高级驾驶员辅助系统（ADAS）关键技术应用与方案集锦

　　ADAS（Advanced Driver Assistance System），即高级驾驶员辅助系统，是一种在车辆行驶过程中全程帮助驾驶员的主动安全辅助系统。ADAS系统设计为提高车辆安全，更广泛的应用为提高道路交通安全。ADAS系统采用摄像头、雷达等多种传感器来收集车辆及车辆周围环境的物理数据。收集相关数据后，ADAS系统将采用目标检测、识别与跟踪等处理技术来评估危险性。ADAS系统方案并不是要控制车辆，而是向驾驶员提供车辆运行状况以及车辆周围环境等相关信息，提醒驾驶员注意潜在危险，从而提高行车安全性。

 高级驾驶辅助系统能够增加驾驶的舒适性和安全性

　　系统：车道偏离报警

　　传感器：摄像机

　　当车辆离开其车道，或者接近道路边缘时，LDW系统发出声音报警或者动作报警（通过轻微的振动方向盘或者座椅来实现）。当车辆速度超过一定阈值（例如，大于55英里），车辆没有打开转向信号灯时，这些系统会开始发挥作用。当车辆行驶，其相对于车道标志线的位置表明车辆有可能偏离车道时，需要通过摄像机系统来观察车道标志。虽然对于所有车辆制造商而言这些应用需求是相似的，但是每一厂商都采用了不同的方法，使用一台前视摄像机，一台后视摄像机，或者双路/ 立体前视摄像机。出于这一原因，很难采用一种硬件体系结构来满足各种不同类型的摄像机要求。需要采用灵活的硬件体系结构来提供不同的实现选择。

　　系统：自适应巡航控制

　　传感器：雷达

　　过去十年中，豪华汽车采用了ACC技术，这一技术目前也在更广泛的市场上得到了应用。传统的巡航控制技术设计用于保持车辆以恒定的车速行驶，与此不同，ACC技术使车速与交通状况相适应，如果与前车距离太近，则会降速，在路况允许时，会加速到上限。这些系统通过使用安装在车辆前部的雷达来实现。但是，由于雷达系统不能识别某一目标的大小和形状，而且其视场也相对较窄，因此，应用时要结合摄像机。难点在于，目前所使用的摄像机和雷达传感器还没有标准配置。因此，还是需要灵活的硬件平台。

　　系统：交通标志识别

　　传感器：摄像机

　　正如其名称所示，交通标志识别（TSR）功能使用前向摄像机结合模式识别软件，可以识别常见的交通标志（限速、停车、掉头等）。这一功能会提醒驾驶员注意前面的交通标志，以便驾驶员遵守这些标志。TSR功能降低了驾驶员不遵守停车标志等交通法规的可能，避免了违法左转或者无意的其他交通违法行为，从而提高了安全性。这些系统需要灵活的软件平台来增强探测算法，根据不同地区的交通标志来进行调整。

　　系统：夜视

　　传感器：IR或者热成像摄像机

　　夜视（NV）系统帮助驾驶员在很暗的条件下识别物体。这些物体一般超出了车辆大灯的视场范围，因此，NV系统针对在前方道路上行驶的车辆提前发出报警，帮助驾驶员避免撞车事件的发生。

　　NV系统使用各种摄像机传感器和显示器，具体与生产商有关，但一般都属于两种基本类型：主动式和被动式。

　　●主动系统，也称为近IR系统，带电耦合器件（CCD）摄像机和IR灯源相结合，在显示器上呈现黑白图像。这些系统的分辨率很高，图像质量也非常好。其典型的可视范围是150米。这些系统能够看清楚摄像机视场范围内的所有物体（包括没有热辐射的物体），但是，在雨雪环境下，效率要大打折扣。

　　●被动系统不使用外部光源，而是依靠热成像摄像机，利用物体自然热辐射来采集图像。这些系统不会受到对面来车大灯的影响，也不会受到恶劣天气状况的影响，其探测范围达到300米至1000米。这些系统的缺点在于图像是颗粒状的，功能受限于较温暖的气候状况。而且，被动式系统只能探测有热辐射的物体。被动式系统结合视频分析技术，可以清楚的显示车辆前方道路上的物体，例如，行人等。

