器的布置和安装？
36. 如何优化传感器的布置和安装？36、如何优化传感器的布置和安装？在现代科技的众多应用领域中，传感器扮演着至关重要的角色。
从工业生产中的质量监控，到环境监测中的数据采集，再到智能家居里的设备控制，传感器无处不在。
然而，要确保传感器能够准确、可靠地发挥作用，其布置和安装的优化就显得尤为关键。
首先，我们需要明确传感器的工作原理和性能特点。
不同类型的传感器，如温度传感器、压力传感器、位移传感器等，其工作原理和适用场景各不相同。
在选择传感器时，要根据具体的测量需求和环境条件来决定。
比如，在高温环境下，就需要选择能够耐受高温的传感器；在测量微小位移时，就需要精度高、灵敏度好的位移传感器。
了解了传感器的基本特性后，接下来就要考虑测量对象的特点。
如果要测量一个大型容器内液体的温度分布，那么就需要在不同深度和位置布置多个传感器，以获得全面准确的温度数据。
如果是测量某个机械部件的振动情况，就需要将传感器安装在振动最明显的位置，并且要保证传感器与被测部件之间有良好的接触和固定。
在实际的布置和安装过程中，空间因素也是必须要考虑的。
传感器的安装位置应该便于维护和检修，同时不能影响到正常的生产或操作流程。
例如，在工厂的生产线上安装传感器，要避免其阻碍工人的操作和物料的运输。
对于一些空间有限的场合，可能需要选择体积小巧的传感器，或者采用特殊的安装方式来节省空间。
环境条件对传感器的布置和安装同样有着重要影响。
在潮湿、腐蚀性强的环境中，需要选择具有良好防护性能的传感器，并采取相应的防护措施，如加装防护套、使用耐腐蚀材料等。
如果环境中存在较强的电磁干扰，就需要对传感器进行屏蔽处理，或者选择抗干扰能力强的型号。
传感器的布线也是一个不容忽视的问题。
布线要合理规划，避免线路过长导致信号衰减，也要防止线路与其他电气设备相互干扰。
对于多个传感器组成的系统，要采用统一的布线标准和规范，以保证系统的稳定性和可靠性。
在安装传感器时，要确保安装牢固、稳定。
自动驾驶感知环节硬件配置情况
自动驾驶感知环节硬件配置情况自动驾驶感知环节是自动驾驶系统中最重要的环节之一，它通过从多种传感器中获取信息，并进行处理和分析，来实现对周围环境的感知和理解，从而为自动驾驶系统的决策和控制提供关键的数据支持。
在感知环节中，常用的传感器包括激光雷达(LiDAR)、摄像头、毫米波雷达、超声波传感器等。
首先是激光雷达，它是自动驾驶系统中最重要的传感器之一、激光雷达利用激光束扫描周围环境，并通过测量激光束反射回来的时间和强度来获取目标物体的位置和形状信息。
激光雷达的配置通常包括多个旋转式激光雷达和一个或多个固定式激光雷达，以实现对车辆周围360度的全方位感知。
目前市场上常见的激光雷达型号包括瓦楞激光雷达、索引激光雷达等。
其次是摄像头，它是自动驾驶系统中最常见的传感器之一、摄像头通过捕捉周围环境的图像和视频，并利用计算机视觉算法对图像进行处理和分析，从而实现对车辆周围物体的识别和定位。
摄像头通常以立体视觉的方式进行布置，以便实现对物体的三维感知。
摄像头的配置通常包括前后视摄像头、侧视摄像头和鱼眼摄像头等。
目前市场上常见的摄像头型号包括大恒相机、海康相机等。
此外，自动驾驶系统中还常用到毫米波雷达和超声波传感器等。
毫米波雷达利用毫米波信号来探测和测量周围物体的位置和速度。
毫米波雷达具有较高的分辨率和抗干扰能力，适合在恶劣环境下使用。
超声波传感器利用超声波信号的反射时间来测量目标物体的距离和位置，主要用于避障和定位等功能。
综上所述，自动驾驶感知环节的硬件配置通常包括激光雷达、摄像头、毫米波雷达和超声波传感器等。
这些传感器通过获取周围环境的信息，为自动驾驶系统提供精确和实时的数据支持，从而实现对道路情况、障碍物和其他车辆等物体的感知和理解。
随着技术的不断进步和成本的降低，各种传感器的硬件配置也在不断升级和优化，以满足自动驾驶系统对感知能力的不断提高的需求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
前言:无人驾驶汽车的研究越来越多，各环境感知传感器的分布位置也不同，到底这些传感器要遵循一个什么样的布置原则？
