高级驾驶员辅助系统（ADAS）关键技术应用与方案集锦

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。

全面解析高级驾驶辅助系统ADAS

　　司机、车辆和系统相互之间的影响是目前高级驾驶辅助系统（ADAS）面临的挑战。西门子Siemens VDO汽车公司通过应用pro.pilot驾驶导向系统来迎接这一挑战。

　 　司机在驾驶过程中会面临非常复杂的交通状况。首先，司机需要对汽车进行动力控制。其次，他们还要保持对汽车四周环境的关注。第三，司机还要规定从出发点 到目的地的导航线路。除此之外，司机还可能会同时使用车载信息娱乐系统或者与乘客聊天。辅助驾驶系统能帮助司机监测和处理稳定性、控制和导航三个层面（如 图2 所示）的信息，这将能有效减少司机的工作负担，并且进步了操控的方便性和驾驶的安全性。防抱死制动系统和汽车稳定控制系统已经能够完成汽车稳定性层面上的 任务。导航系统能够满足导航层面的需要，而且应用越来越广泛。在汽车的直接环境中，司机需要引导车辆保持在车道内行驶。例如，司机需要监测其他车道的情 况，又如行人、车辆和骑自行车的人，同时还要留意交通讯号和车道标志线，并做出相应的反应。

　　图1 高级驾驶辅助系统能够增加驾驶的舒适性和安全性

　　高级驾驶辅助系统

目前，司机还是主要依靠自己的感官刺激来进行判定。在过往的几年中，由于汽车数目的增加，道路的交通情况变得越来越复杂，这使得司机需要具备传感器、控 制器和制动器那样的能力。高级驾驶辅助系统利用多种传感技术来感应四周的环境，并智能地汇集了全球以及内部数据，系统能够有效增加汽车驾驶的舒适性和安全 性，实现了对司机驾驶控制