作者 | 天堂硅谷信息技術事業部 孫濟洲
汽車行業歷經百年，歐、美、日車企和供應商已經牢牢占據汽車市場的關鍵位置。然而在今天，電動化、智能化為汽車行業帶來了巨大的變革，也給了中國新生企業一個前所未有的機遇，得以加入到汽車產業鏈的競爭中。自動駕駛和高級駕駛輔助系統便是這個變革中最重要的環節之一。本文分上下兩部分和大家探討高級駕駛輔助系統：上部關于高級駕駛輔助系統在自動駕駛中的定位，分析商業化發展的趨勢和可能性；下部簡要介紹高級駕駛輔助系統功能實現相關的軟件和硬件構成要素。
01
高級駕駛輔助系統構架
高級駕駛輔助系統（ADAS）一般由四大平臺支撐，它們分別是：云服務平臺、軟件平臺、硬件平臺、車輛平臺。云服務平臺給ADAS系統提供軟件升級、地圖更新等服務，同時也可以存儲車輛行駛中的數據，相當于車輛的遠程數據后臺支撐。軟件平臺中是各種算法模塊，是ADAS和自動駕駛的大腦，根據周圍環境指揮車輛行駛。硬件平臺中包括各種傳感器，相當于我們的眼和耳，用來負責觀察感知車輛周圍的事物。最后車輛平臺是車的腿腳，執行最終的行動指令。
根據具體ADAS功能配置不同，整個智能系統構成有所差異；主流高速公路ADAS功能一般使用xRxV方案（R-毫米波雷達，V-攝像頭），比如高速上下匝道功能需要地圖引擎的支持，因為沒有地圖，車輛不知道應該在哪個高速口進出。代客泊車一般需要激光雷達幫助獲取周圍環境更精確信息，一般攝像頭、超聲波雷達車距不夠準確，停車容易剮蹭。現有車輛上配置的ADAS功能大多還不支持遠程升級和數據回傳等功能，但是隨著汽車電子電氣架構的升級，遠程升級、數據上傳、地圖更新等功能將逐漸完善并成為標配。
這四大平臺中所有元素都是ADAS和自動駕駛產業的上游細分，每個細分都有各自領域的專業知識和特點，各模塊在系統中需要相互配合協作。因此自動駕駛人才極度稀缺，此領域需要有在單個或多個領域專精，并且具備多學科交叉創新能力的人才。ADAS和自動駕駛是一個復雜的系統，為了完成普通道路上A到B點間的簡單駕駛任務，各相關領域都需要達到很高技術門檻，滿足其他模塊需求，不能有技術短板，這也是ADAS和自動駕駛難落地的原因之一。
部署在車上為自動駕駛功能服務的硬件和傳感器布局示意如下圖所示：
主機廠的量產ADAS硬件傳感器方案考慮到傳感器感知特性、感知算法技術能力、算法算力需求、傳感器成本、功耗、體積和車規量產成熟度等原因，進行了對應不同車型的開發和設計。我們可以看到現在新車上的各種傳感器和攝像頭已經在增加，以后傳感器遍布車身將是趨勢。
根據ADAS功能需求，傳感器數量和布局會有所不同。如典型的自動緊急制動（AEB）功能，在行駛中前方有車輛行人可能會碰撞時，自動緊急制動會自動剎車防止碰撞。這樣的功能僅需要前向相機、前向毫米波和配套的計算單元就可以實現。要實現更高級復雜的功能，車輛可能會增加配置前向兩個不同視場角的相機、激光雷達、毫米波雷達感知不同車速前方交通參與者，周圍多個相機提供環視功能，側向毫米波雷達、攝像頭，后向攝像頭，角超聲波雷達用于停車、超車和換道等功能。長期看傳感器有融合簡化的趨勢，并且隨著算法完善、計算單元算力增強，感知方案最終或以視覺為主，其他感知設備作為冗余備份。
下圖為特斯拉Model 3 的ADAS傳感器布局示意圖：
我們可以看到，前向三個不同感知距離和視場角的攝像頭，分別為最大感知距離150m的主攝像頭、一個窄視角最大感知距離250m的攝像頭以及感知距離60m的廣角攝像頭。同時前方還配備了160m感知距離的毫米波雷達。環車配有超聲波雷達感知距離8m，前像側攝像頭、后向、側后向攝像頭。這些傳感器覆蓋了車輛周圍50m內的幾乎全部區域，以及前方較遠距離，為車輛輔助駕駛或自動駕駛提供了必要的環境信息。
簡略的ADAS系統數據流如下圖所示：
