什么是 ADAS？

不可不知的三大要点

高级驾驶员辅助系统 (ADAS) 包含一系列硬件和软件组件，自动起到驾驶员的多项作用。目前，常见的车辆 ADAS 功能包括自适应巡航控制、盲点检测、变道检测、自动车道跟随和自动紧急制动。

ADAS 可通过最大限度降低人为错误来提高道路交通安全性。一些 ADAS 系统会在出现不安全的路况时（例如驾驶员盲点处出现一辆车，导致变道可能发生危险时）发出警示，从而强制驾驶员执行安全驾驶习惯。还有一些 ADAS 系统实现了驾驶行为的自动化，如通过自主紧急制动避免碰撞。

事实上，根据波士顿咨询公司的一项研究，在美国，ADAS 可预防 28% 的车祸，每年避免 9900 起死亡。

根据国际自动机工程师学会的定义，驾驶自动化有五个级别。现在路上能看到的大部分汽车的 ADAS 功能介于 0 到 3 级之间。身处自动驾驶行业前沿的公司则在努力实现 4 级和 5 级自动驾驶。

随着安全性、网络安全和政策问题的解决，全自动驾驶汽车可能会成为现实。

下面我们以自适应巡航控制为例说明 ADAS 功能的设计过程。使用此 ADAS 功能时，汽车在接近前方车辆时会减速；如果前方车辆移至安全距离之外，汽车会加速到巡航速度。

自适应巡航控制 (ACC) 设计工作的第一步是从汽车上安装的传感器采集数据。自适应巡航控制需要用到相机和雷达传感器。相机用于检测视线范围内的其他目标（车辆、行人、树木等），雷达则用于计算我方汽车与这些目标之间的距离。

从传感器采集数据后，我们把重点转向 ADAS 算法开发。自适应巡航控制可分为 3 步：

步骤 1、2、3 分别与以下内容对应：

我们在此以 ACC 为例解释 ADAS，不过选择传感器、然后根据传感器数据设计算法是一种通用方法，适用于所有 ADAS 功能。

ADAS 功能中最常用的三种传感器类型是相机、雷达以及激光雷达。

相机适合用于与检测相关的 ADAS 任务。车辆侧边的相机可用于检测盲点。位于前方的相机可检测车道、其他车辆、路标、行人以及骑车人。相关 ADAS 检测算法一般使用传统计算机视觉和深度学习算法进行构建。相机的优势有：

与其他传感器类型的数据相比，相机数据的缺点是不太适合用于检测与目标之间的距离。因此，ADAS 开发人员通常会将相机与雷达搭配使用。

雷达传感器会发射高频波，并记录波从环境中的目标上反射回来的时间。这种数据可用于计算与目标之间的距离。ADAS 中的雷达传感器通常安装于车辆前部。

雷达可在不同的天气条件下工作，这使其成为实现自动紧急制动和自适应巡航控制等 ADAS 功能时非常实用的传感器选项。

雷达传感器数据非常适合距离检测算法，但并不太适合对检测到的目标进行分类的算法。因此，ADAS 开发人员通常将雷达与相机搭配使用。

激光雷达（光学检测和距离测定）传感器向环境发射激光并记录信号返回的时间。返回的信号将被重构以创建显示激光雷达周遭环境的三维点云。激光雷达数据可用于计算传感器与三维点云中目标之间的距离。

ADAS 应用中会用到两种类型的激光雷达传感器：

机械（旋转）激光雷达 - 机械激光雷达安装在车辆顶部，它会在采集数据同时旋转以生成环境的三维点云地图。
固态激光雷达 - 这是一种比较新型的激光雷达，没有移动部件。长远来看，固态激光雷达的速度、成本以及准确性都有望优于机械激光雷达。然而，商用传感器的设计面临安全性和检测范围方面的工程问题。

激光雷达数据可用于实现 ADAS 中的距离检测和目标分类功能。不过，与相机数据和雷达数据相比，激光雷达数据的处理需要更强的计算能力，这也给 ADAS 算法开发人员带来一些挑战。