智能驾驶感知工程师考试试卷及答案

智能驾驶感知工程师考试试卷及答案一、填空题（每题1分，共10分）1.智能驾驶感知核心传感器包括摄像头、毫米波雷达、______和超声波传感器。2.LiDAR的主要测距原理有TOF、相位差和______。3.目标检测算法中，YOLO属于______阶段算法。4.摄像头畸变校正常用的内参标定方法是______标定法。5.毫米波雷达77GHz频段主要用于______距离ADAS场景。6.感知融合的三个层次是像素级、特征级和______级。7.BEV是指______视角感知。8.语义分割的像素级评价指标是______（交并比）。9.激光雷达点云的空间表示为______坐标（x,y,z）。10.智能驾驶感知的核心任务包括目标检测、语义分割和______。二、单项选择题（每题2分，共20分）1.以下不属于感知传感器的是？A.摄像头B.毫米波雷达C.GPSD.LiDAR2.LiDAR的主要作用不包括？A.测距B.测角C.测速D.语义分类3.单阶段检测算法是？A.YOLOv8B.FasterR-CNNC.MaskR-CNND.R-CNN4.抗恶劣天气能力最强的传感器是？A.摄像头B.毫米波雷达C.LiDARD.超声波5.摄像头外参标定的作用是？A.校正畸变B.确定传感器与车辆坐标系关系C.计算焦距D.去噪6.BEV感知的优势不包括？A.全局视野B.遮挡处理C.多传感器对齐D.实时性最优7.决策级融合的典型方式是？A.像素拼接B.特征拼接C.检测结果投票D.点云-图像特征融合8.毫米波雷达的核心优势是？A.纹理识别B.测速准确C.3D点云D.低成本9.以下属于多阶段检测算法的是？A.YOLOv5B.SSDC.FasterR-CNND.CenterNet10.超声波传感器主要应用场景是？A.高速巡航B.城市道路C.泊车辅助D.隧道感知三、多项选择题（每题2分，共20分）1.智能驾驶感知核心任务包括？A.目标检测B.语义分割C.实例分割D.目标跟踪2.LiDAR的分类方式有？A.按波长B.按扫描方式C.按测距原理D.按安装高度3.感知融合层次包括？A.像素级B.特征级C.决策级D.数据级4.摄像头标定参数包括？A.内参（fx,fy,cx,cy）B.外参（旋转平移）C.畸变参数D.波长5.恶劣天气对感知的影响包括？A.摄像头纹理模糊B.LiDAR点云稀疏C.雷达测速误差D.超声波测距失效6.BEV感知常用方法有？A.透视变换B.多视图融合C.TransformerD.体素滤波7.激光雷达点云预处理步骤有？A.去噪B.下采样C.地面分割D.坐标变换8.感知系统评价指标包括？A.mAP（检测精度）B.IoU（分割精度）C.测速误差D.FPS（实时性）9.毫米波雷达频段包括？A.24GHzB.77GHzC.905nmD.1550nm10.智能驾驶感知场景包括？A.城市道路B.高速路C.泊车D.乡村道路四、判断题（每题2分，共20分）1.摄像头可直接输出3D点云。（×）2.毫米波雷达测速精度比LiDAR高。（√）3.YOLOv8是双阶段检测算法。（×）4.决策级融合比特征级融合实时性好。（×）5.BEV感知只能用LiDAR生成。（×）6.实例分割区分同一类不同目标。（√）7.超声波传感器用于长距离感知。（×）8.1550nmLiDAR比905nm测距更远。（√）9.摄像头标定只需内参标定。（×）10.目标跟踪基于检测结果的时序关联。（√）五、简答题（每题5分，共20分）1.摄像头与毫米波雷达融合的优势？答案：摄像头提供纹理/颜色信息，实现语义分类（如行人、车辆）；雷达抗雨雾、测速准确、测距稳定。融合后互补短板：雷达补充恶劣天气下的感知缺失，摄像头补充雷达语义信息不足，提升目标检测/跟踪的准确性与鲁棒性，满足高速、城市等场景需求。2.什么是BEV感知？作用是什么？答案：BEV（鸟瞰图）感知是将多传感器数据转换为俯视视角表示。作用：①全局视野，覆盖车辆360度场景；②遮挡处理，减少目标遮挡（如前车遮挡行人）；③多传感器对齐，统一视角便于融合；④场景理解，识别车道线/道路边界，辅助决策。3.LiDAR点云预处理主要步骤？答案：①去噪：去除离群点（统计滤波）；②下采样：减少点云数量（体素滤波）；③坐标变换：转换到车辆坐标系；④地面分割：分离地面与非地面点（RANSAC）；⑤点云增强：补全稀疏点云，提升感知精度。4.单阶段与多阶段检测算法的区别？答案：单阶段（YOLO）：一次前向传播输出位置+类别，速度快（实时性好），精度略低；多阶段（FasterR-CNN）：分特征提取→候选区域生成→分类回归，精度高，速度慢。智能驾驶中，单阶段用于实时ADAS，多阶段用于高精度需求场景。六、讨论题（每题5分，共10分）1.恶劣天气对感知的影响及应对策略？答案：影响：摄像头纹理模糊、语义错误；LiDAR测距误差、点云稀疏；雷达测速略降。应对：①传感器冗余（雷达+摄像头+LiDAR）；②算法优化（摄像头去雾、LiDAR去噪）；③数据增强（加入雨雾样本）；④硬件升级（高灵敏度摄像头、1550nmLiDAR）。2.BEV感知的挑战及发展方向？答案：挑战：多摄像头对齐误差、实时性不足、无LiDAR时BEV稀疏、动态目标跟踪难。发展方向：①Transformer提升多视图融合；②摄像头+低线束LiDAR平衡成本；③轻量化模型提升实时性；④端到端感知减少中间误差。参考答案一、填空题1.LiDAR2.三角测距3.单4.张正友5.中长6.决策7.鸟瞰8.IoU9.3D10