　　在NV系统中，有多种体系结构选择，每一种方法都有其优缺点。为提高竞争力，汽车生产商应支持多种摄像机传感器，在通用、灵活的硬件平台上实现这些传感器。

　　系统：自适应远光控制

　　传感器：摄像机

　　自适应远光控制（AHBC）是一种智能大灯控制系统，使用了摄像机来探测交通状况（对面来车以及同向交通状况），根据这些状况，调亮或者调暗远光灯。 AHBC系统支持驾驶员尽可能在最大照亮距离上使用远光，而不必在其他车辆出现时手动调暗大灯，不会分散驾驶员注意力，从而提高了车辆的安全性。在某些系统中，甚至可以分别控制大灯，调暗一个大灯，而同时另一个大灯正常点亮。AHBC与LDW和TSR等前视摄像机系统是相辅相成的。这些系统不需要高分辨率摄像机，某一款车辆如果已经在ADAS应用中采用了前视摄像机，那么这一特性的性价比会非常高。

　　系统：行人/障碍物/车辆探测（PD）

　　传感器：摄像机、雷达、IR

　　行人（以及障碍物和车辆）探测（PD）系统完全依靠摄像机传感器来深入感知周围环境，例如，采用一台摄像机，或者在更复杂的系统中采用立体摄像机。“类别变量”（衣着、灯光、大小和距离）的差异会很大，背景复杂而且不断变化，以及传感器置于移动平台（车辆）上等因素，导致很难确定移动中行人的视觉特征，因此，采用IR传感器能够增强PD系统。雷达也可以增强车辆探测系统，它提供很好的距离测量功能，在恶劣的天气条件下，性能表现出众，能够测量车辆的行驶速度。这一复杂的系统需要使用同时来自多个传感器的数据。（后面会详细讨论这一被称为传感器融合的过程。）

　　系统：驾驶员困倦报警

　　传感器：车内IR摄像机

　　困倦报警系统监视驾驶员的面部，测量其头部位置、眼睛（张开/闭上）以及其他类似的报警指示。如果确定驾驶员有进入睡眠的迹象，或者看起来意识不清，该系统会发出报警。有些系统还监视心率和呼吸。设想但是还没有实现的功能包括使车辆靠近路边行驶，最终靠边停下来。

　　需求：灵活的高性能技术平台

　　虽然很难详细预测这些功能的未来发展，以后会应用到什么程度，但是，从技术角度看，有几点是明确的：

　　●没有一种单一的体系结构能够满足新出现的各类应用需求。

　　●需要采用灵活的平台适应市场发展趋势，实现最新的功能，同时满足成本、规划和性能目标。

　　●要满足ADAS应用的高性能需求，应在软件和硬件上达到均衡。

　　●系统使用多个不同类型的传感器来完成安全相关任务，这类系统今后的发展会比较强劲。

　　信号融合

　　需要特别注意的是，大部分ADAS应用需要对来自多个传感器的多路信号进行处理和分析，包括，视频摄像机、雷达、红外传感器，以及今后可能出现的激光等其他传感器信号。例如，危险探测不仅仅需要对来自多个摄像机的数据流进行集成和分析，而且，如果要用在全天候各种天气条件下，还必须采用雷达数据。传感器融合这一术语用于描述ADAS应用中不同信号的集成。

　　处理信号融合这一难题的一种算法解决方案是Kalman滤波，它集合了很多种算法。这是说明ADAS任务有多复杂的一个很好的例子。例如，Kalman滤波能够集成视频和雷达输入信号，使用这些数据来生成当前环境的快照。然后，它在这些快照上应用名为“航位推测”的过程，根据物理条件，计算周围环境“可能”会出现什么状况。例如，它估算周围车辆的新位置，确定路边的树木没有移动等。然后，Kalman滤波功能对比这两类快照，在可信度基础上，估算出应采取哪些措施。例如，如果汽车使用了ACC，车头距离太近，那么，可以减速，或者刹车。

    ADAS应用曾涉及到很多发展方向，并不能明确哪一方向最终会推动市场发展。近年来不少名厂厂纷纷推出其解决方案，下面我们将通过这些设计方案来认识一下ADAS技术和应用趋势。