智能驾驶汽车环境感知传感器主要有超声波雷达、毫米波雷达、激光雷
达、单/双/三目摄像头、环视摄像头以及夜视设备。
目前，处于开发中的典型智能驾驶车传感器配置如表 1所示。
表 1 智能驾驶汽车传感器配置
•环视摄像头：主要应用于短距离场景，可识别障碍物，但对光照、天气等外在条件很敏感，技术成熟，价格低廉；
•摄像头：常用有单、双、三目，主要应用于中远距离场景，能识别清晰的车道线、交通标识、障碍物、行人，但对光照、天气等条件很敏感，而且需要复杂的算法支持，对处理器的要求也比较高；
•超声波雷达：主要应用于短距离场景下，如辅助泊车，结构简单、体积小、成本低；
•毫米波雷达：主要有用于中短测距的 24 GHz 雷达和长测距的 77 GHz 雷达
2 种。
毫米波雷达可有效提取景深及速度信息，识别障碍物，有一定的穿透
雾、烟和灰尘的能力，但在环境障碍物复杂的情况下，由于毫米波依靠声波定位，声波出现漫反射，导致漏检率和误差率比较高；
•激光雷达：分单线和多线激光雷达，多线激光雷达可以获得极高的速度、距离和角度分辨率，形成精确的 3D 地图，抗干扰能力强，是智能驾驶汽车发展的最佳技术路线，但是成本较高，也容易受到恶劣天气和烟雾环境的影响。
•不同传感器的感知范围均有各自的优点和局限性（见图 1），现在发展的趋势是通过传感器信息融合技术，弥补单个传感器的缺陷，提高整个智能驾驶系统的安全性和可靠性。
图 1 环境感知传感器感知范围示意图
全新奥迪A8配备自动驾驶系统的传感器包括
-12个超声波传感器，位于前后及侧方
-4个广角360度摄像头，位于前后和两侧后视镜
-1个前向摄像头，位于内后视镜后方
-4个中距离雷达，位于车辆的四角
-1个长距离雷达，位于前方
-1个红外夜视摄像头，位于前方
-1个激光扫描仪Laser Scanner，位于前方
传感器的布置原则
无人车传感器的布置，需要考虑到覆盖范围和冗余性。
覆盖范围：车体360度均需覆盖，根据重要性，前方的探测距离要长
（100m），后方的探测距离稍短（80m），左右侧的探测距离最短
（20m）。
为了保证安全性，每块区域需要两个或两个以上的传感器覆盖，以便相互校验，如下图所示[1]：
图2：一种典型的传感器全覆盖、多冗余配置示意图
Host Vehicle是无人车实体，ESR，RSDS是毫米波，UTM、LUX、HDL是激光，Camera是工业相机。
从图中也可以看出，各个方向上均有多个传感器配置。
为了简洁，图中的Camera只画出了前方的，实际上前后左右Camera 配置了很多个，使得系统的冗余度更高。
具体安装在车上，是这样样子的：
图3：传感器在无人车上的实际安装，大部分传感器都是隐藏式安装（车前保、后保内），唯
一的特例，三维激光安装在车顶上。
前后探测距离的差异，主要是考虑一些特殊场景下的安全问题。
例如，车辆刚驶出高速公路服务区，准备自动变道：初始车速
V1=60km/h；变道过程约需要 t = 3 s；变道完成时与后方车辆的车间时距τ ≥ 2 s （注 1）左后方来车车速 V2 = 120 km/h；为保证变道安全，本车与左后方车辆的初始安全距离至少为
(V2－V1)×(t+τ)=(120km/h－60km/h)×(3s+2s) ≈ 83m
注1：目前自动变道无相关的法规要求，故参考GB /T20608-2006《智能运输系统自适应巡航控制系统性能要求与检测方法》中，第5.2.2 条对自适应巡航的车间时距做出规定：τ_min 为可供选择的最小的稳态车间时距，可适用于各种车速v 下的ACC 控制。
τ_min ( v) 应大于或等于1 s，并且至少应提供一个在1.5 ~ 2.2 s 区间内的车间时距τ。
在自动变道场景的计算中，为保证安全，选取τ = 2 s 进行计算。
一般后向 24 GHz 毫米波雷达的探测距离为 60 m 左右，如果车后安装一台24GZ毫米波雷达，60～83 m 是危险距离。
若前后车距在此范围内，开始变道时，系统误判为符合变道条件。
随着左后方车辆高速接近，自动变道过程中安全距离不足，本车中途终止变道，返回本车道继续行驶。
这种情况会干扰其他车辆的正常驾驶，存在安全隐患，也会给本车的乘员带来不安全感（见图 4）。
图 4：自动变道场景
