高級輔助駕駛系統：駕駛員應知應會(huì )

雨刮器很久沒(méi)有工作了，您感覺(jué)前面就像涂了泥一樣昏暗，路邊的陰影也好像擋在了路中央。在朦朧中，您意識到車(chē)的盲點(diǎn)范圍里有一輛沒(méi)開(kāi)大燈的車(chē)，您打著(zhù)轉向燈，摸索著(zhù)向中間車(chē)道行駛。突然，您想起了自己的車(chē)里應該有先進(jìn)的主動(dòng)安全系統。

近期可能出現的三種結果

這個(gè)故事可能有三種不同的結果，技術(shù)取勝，人戰勝機器，還有可能發(fā)生事故?？赡苁沁@樣的：在您認識到將要發(fā)生什么之前，轉向燈已經(jīng)開(kāi)始閃爍，自己的車(chē)稍稍向中間車(chē)道加速，然后，輕輕的剎車(chē)，避開(kāi)了附近看不到的行人，也提醒了后面的車(chē)輛。

也可能是這樣：當車(chē)輪轉向時(shí)，您感覺(jué)到汽車(chē)的車(chē)道保持功能在起作用，把車(chē)拉回到原來(lái)的車(chē)道。但是，您仍然繼續，打著(zhù)轉向燈，安全的并線(xiàn)，對其他車(chē)輛刺耳的喇叭聲不聞不問(wèn)。而此時(shí)，行人從路邊冒出，前擋風(fēng)玻璃前視顯示系統沒(méi)有讓您及時(shí)看到這個(gè)人。好在您躲開(kāi)了他。

或者，可能這樣：您轉向時(shí)，您聽(tīng)到了不熟悉但是非常刺耳的報警聲。在您還沒(méi)有搞明白怎么回事時(shí)，一輛車(chē)從盲點(diǎn)里鳴著(zhù)喇叭沖出來(lái)—現在，您沒(méi)有別的選擇，只能慌亂的剎車(chē)停下來(lái)。防抱死剎車(chē)功能在濕滑的路面上起作用了，讓您感到恐慌，車(chē)子終于緊挨著(zhù)受驚嚇的行人停下來(lái)了。在極度驚恐中，您瞥了一眼儀表盤(pán)，知道了瘋狂報警的原因—高級輔助駕駛系統 (ADAS) 關(guān)閉了。

這就是同一個(gè)場(chǎng)景三種完全不同的結果。這源于三種完全不同的 ADAS 。為說(shuō)明這些不同，理解其影響，我們將詳細研究 ADAS 的實(shí)現。在今年的設計自動(dòng)化大會(huì )上，舉行了一次主題研討和公開(kāi)論壇，對此很好的進(jìn)行了闡述。

從傳感器開(kāi)始

ADAS 系統是邏輯流水線(xiàn)，要理解它最好從寬輸入范圍入手。福特汽車(chē)電子和電氣系統研究主任兼研究員 James Buczkowski 說(shuō)：“隨著(zhù)向自動(dòng)化方向的發(fā)展，難點(diǎn)在于僅采用一種傳感器是遠遠不夠的?！?/P>

在公開(kāi)論壇上，主持人是 Cadence 總編輯 Brian Fuller ，他也要求專(zhuān)家們研討一下 ADAS 傳感器。傳感器系統供應商 Nuvation 首席設計工程師 Edward Ayrapetian 認為，“目前我們使用了多種類(lèi)型的傳感器。一般而言，您會(huì )看到激光雷達、普通雷達和高分辨率視頻攝像機的組合使用。但是隨著(zhù)圖像處理算法的改進(jìn)，所有一切都在不斷變化?！?/P>

Ayrapetian 解釋說(shuō)，每一類(lèi)傳感器都有其優(yōu)缺點(diǎn)，其他專(zhuān)家對此也表示同意。例如，激光雷達是谷歌 “無(wú)人駕駛” 汽車(chē)研究平臺的主要傳感器。這一技術(shù)的標志是激光器和旋轉的鏡子構成的半個(gè)圓球。激光雷達比較擅長(cháng)勾勒出物體的外形，并提供距離數據—這些都是目標識別算法所必須的。而且，激光雷達對背景光線(xiàn)也不太敏感。

Ayrapetian 提醒說(shuō)，“但是谷歌使用的激光雷達傳感器價(jià)格高達 10 萬(wàn)美元?！?而且，在有霧或者下雪等低能見(jiàn)度的時(shí)候，從物體表面反射回來(lái)的光束所攜帶的信息量很少，激光雷達就不太好用了。Ayrapetian 提到了非常著(zhù)名的加州沙漠聚會(huì )，“我們把自動(dòng)駕駛卡車(chē)開(kāi)向‘火人’。我們所知道的是，激光雷達無(wú)法識別一大片塵霧和磚墻?！?/P>

