2026年自动驾驶系统工程师(中级)考点速练真题及答案

2026年自动驾驶系统工程师(中级)考点速练真题及答案1.单选题：在基于Transformer的BEV鸟瞰图感知任务中，以下哪种操作是解决多摄像头视角拼接重叠区域特征冲突最有效的手段？A.对每个摄像头提取的特征加可学习的空间位置编码B.引入跨摄像头的注意力机制做特征交互对齐C.直接对重叠区域做特征平均池化D.通过深度估计对每个特征点投影后做NMS非极大抑制答案：B详细解析：BEV感知任务中，多摄像头采集的环境画面存在天然视野重叠，不同摄像头因为安装外参误差、光照差异、观测角度不同，重叠区域提取的特征会出现语义、位置层面的冲突，直接拼接会导致目标检测漏检、误检。A选项中，可学习空间位置编码仅用于给每个摄像头的特征补充空间位置信息，帮助投影到BEV坐标系，无法解决重叠区域已经产生的特征冲突，仅能完成空间映射，不能做特征对齐；C选项，直接对重叠区域做平均池化会模糊目标特征，丢失目标准确的位置和语义信息，对于行人、小型障碍物等目标很容易出现检测失效；D选项，NMS非极大抑制是检测输出阶段去除重复预测框的后处理操作，不属于特征拼接阶段解决特征冲突的手段，无法处理特征层面的冲突；B选项，跨摄像头注意力机制可以让不同摄像头的特征在重叠区域做全局注意力交互，让模型学习融合不同视角的有效信息，生成统一准确的BEV特征表达，从特征层面解决冲突问题，因此B为正确选项。2.多选题：根据ISO26262功能安全标准，针对城市工况下自动紧急制动（AEB）系统ASILB等级的安全目标“避免无预期的自动制动”，以下属于合理的安全机制设计的有（）A.对前方障碍物感知结果采用双渠道异构冗余设计，对感知结果做一致性校验B.将AEB触发指令的优先级设置为高于驾驶员转向指令C.当系统检测到感知模块输出异常时，立即触发降级并断开AEB制动指令输出D.仅通过单一摄像头的感知结果做AEB触发决策，通过降低系统复杂度减少故障概率E.增加驾驶员接管提醒阈值，当系统存在潜在故障时提前提醒驾驶员介入答案：ACE详细解析：本题安全核心目标是防范AEB误触发导致的无预期制动风险，ASILB等级要求系统具备防范单点故障引发安全风险的能力。A选项，异构双渠道冗余设计可以通过两个不同原理的感知模块输出结果做一致性校验，有效检出单模块的感知错误，避免误判障碍物引发的误制动，符合安全要求；B选项，将AEB触发优先级设置为高于驾驶员转向指令，会导致AEB误触发时驾驶员无法通过转向操作干预风险，反而放大了无预期制动带来的后车追尾风险，不符合安全设计原则，因此错误；C选项，感知异常触发降级并断开发动机输出，属于典型的故障响应安全机制，能够在系统出现异常时及时切断危险输出，避免误制动，符合要求；D选项，单一感知路径存在单点故障风险，不符合ASILB等级对安全完整性的要求，即使降低系统复杂度也无法避免单点故障引发的安全风险，因此错误；E选项，潜在故障提前提醒驾驶员介入，属于故障预警类安全机制，能够在故障演化成误触发前让驾驶员接管系统，降低无预期制动的风险，符合安全要求。因此正确选项为ACE。3.案例分析题：某车企开发的L2级自动泊车辅助系统，在第三方测试中发现以下问题：当车辆垂直泊入目标车位，车位左侧相邻车位已经停放一辆宽度超标的SUV，车身超出本车位左侧边界15cm，系统泊入完成后，本车左侧车门因为空间不足无法完全打开，影响乘客正常上下车。请结合自动驾驶系统决策规划模块的设计知识，分析该问题产生的核心原因，并给出至少两种可行的解决方案。详细解答：该问题产生的核心原因可分为三点：第一，决策规划模块的默认目标约束设置不合理，仅将目标车位的几何中心作为泊入终点的约束条件，没有考虑相邻车辆停靠位置对本车乘客开门空间的约束，仅满足了停车位置符合车位几何要求，没有覆盖用户实际使用的需求；第二，感知模块输出信息缺失，仅将占用栅格中被占据的区域标记为动态障碍物，没有提取相邻停放车辆的实际轮廓、位置偏移信息，无法为规划模块提供足够的约束输入；第三，规划模块的成本函数设计缺失关键项，仅将泊入距离、避障、停车精度作为成本优化项，没有加入开门剩余空间的成本权重，不会主动引导路径向可留出足够开门空间的终点收敛。可行解决方案：方案一：优化感知模块输出，新增相邻车辆轮廓检测与车位侵占偏移量计算功能，将相邻车辆超出目标车位边界的距离输出给规划模块，规划模块在不超出目标车位边界的前提下，将泊入终点向远离侵占车辆的一侧偏移对应距离，预留出足够的开门空间；方案二：优化规划模块的成本函数，新增开门空间成本项，路径搜索过程中对每个候选泊入终点，计算本车车门侧的剩余可用空间，给剩余空间更大的候选节点赋予更低的规划成本，引导规划模块输出满足开门要求的泊入路径；方案三：增加异常场景交互提示，当感知检测到相邻车辆侵占目标车位，且在目标车位范围内无法预留出足够开门空间时，提前向驾驶员发送提示，询问驾驶员是否调整泊入位置或者放弃本次泊车，提升用户体验。4.简答题：自动驾驶车辆横向控制中，模型预测控制（MPC）对比传统PID控制的核心优势是什么？请列举两个MPC在工程落地中容易出现问题的场景，并说明原因。详细解答：MPC对比PID控制的核心优势主要有三点：第一，MPC可以在优化求解过程中加入车辆物理约束，包括最大转向角约束、轮胎侧偏约束、道路边界约束、纵向加速度约束等硬约束，能够在控制优化阶段就将输出限制在车辆允许的工作范围内，避免极限工况下控制输出超出物理极限，而PID属于无约束控制，仅能对最终输出做限幅处理，无法在优化过程中考虑约束，极限工况下更容易出现控制失稳；第二，MPC基于未来参考轨迹做滚动优化，能够提前根据参考路径的未来曲率变化调整转向输出，控制滞后更小，大曲率道路下的轨迹跟踪精度远高于PID；第三，MPC可以天然处理多输入多输出的耦合系统，能够在横向控制中耦合纵向车速对横向动力学的影响，适配不同车速的控制需求，而PID多为单回路控制，需要通过复杂的增益调度适配不同车速，适配难度高，全车速域的控制稳定性更差。MPC工程落地容易出问题的两个场景：第一个场景是低附着路面高速行驶，原因是MPC的预测模型通常采用固定参数的车辆动力学模型建模，低附着路面轮胎侧偏刚度会大幅下降，模型