要解决这个极端场景下智能驾驶汽车自动变道的安全问题，可以考虑增加一个 77 GHz 后向毫米波雷达，它的探测距离可以达到 150 m 以上，完全能满足这个场景中 83 m 的探测距离要求。
当然，可以采用探测距离达到100 m 以上的 8 线激光雷达或摄像头( 如 Tesla 车型) 解决 24 GHz 毫米波雷达探测距离不足的问题，还可以通过控制算法设定车辆必须加速到一定车速才允许自动变道。
而前车安全距离要保证至少100米左右，也保证了车辆有足够的制动时间。
冗余度：谁都不希望把自己的生命交付给一个/种传感器，万一它突然失效了呢？所谓的冗余度，也可以划分为硬件冗余，或软件冗余。
如图1中，前方的障碍物有4类传感器覆盖，这样最大程度上保证前方障碍物检测不会漏检或者虚警。
这属于硬件冗余。
再比如车道线检测。
现阶段大量的对车道线的检测均是基于视觉(此处不讨论基于激光的传感器)，对它的冗余则遵循3选2，或少数服从多数的选择。
通过多支算法来保证识别的正确性。
算法设计上用到Sensor Fusion，下图是CMU的多传感器融合的障碍物检测/跟踪框架：
图5：CMU的障碍物检测、跟踪框架。
主要分为两层，Sensor Layer负责收集各个传感器测量，并将其抽象为公共的障碍物特征表示；Fusion Layer接收障碍物特征表示，输出最终的
障碍物结果（位置、速度、类别等）。
除了要保证覆盖和冗余度，当然在实际安装中，还要符合每个传感器和车辆的安装条件。
比如把激光雷达放置在高处，增大了扫描的面积。
智能驾驶车辆的传感器中，以需要考虑因素较多的毫米波雷达布置为例进行介绍。
毫米波雷达的位置
毫米波雷达的位置
（1）正向毫米波雷达
正向毫米波雷达一般布置在车辆中轴线，外露或隐藏在保险杠内部。
雷达波束的中心平面要求与路面基本平行，考虑雷达系统误差、结构安装误差、车辆载荷变化后，需保证与路面夹角的最大偏差不超过5°。
另外，在某些特殊情况下，正向毫米波雷达无法布置在车辆中轴线上时，允许正 Y 向最大偏置距离为 300 mm，偏置距离过大会影响雷达的有效探测范围。
（2）侧向毫米波雷达
侧向毫米波雷达在车辆四角呈左右对称布置，前侧向毫米波雷达与车辆行驶方向成45° 夹角，后侧向毫米波雷达与车辆行驶方向成30° 夹角，雷达波束的中心平面与路面基本平行，角度最大偏差仍需控制在5° 以内。
图 6：毫米波雷达位置
（3）毫米波雷达的布置高度
毫米波雷达在 Z 方向探测角度一般只有±5°，雷达安装高度太高会导致下盲区增大，太低又会导致雷达波束射向地面，地面反射带来杂波干扰，影响雷达的判断。
因此，毫米波雷达的布置高度（即地面到雷达模块中心点的距离），一般建议在 500（满载状态）～800 mm（空载状态）之间（见图 6）。
表面覆盖材料
毫米波雷达大多数情况都是隐藏布置，采用某些不合适的表面覆盖材料会屏蔽毫米波或引起波束畸变、驻波变差，使雷达失效或灵敏度降低。
因此选用的覆盖物材料有如下要求。
（1）优先选用 PC、PP、ABS、TPO 等电解质传导系数小的材料，这些材料中不能夹有金属和碳纤维。
如果材料表面有低密度金属涂层(如车漆)，虽对雷达性能影响不是很大，但必须经过测试才可使用。
（2）覆盖物的表面必须平滑且厚度均匀，不能出现料厚突变或结构复杂的情况，且厚度最好是雷达半波长的整数倍，以减少对雷达波的扭曲和衰减。
另外，覆盖物与雷达面的距离也不能太大，否则雷达容易把覆盖物误判为障碍物。
在实际布置中，一般把雷达和覆盖物之间的距离控制在 50～150 mm，如果在造型设计阶段就把毫米波雷达数据输入给造型设计师，经过造型优化，最小距离可控制在 15 mm 左右。
毫米波雷达的布置
图 7：毫米波雷达布置示例
除以上毫米波雷达本身要求外，在布置时，还需要兼顾考虑其他因素，如：雷达区域外造型的美观性、对行人保护的影响、设计安装结构的可行性、雷达调试的便利性、售后维修成本等问题。
以下是一些示例（见图 7）。
智能驾驶车辆只能实现部分场景的自动驾驶，为了能适应更多场景，一方
面，可以配置性能更好或数量更多的环境感知传感器；另一方面，从降低整车成本考虑，还可以从传感器的布置优化方向入手，充分发挥传感器的性能。