kaiyun官方注册
您所在的位置: 首页> MEMS|传感技术> 业界动态> ADAS的“过去”“现在”和“未来”

ADAS的“过去”“现在”和“未来”

2015-08-27
关键词: ADAS ACC IR Aisin

从上世纪50年代早期的电动车窗到当今最新的汽车驾驶系统,豪华汽车所 具有的高端特性随着时间的推移最终都应用到中端和经济型汽车上,成为必备的电子和电气系统。最近新出现的高级辅助驾驶系统(ADAS)技术也不例外。作为 一个例子,欧洲的福特福克斯汽车现在具备了自适应巡航控制(ACC)、自动刹车和主动式车道保持等功能——所有这些特性以前都专属于豪华汽车。即使是经济 型起亚汽车也安装了后视摄像机。但是,随着ADAS技术应用到价格相对便宜的车辆上,这带来了一个两难的问题:需要以非常低的价格实现大量的计算资源。

  ADAS技术能够不仅仅应用在豪华汽车上,部分原因是出于竞争的考虑,但并不是唯一因素。政府规章制度也是一个重要因素。例如,在美国,国家高速运输安全管理局正在制定强制安装后视摄像机的政策,据此,预计2018年车载摄像机将达到6千万台。

  安装了ADAS的车辆在保险上有折扣也是推动ADAS广泛应用的另一因素。这类优惠有一定的统计意义。当驾驶员驾驶车辆开始偏离车道时,系统会发出告警,在夜间,系统也能够增强驾驶员的能见度,从而避免了事故的发生,挽救了生命。

   ADAS得到广泛应用的决定性因素还是成本。虽然ADAS技术越来越复杂,但是,传感器和处理器技术的进步——在很少的元器件中集成多种功能,现在可以 支持工程师以中端甚至是经济型汽车能够承受的价格来设计ADAS应用。成本的降低以及通过功能集成来降低复杂度是推动ADAS技术在各类车辆中得以广泛应 用的关键因素。

ADAS功能的多样性

  在其所有预期中,ADAS技术也给汽车行业 带来了很多挑战。正如很多技术处于其早期阶段一样,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。撰写本文时,日立公司关注 于采用两台前向摄像机多路传感器方法来探测距离100米以外的物体。这一技术被称为“眼睛视觉”,在2013款力狮和傲虎车型上得到了应用。Denso公 司最近演示了困倦探测系统,使用红外(IR)摄像机来观察驾驶员的面部,确定驾驶员的眼睛是否张开,如果眼睛闭上,表明驾驶员可能进入了睡眠状态。最 后,Aisin正在推出使用后视摄像机的车道探测系统——这是一种监视车辆相对于车道标志线位置的高性价比方法,它结合GPS和道路地图数据,确定车辆相 对于前方路况的当前位置。

  下面详细地介绍ADAS技术在汽车领域的具体应用:

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。

  市场需要一个灵活的技术平台

  综合以上功能来看,虽然很难详细预测以上介绍的这些功能以及未来会应用到什么程度,但是从技术角度看,有几点是明确的:

   目前还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。信息融合是 ADAS的核心技术

  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。


本站内容除特别声明的原创文章之外,转载内容只为传递更多信息,并不代表本网站赞同其观点。转载的所有的文章、图片、音/视频文件等资料的版权归版权所有权人所有。本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如涉及作品内容、版权和其它问题,请及时通过电子邮件或电话通知我们,以便迅速采取适当措施,避免给双方造成不必要的经济损失。联系电话:010-82306118;邮箱:aet@chinaaet.com。
Baidu
map