感知設備收集車輛行駛環境數據，發送給計算單元中對應的軟件模塊。計算模塊經過一系列計算處理后將最終車輛行駛控制指令發送給車輛平臺，車輛平臺執行相應的行駛動作。其間車輛平臺會實時發送底盤數據給軟件平臺和部分感知設備，軟件平臺和云平臺有數據交互。
02
硬件簡述
攝像頭是ADAS系統的主要感知傳感器，是最為成熟的車載傳感器之一。視覺模塊通過算法識別各種交通參與者、交通標志標線以及動態目標的速度位姿等，供感知融合與融合定位模塊使用。通俗講就是視覺模塊通過一段實時的視頻錄像，識別里面的車輛和行人，以及他們的位置和速度。
攝像頭提供的視覺信息最接近人類駕駛員的感知方式，并且有數據量大、信息豐富、成本低等特點。但是基于相機數據的圖像感知方式也有缺點，深度學習需要大量全面樣本收集且訓練時間長；收集足夠數據需要大量真實場景測試以及對應的數平臺支撐。感光原件寬容度相對人眼比較低，調節速度和能力有限；在強光照天氣進出隧道等場景會有短時失效。
2.2 毫米波雷達
大多數前向毫米波雷達被布置在車頭前方中網位置，角雷達被布置在保險杠內。毫米波雷達利用發射波長1-10mm，頻率10-300GHz的電磁波，接收并處理回波數據來感知周圍環境。目前車載毫米波雷達主要分為24GHz頻段和77GHz頻段，77GHz頻段的距離分辨率更高，體積更小，探測距離更長。車載毫米波雷達探測距離較長、性能穩定，比可見光探測器穿透能力強，比超聲波雷達分辨率高。車載毫米波雷達已經被廣泛應用于距離探測，自適應巡航、自動緊急制動、碰撞預警等ADAS功能中。使用毫米波雷達方便系統感知到周圍障礙物的距離和速度。
下圖為典型的5毫米波雷達和一個攝像頭傳感器布置方案示意圖：
毫米波雷達也存在短板，相對激光雷達精度低，無法得到描述性強的點云數據。可視范圍窄，一般需要多個雷達配合使用。對行人的反射較弱，對特定表面的金屬反射過強，容易誤識別物體。在狹窄物體多且復雜的環境下很難發揮很好的作用。
超聲波雷達的工作原理是通過發射并接收40Hz的超聲波，根據發收時間差計算障礙物的距離，測量精度一般為1-3cm。一般我們倒車聽到的聲音提示就是根據超聲波雷達測距提供的。超聲波雷達成本低，短距離測量中有優勢，適合應用于泊車和低速感知補盲。具有能耗低、測距方法簡單、不受光線條件影響、防水防塵性能好等特點。超聲波雷達便宜、耐用讓它在家用車上被廣泛使用。
超聲波雷達一般安裝在汽車的保險杠上稱為UPA（Ultrasonic Park Assist），一般用于測量汽車前后障礙物，探測距離一般在15-250cm。安裝在車身側面的稱為APA（Automated Parking Assist）用于測量側方障礙物，是自動泊車輔助系統的核心部件，探測距離較遠一般在30-500cm，可用作探測車位寬度，獲得車位尺寸及車輛的位置信息，目前有超過700cm探測距離的APA投入應用。超聲波雷達現在已經由高端車型下沉至中低端車型，前裝滲透率達80%左右。自動泊車雷達系統需要6-12個超聲波雷達，典型配置由8個UPA 和4個APA組成，感知范圍和布局如下圖：
因為超聲波的特性，雷達有以下弊端。超聲波散射角大，方向性差，無法精準描述障礙物位置，也無法遠距離感知物體。對溫度敏感，波速受溫度影響，在低溫高速行駛下，超聲波測距無法跟上障礙物距離的實時變化。
激光雷達是光學雷達，工作原理是雷達向目標發射一束激光，然后根據發收激光的時間間隔測定目標物體的距離。就像我們晚上帶著手電筒照路一樣，激光雷達是一種自帶光源的傳感器。激光雷達有方向性好、能量密度高、距離檢測準確、高線雷達束分辨率高等優點。
激光雷達分為機械式、半固態和固態。機械式技術成熟度最高，但生產環節人工成本高且難過車規，半固態和固態已成為趨勢。半固態激光雷達主要原理是激光收發單位固定，掃描部件運動，運用光的折射來改變射出激光的方向，達到對環境的感知。掃描部件根據原理不同，主流的技術路線有轉鏡式和MEMS微振鏡式。