而雷達在一定程度上是非常好的互補技術(shù)。如果您仔細選好了頻率、波形和接收信號處理功能，那么，雷達不會(huì )受到干擾的影響，實(shí)際上在低能見(jiàn)度和光照條件下都能正常工作。大陸汽車(chē)系統和技術(shù)公司 ADAS 業(yè)務(wù)部主任 Christian Schumacher 補充說(shuō)：“雷達能夠很好的獲得距離數據。但是，雷達不擅長(cháng)識別物體?！?不太理想的外形數據，而且沒(méi)有紋理或者顏色信息，這讓物體識別算法無(wú)法工作。

因此，我們使用了攝像機。隨著(zhù)低成本高分辨率攝像機的出現，視頻成為 ADAS 的關(guān)鍵傳感器技術(shù)，為物體識別提供了豐富的數據。多攝像機系統能夠避開(kāi)某些視覺(jué)障礙，提供雖然有限但是足夠用的基于視差的距離信息。但是攝像機也有其問(wèn)題，能見(jiàn)度差的時(shí)候無(wú)法工作。Schumacher 提醒說(shuō)：“攝像機對光照要求很高。我們需要找到平衡點(diǎn)—一種在所有駕駛條件下都非常高效的系統，但是不能有太多的傳感器?！?/P>

通過(guò)采用更好的算法來(lái)互相補充，以減少傳感器。Ayrapetian 說(shuō)：“我們要考慮傳感器所面臨的問(wèn)題及其關(guān)鍵程度來(lái)定制傳感器。如果把需求縮窄，就能夠改進(jìn)算法。我們基本能夠采用更好的視頻流圖像處理算法來(lái)替代激光雷達?！?/P>

傳感器融合

即使在圖像處理技術(shù)上有所突破，大家一致認為仍然需要先進(jìn)的傳感器融合技術(shù)才能從幾種不同類(lèi)型的數據中，獲得車(chē)輛周?chē)h(huán)境正確的信息：物體，其速度和加速狀態(tài)，以及可能的行為等。一個(gè)重要而且復雜的問(wèn)題是，在系統中要進(jìn)行多少次處理。有可能是將所有的原始數據送入融合引擎—例如，卡爾曼濾波器或者深度學(xué)習神經(jīng)網(wǎng)絡(luò )，看一看能夠得出什么。這種想法有一定的可行性，例如實(shí)際上有一類(lèi)特殊的網(wǎng)絡(luò )，卷積網(wǎng)絡(luò )，它用在物體識別時(shí)的性能非常好。

但是，設計人員更傾向于采用他們在操作層面上能夠理解的系統。在5月份舉行的嵌入式視覺(jué)大會(huì )的一次研討中，谷歌自動(dòng)駕駛汽車(chē)團隊的技術(shù)主任 Nathaniel Fairfield 說(shuō)：“我們的策略是開(kāi)發(fā)簡(jiǎn)單的系統來(lái)處理傳感器數據，然后，以更抽象的方式來(lái)融合經(jīng)過(guò)預處理的數據。我們更愿意通過(guò)一個(gè)大濾波器來(lái)運行所有一切?！?/P>

一種簡(jiǎn)化的方法是對處理步驟進(jìn)行邏輯排序 (圖1)。每一個(gè)傳感器都會(huì )進(jìn)行本地信號調理，甚至可能根據下游的反饋來(lái)自動(dòng)適應。然后，每一個(gè)傳感器會(huì )在本地根據其掌握的信息進(jìn)行物體估算，為推斷出的這些物體附加一些屬性。

圖1. 您可以把ADAS看成是處理器流水線(xiàn)，越來(lái)越抽象的看待汽車(chē)周?chē)沫h(huán)境。

例如，激光雷達能夠確定地面 030 方向有一個(gè)物體，從右向左移動(dòng)，距離大概 20.24 米。雷達也會(huì )報告，在同一位置，地面噪聲背景上可能有一個(gè)物體。一對高分辨率攝像機會(huì )看清楚這一物體—看起來(lái)非常像一頭金色獵犬，方向在 025 至 035 之間，大概 15 米之外。

這些信息會(huì )被傳送至融合引擎，接收有物體存在這一主視圖，附加上最可靠的屬性—例如，位置、速度、大小和顏色。這些信息隨后會(huì )被送至一個(gè)分類(lèi)引擎，將其標示為一條狗—例如，位置、速度、大小和顏色。這些信息隨后會(huì )被送至一個(gè)分類(lèi)引擎，將其標示為一條狗

這看起來(lái)很有邏輯性，但卻不能解決問(wèn)題。甚至在每一階段采用哪類(lèi)算法都沒(méi)有達成一致。Schumacher 觀(guān)察到：“目前，大部分步驟都是基于規則的。但是，基于規則的系統需要很多支持。我們會(huì )看到一些算法采用了人們不好解釋的方法?！?