在变幻莫测的水面，波粒航海如何提升自主航行感知的稳定性

（原标题：在变幻莫测的水面，波粒航海如何提升自主航行感知的稳定性）

感知作为船舶自主航行中决策控制的重要依据，直接决定了船舶能否安全、合作、高效地自主完成航行任务。但相比陆地，水面最不缺的就是“意外”，面对复杂多变的水面环境，感知系统的稳定性面临着更为严峻的挑战，如何让自主航行的船舶在非结构化的水面环境中，“看得清、看得远、看得准”，也成为波粒航海在感知方面重点攻关的方向。

水面感知：为何稳定性如此难提升？

水面环境和路面环境存在着本质差异，所以即便是车端的感知技术发展日益成熟，依然很难直接迁移到船端，这是因为：

1、水面环境的动态不确定性为感知系统带来更多“不可控变量”。

首先波浪、水流、潮汐等高频变化，会持续改变水面形态，船体的“船摇、俯仰、横滚”，让传感器数据畸变。其次，水面没有类似“车道线”的固定参照物，“可行驶区域”的划分依赖于“水深、禁航区”等抽象规则建模，算法难度远高于陆地。除此之外，相比路面的低反射、慢折射，水面则更像是一面动态的镜子，正午眩光、夜间灯光都会淹没关键目标。

2、水面放大了单传感器的短板，让多传感器协同更复杂。

不同类别的传感器各有长短，在车端常常会组合使用，实现能力互补，最终形成一张稳定的感知网络。但在船端，水面环境却给传感器带来了更多的干扰。例如，激光雷达会受到水面反射或散射干扰，造成噪点和误判；视觉相机遇到眩光、折射、波纹等出现“失明”或“失稳”，毫米波雷达受到海杂波、多径效应干扰。

本应是1+1>2的多传感器协同效应，最终会因为水面高度动态、充满不确定性和矛盾信息的环境，使得数据融合、时空对齐和环境建模这些本已困难的任务，变得更加复杂。

3、水面目标的运动模式高度随机

船舶的运动模型受到六自由度（6-DOF）的强耦合影响，导致目标在传感器中的投影会产生剧烈的抖动、缩放和变形，同时，波浪本身也是“动态干扰源”，会导致感知目标的“表观运动”与“真实运动”混淆，增加跟踪与预测的难度。

波粒航海的系统性解法：从“看见”到“算清”

为了应对水面的高度不确定性，波粒航海基于在船舶自主航行领域的深厚积累，开发了一套多模态融合感知技术方案，实现了水面环境下“看得清、辨得准、跟得住、预测稳”的感知能力，进一步支撑船舶安全、可靠地执行自主航行任务。

1、多传感器冗余设置，为安全兜底

波粒航海感知技术方案部署了多个激光雷达、视觉相机、毫米波雷达，形成“主动探测+被动成像”的多维度感知体系。不同传感器对波浪、漂浮物、反光、雾气等干扰的敏感度不同，通过多传感器冗余设计确保单一传感器故障或是受到干扰时，系统仍能维持基本的感知能力。

2、算法抗噪，降低环境干扰

通过点云降采样、运动补偿、尘雾滤波，减少船舶自身晃动与海雾对点云的干扰；采用图像增强、去反光、低照度优化等技术，提升在强光、雨雾、夜间等恶劣条件下的目标辨识度；利用毫米波雷达的强抗天气干扰的特性，可在暴雨、浓雾中稳定输出目标运动向量。方案基于数据预处理，增强感知的抗扰能力，提升恶劣条件下的感知鲁棒性，让感知具备全场景、全天气的覆盖。

点云图像标定

3、多模态BEV融合，突破单传感器局限

波粒航海引入多模态融合感知大模型，融合视觉图像、激光雷达点云、红外图像、毫米波点云等多传感器异构数据，在BEV空间的特征级融合，形成感知的“全局视角”，充分发挥各传感器数据特征长处，最大化感知冗余与信息互补，并在同一平面，构建起端到端更流畅的工作流。同时，采用传统+深度学习双路径检测，适配已知干扰的同时，应对未知场景，兼顾稳定性与泛化性。

多模态感知效果

结语

感知并非独立模块的单打独斗，而是一整套从硬件选型到软件架构、从精准标定到算法迭代、从实时性优化到冗余安全设计的系统性工程。目前，这套感知技术方案，已作为波粒航海自主航行系统的核心神经中枢，被深度集成于其“感知-决策-控制”闭环之中。

无论是陆地还是水面，对环境的感知依然面临着诸多尚未被彻底攻克的难题，技术研发没有捷径，接下来，波粒航海以全链路技术栈的协同创新，持续探索感知技术的更多可能，助力船舶在复杂水域中“行稳致远”。