作者 | 天堂硅谷信息技术事业部 孙济洲
汽车行业历经百年，欧、美、日车企和供应商已经牢牢占据汽车市场的关键位置。然而在今天，电动化、智能化为汽车行业带来了巨大的变革，也给了中国新生企业一个前所未有的机遇，得以加入到汽车产业链的竞争中。自动驾驶和高级驾驶辅助系统便是这个变革中最重要的环节之一。本文分上下两部分和大家探讨高级驾驶辅助系统：上部关于高级驾驶辅助系统在自动驾驶中的定位，分析商业化发展的趋势和可能性；下部简要介绍高级驾驶辅助系统功能实现相关的软件和硬件构成要素。
01
高级驾驶辅助系统构架
高级驾驶辅助系统（ADAS）一般由四大平台支撑，它们分别是：云服务平台、软件平台、硬件平台、车辆平台。云服务平台给ADAS系统提供软件升级、地图更新等服务，同时也可以存储车辆行驶中的数据，相当于车辆的远程数据后台支撑。软件平台中是各种算法模块，是ADAS和自动驾驶的大脑，根据周围环境指挥车辆行驶。硬件平台中包括各种传感器，相当于我们的眼和耳，用来负责观察感知车辆周围的事物。最后车辆平台是车的腿脚，执行最终的行动指令。
根据具体ADAS功能配置不同，整个智能系统构成有所差异；主流高速公路ADAS功能一般使用xRxV方案（R-毫米波雷达，V-摄像头），比如高速上下匝道功能需要地图引擎的支持，因为没有地图，车辆不知道应该在哪个高速口进出。代客泊车一般需要激光雷达帮助获取周围环境更精确信息，一般摄像头、超声波雷达车距不够准确，停车容易剐蹭。现有车辆上配置的ADAS功能大多还不支持远程升级和数据回传等功能，但是随着汽车电子电气架构的升级，远程升级、数据上传、地图更新等功能将逐渐完善并成为标配。
这四大平台中所有元素都是ADAS和自动驾驶产业的上游细分，每个细分都有各自领域的专业知识和特点，各模块在系统中需要相互配合协作。因此自动驾驶人才极度稀缺，此领域需要有在单个或多个领域专精，并且具备多学科交叉创新能力的人才。ADAS和自动驾驶是一个复杂的系统，为了完成普通道路上A到B点间的简单驾驶任务，各相关领域都需要达到很高技术门槛，满足其他模块需求，不能有技术短板，这也是ADAS和自动驾驶难落地的原因之一。
部署在车上为自动驾驶功能服务的硬件和传感器布局示意如下图所示：
主机厂的量产ADAS硬件传感器方案考虑到传感器感知特性、感知算法技术能力、算法算力需求、传感器成本、功耗、体积和车规量产成熟度等原因，进行了对应不同车型的开发和设计。我们可以看到现在新车上的各种传感器和摄像头已经在增加，以后传感器遍布车身将是趋势。
根据ADAS功能需求，传感器数量和布局会有所不同。如典型的自动紧急制动（AEB）功能，在行驶中前方有车辆行人可能会碰撞时，自动紧急制动会自动刹车防止碰撞。这样的功能仅需要前向相机、前向毫米波和配套的计算单元就可以实现。要实现更高级复杂的功能，车辆可能会增加配置前向两个不同视场角的相机、激光雷达、毫米波雷达感知不同车速前方交通参与者，周围多个相机提供环视功能，侧向毫米波雷达、摄像头，后向摄像头，角超声波雷达用于停车、超车和换道等功能。长期看传感器有融合简化的趋势，并且随着算法完善、计算单元算力增强，感知方案最终或以视觉为主，其他感知设备作为冗余备份。
下图为特斯拉Model 3 的ADAS传感器布局示意图：
我们可以看到，前向三个不同感知距离和视场角的摄像头，分别为最大感知距离150m的主摄像头、一个窄视角最大感知距离250m的摄像头以及感知距离60m的广角摄像头。同时前方还配备了160m感知距离的毫米波雷达。环车配有超声波雷达感知距离8m，前像侧摄像头、后向、侧后向摄像头。这些传感器覆盖了车辆周围50m内的几乎全部区域，以及前方较远距离，为车辆辅助驾驶或自动驾驶提供了必要的环境信息。
简略的ADAS系统数据流如下图所示：
感知设备收集车辆行驶环境数据，发送给计算单元中对应的软件模块。计算模块经过一系列计算处理后将最终车辆行驶控制指令发送给车辆平台，车辆平台执行相应的行驶动作。其间车辆平台会实时发送底盘数据给软件平台和部分感知设备，软件平台和云平台有数据交互。
02
硬件简述
摄像头是ADAS系统的主要感知传感器，是最为成熟的车载传感器之一。视觉模块通过算法识别各种交通参与者、交通标志标线以及动态目标的速度位姿等，供感知融合与融合定位模块使用。通俗讲就是视觉模块通过一段实时的视频录像，识别里面的车辆和行人，以及他们的位置和速度。
摄像头提供的视觉信息最接近人类驾驶员的感知方式，并且有数据量大、信息丰富、成本低等特点。但是基于相机数据的图像感知方式也有缺点，深度学习需要大量全面样本收集且训练时间长；收集足够数据需要大量真实场景测试以及对应的数平台支撑。感光原件宽容度相对人眼比较低，调节速度和能力有限；在强光照天气进出隧道等场景会有短时失效。
2.2 毫米波雷达