固態激光雷達特點是不包含機械運動部件，主流的技術方案有OPA相控陣方案、Flash面陣激光方案，技術難度高、目前成熟度低，長期發展更符合車規量產的要求。圖為OPA和Flash激光雷達原理說明：
應用中，激光雷達受空氣影響比較大，空氣中的水珠和其他懸浮物都會對感知造成影響。現有技術的產品量產能力弱成本較高，并且勉強應對車規要求。未來全固態激光雷達方案值得期待。
計算單元可以理解為功能強大的車載電腦，不管是當前的微控制器還是未來的車載中央計算機，該元件主要負責ADAS和自動駕駛中獲取到周圍數據的接收，處理所需的數據計算、圖形圖像計算以及發送執行器控制指令。部分區域控制器可能要需要充當網關、交換機的角色，負責分配數據和電力。
當前ADAS方案多是分布式架構，部件模塊多采用一體機整體方案，比如現有的ADAS攝像頭，主板將鏡頭模組和計算平臺整合在一起。
03
軟件模塊簡述
軟件平臺主要模塊間簡略數據流圖如下所示：
這里面高精度地圖（HD Map）提供道路、車道、交通標志等信息給定位、感知、預測和決策規劃模塊。在車道保持+自適應巡航功能中，僅通過攝像頭識別當前車道線就可以，不需要HD Map輔助。但是高級別駕駛輔助或自動駕駛功能需要地圖輔助。
融合定位綜合組合導航系統（GNSS）數據，感知數據以及HD Map數據確定車輛位置。開闊有定位、差分等信號覆蓋區域，組合導航系統可以提供比較精準的定位（分米級）。但是在樓宇間、大橋下、隧道中，組合導航系統往往不能提供準確定位。這就需要融合視覺識別到的車道線、GNSS定位，車輛移動信息，甚至建筑相對位置得到準確定位。
感知傳感器數據發送給各感知模塊進行處理，最終由感知融合模塊綜合結果，得到最終動靜態障礙物目標的位姿、速度和加速度等信息，供預測和決策規劃使用。當前因為各種感知傳感器都有短板，主流使用多傳感器融合取長補短的方案，長期可能以視覺為主輔以一組其他形式傳感器作為冗余。當前視覺方案在移動物體速度、加速度計算，物體位姿精準識別以及多動態物體跟蹤方面還有很大進步空間。安全方面視覺算法容易被惡意布置的圖形圖像欺騙，比如誤導行駛的車道線影像等。
預測模塊根據地圖信息和交通參與者的位姿速度預測它們可能的行進路線以及對應的概率分布。決策規劃模塊根據現有信息對車輛的行為進行決策，對隨后的行駛路線和速度進行規劃。最終決策規劃的結果發送給控制模塊作為行駛依據。
控制模塊根據規劃結果計算車輛底盤各執行器配合行動的指令，下發給轉向、剎車和動力系統等。也就是根據想行駛的路徑，告訴車輛應該方向盤打多少，油門加多少。
04
線控執行機構簡述
線控Drive-by-wire 或 X-by-wire，即用線（電信號）的形式來取代機械、液壓或氣動等形式的連接，從而不需要依賴駕駛員的力或者扭矩的輸入。這也是從輔助駕駛到自動駕駛進程中車輛執行器發展的必然趨勢。線控系統主要有五大子系統：線控轉向，線控油門，線控制動，線控懸架，線控換擋。其中對于ADAS和自動駕駛系統來說，線控動力、線控轉向、線控制動這三個子系統尤其重要。
剎車系統包含下列系統中的一種或幾種：電子穩定系統（EPS）、防抱死系統（ABS）、電子駐車制動（EPB）、電子液壓制動（EHB）和電子機械制動（EMB）等。有些功能在新設計中被合并起來。EHB在傳統液壓制動器基礎上，用一個綜合制動模塊來取代傳統制動器中的壓力調節器和ABS等模塊，可以集成TCS（牽引力控制系統）、ESP、ABS、EPB等傳統制動功能，還可以集成胎壓監測、EBD（電子制動分配）、AEB等功能。算法彌補部件磨損和變形，使制動力長期處于良好狀態。不依賴真空源，取代了傳統的真空泵和真空軟管，體積更小，整個制動系統重量更輕，無需消耗能量建立真空源。同時，助力型式不受外界氣壓影響，讓制動系統沒有高原反應。
