《Sensors》：From Modality Performance to Graceful Degradation: A PRISMA 2020 Systematic Review of Sensor Architectures for Autonomous Vehicles
编辑推荐：
自动驾驶车辆依赖于异构传感系统，其性能随距离、光照、天气、物体材料、交通几何、污染、标定质量和信息物理干扰而变化。这项PRISMA 2020和PRISMA-S（系统综述和荟萃分析优先报告条目2020及其检索扩展）系统综述综合了来自四个数据库的2143条记录中筛
自动驾驶车辆依赖于异构传感系统，其性能随距离、光照、天气、物体材料、交通几何、污染、标定质量和信息物理干扰而变化。这项PRISMA 2020和PRISMA-S（系统综述和荟萃分析优先报告条目2020及其检索扩展）系统综述综合了来自四个数据库的2143条记录中筛选出的65篇同行评审原始研究。在筛选前移除793条记录后，对1350条标题和摘要进行了筛选；对273篇全文进行了评估，其中208篇因记录原因被排除。最终证据基础涵盖摄像头、激光雷达（LiDAR）、雷达（Radar）、热成像和事件相机、全球导航卫星系统/惯性测量单元（GNSS/IMU）定位、标定（Calibration）、同步（Synchronization）、多模态融合（Multimodal Fusion）、恶劣天气感知（Adverse-Weather Perception）、传感器健康监测（Sensor-Health Monitoring）和容错感知（Fault-Tolerant Perception）。没有任何模态具有普遍优越性：比较性能取决于硬件代际、数据集、环境严重程度、范围和指标。直接证据在组件级感知和受控降级方面最强，而健康条件融合、运行设计域（ODD）限制和最小风险行为主要得到部分实验证据和面向安全综合的支持。因此，该综述提出（而非声称验证）一种可靠性感知架构（Reliability-Aware Architecture），该架构将传感器健康与任务置信度分离，保留不确定性和溯源，自适应融合，并在残余证据不足时约束操作。该综述于2026年7月30日在PROSPERO（系统综述国际前瞻性注册）上进行了回顾性注册（CRD420261465869）。
1. Introduction（引言）：研究人员指出自动驾驶依赖异构传感系统，各模态（如摄像头、激光雷达（LiDAR）、雷达（Radar））具有互补性但受限于特定条件。该综述旨在通过安全关键鲁棒性视角综合传感研究，提出五个研究问题（RQ1-RQ5）和四个贡献，包括模态-安全分类法、结构化证据图、跨数据集批判，以及将传感器可靠性估计与感知置信度、操作限制和最小风险行为联系起来的架构视角。
2. Materials and Methods（材料与方法）：遵循PRISMA 2020和PRISMA-S报告标准，在Scopus、Web of Science、IEEE Xplore和ScienceDirect四个数据库中检索2015年至2026年7月的文献，共识别2143条记录，经去重和筛选后纳入65篇原始研究。采用结构化提取表记录模态、任务、环境、融合层次等信息，并使用10项工程导向方法学质量检查表进行评价，证据通过叙事综合方法分组对比。
3. Results（结果）：证据分布不均，摄像头和LiDAR研究占主导（分别45和35篇），雷达（18篇）、GNSS/IMU（10篇）较少，热成像和事件相机各4篇。各模态性能：摄像头提供语义丰富但受光照和污染影响；LiDAR提供精确几何但受天气衰减；雷达测速好但角度分辨率低；超声波适用于近距离低速场景。校准、同步和融合架构是系统依赖的关键环节。
4. Calibration, Synchronization, and Representation（标定、同步与表示）：空间标定（如LiDAR-摄像头外参）误差会导致远距离投影偏差，需在线监测；时间同步对运动物体至关重要，不同传感器速率和时钟差异可能引入混淆。融合层次（早期、特征级、晚期）各有优缺点，现代鸟瞰视图（BEV）和Transformer架构需保留模态溯源和不确定性，避免过度依赖单一传感器。
5. Adverse Weather, Contamination, and Interference（恶劣天气、污染与干扰）：恶劣天气（雾、雨、雪）以不同物理机制影响各模态，如雾导致LiDAR后向散射和摄像头对比度下降，污染（水滴、泥）造成结构化局部遮挡。电磁干扰（如雷达互扰）和网络攻击（如GNSS欺骗）也需考虑。研究人员强调需物理参数化降级（如气象光学距离），并报告传感器清洁和恢复机制。
6. Sensor Health Monitoring and Graceful Degradation（传感器健康监测与优雅降级）：传感器健康与任务置信度是不同概念，健康监测需结合信号级、几何级和感知级指标。优雅降级需将残余可观性映射到操作限制（如降低速度、限制车道变更），并包含滞后和恢复逻辑。提出一种可靠性感知架构，将健康估计、置信度、溯源和操作决策分离，但验证主要基于间接证据。
7. Datasets, Benchmarks, and Evaluation Metrics（数据集、基准与评估指标）：现有数据集（如KITTI、nuScenes、Waymo）覆盖特定硬件和环境，缺乏传感器状态标签（如污染、故障）。推荐评估指标包括性能-严重度曲线、校准误差、端到端延迟、跟踪持续性和本地化完整性风险，而非仅平均精度（mAP）。
8. Discussion（讨论）：没有单一模态足够，传感器选择需基于运行设计域（ODD）的场景要求。准确性不等于可靠性，需报告校准不确定性和降级行为。冗余多样性需评估共同原因故障（如共享电源、时钟）。与ISO 26262、ISO 21448和UL 4600等安全标准整合，需建立可追溯的保证论据。
9. Research Agenda（研究议程）：优先方向包括创建开放传感器健康基准、跨硬件验证、将感知研究与车辆级决策连接、改进报告标准（如传感器型号、预处理、故障注入参数），并强调生命周期证据和人类感知的降级响应。
10. Practical Design and Reporting Recommendations（实用设计与报告建议）：为系统设计师提出四步规则（从场景需求推导传感器选择、独立表示健康、保留溯源、连接操作限制）；为研究者提供最小报告检查表，包括传感器配置、标定、环境条件、故障机制和运行时平台。
11. Limitations（局限性）：单作者回顾性注册（PROSPERO CRD420261465869）增加了选择偏倚风险；搜索限于英文和同行评审；硬件发展迅速，结论可能过时；报告偏倚导致成功方法多于失败数据。
12. Conclusions（结论）：65篇原始研究显示无模态普遍可靠，证据集中在组件级感知，健康监测和降级行为验证不足。提出可靠性感知架构作为设计框架，但需未来在物理参数化降级、跨硬件验证和车辆级测试中验证。