大多数前向毫米波雷达被布置在车头前方中网位置，角雷达被布置在保险杠内。毫米波雷达利用发射波长1-10mm，频率10-300GHz的电磁波，接收并处理回波数据来感知周围环境。目前车载毫米波雷达主要分为24GHz频段和77GHz频段，77GHz频段的距离分辨率更高，体积更小，探测距离更长。车载毫米波雷达探测距离较长、性能稳定，比可见光探测器穿透能力强，比超声波雷达分辨率高。车载毫米波雷达已经被广泛应用于距离探测，自适应巡航、自动紧急制动、碰撞预警等ADAS功能中。使用毫米波雷达方便系统感知到周围障碍物的距离和速度。
下图为典型的5毫米波雷达和一个摄像头传感器布置方案示意图：
毫米波雷达也存在短板，相对激光雷达精度低，无法得到描述性强的点云数据。可视范围窄，一般需要多个雷达配合使用。对行人的反射较弱，对特定表面的金属反射过强，容易误识别物体。在狭窄物体多且复杂的环境下很难发挥很好的作用。
超声波雷达的工作原理是通过发射并接收40Hz的超声波，根据发收时间差计算障碍物的距离，测量精度一般为1-3cm。一般我们倒车听到的声音提示就是根据超声波雷达测距提供的。超声波雷达成本低，短距离测量中有优势，适合应用于泊车和低速感知补盲。具有能耗低、测距方法简单、不受光线条件影响、防水防尘性能好等特点。超声波雷达便宜、耐用让它在家用车上被广泛使用。
超声波雷达一般安装在汽车的保险杠上称为UPA（Ultrasonic Park Assist），一般用于测量汽车前后障碍物，探测距离一般在15-250cm。安装在车身侧面的称为APA（Automated Parking Assist）用于测量侧方障碍物，是自动泊车辅助系统的核心部件，探测距离较远一般在30-500cm，可用作探测车位宽度，获得车位尺寸及车辆的位置信息，目前有超过700cm探测距离的APA投入应用。超声波雷达现在已经由高端车型下沉至中低端车型，前装渗透率达80%左右。自动泊车雷达系统需要6-12个超声波雷达，典型配置由8个UPA 和4个APA组成，感知范围和布局如下图：
因为超声波的特性，雷达有以下弊端。超声波散射角大，方向性差，无法精准描述障碍物位置，也无法远距离感知物体。对温度敏感，波速受温度影响，在低温高速行驶下，超声波测距无法跟上障碍物距离的实时变化。
激光雷达是光学雷达，工作原理是雷达向目标发射一束激光，然后根据发收激光的时间间隔测定目标物体的距离。就像我们晚上带着手电筒照路一样，激光雷达是一种自带光源的传感器。激光雷达有方向性好、能量密度高、距离检测准确、高线雷达束分辨率高等优点。
激光雷达分为机械式、半固态和固态。机械式技术成熟度最高，但生产环节人工成本高且难过车规，半固态和固态已成为趋势。半固态激光雷达主要原理是激光收发单位固定，扫描部件运动，运用光的折射来改变射出激光的方向，达到对环境的感知。扫描部件根据原理不同，主流的技术路线有转镜式和MEMS微振镜式。
固态激光雷达特点是不包含机械运动部件，主流的技术方案有OPA相控阵方案、Flash面阵激光方案，技术难度高、目前成熟度低，长期发展更符合车规量产的要求。图为OPA和Flash激光雷达原理说明：
应用中，激光雷达受空气影响比较大，空气中的水珠和其他悬浮物都会对感知造成影响。现有技术的产品量产能力弱成本较高，并且勉强应对车规要求。未来全固态激光雷达方案值得期待。
计算单元可以理解为功能强大的车载电脑，不管是当前的微控制器还是未来的车载中央计算机，该元件主要负责ADAS和自动驾驶中获取到周围数据的接收，处理所需的数据计算、图形图像计算以及发送执行器控制指令。部分区域控制器可能要需要充当网关、交换机的角色，负责分配数据和电力。
当前ADAS方案多是分布式架构，部件模块多采用一体机整体方案，比如现有的ADAS摄像头，主板将镜头模组和计算平台整合在一起。
03
软件模块简述
软件平台主要模块间简略数据流图如下所示：
这里面高精度地图（HD Map）提供道路、车道、交通标志等信息给定位、感知、预测和决策规划模块。在车道保持+自适应巡航功能中，仅通过摄像头识别当前车道线就可以，不需要HD Map辅助。但是高级别驾驶辅助或自动驾驶功能需要地图辅助。
融合定位综合组合导航系统（GNSS）数据，感知数据以及HD Map数据确定车辆位置。开阔有定位、差分等信号覆盖区域，组合导航系统可以提供比较精准的定位（分米级）。但是在楼宇间、大桥下、隧道中，组合导航系统往往不能提供准确定位。这就需要融合视觉识别到的车道线、GNSS定位，车辆移动信息，甚至建筑相对位置得到准确定位。
感知传感器数据发送给各感知模块进行处理，最终由感知融合模块综合结果，得到最终动静态障碍物目标的位姿、速度和加速度等信息，供预测和决策规划使用。当前因为各种感知传感器都有短板，主流使用多传感器融合取长补短的方案，长期可能以视觉为主辅以一组其他形式传感器作为冗余。当前视觉方案在移动物体速度、加速度计算，物体位姿精准识别以及多动态物体跟踪方面还有很大进步空间。安全方面视觉算法容易被恶意布置的图形图像欺骗，比如误导行驶的车道线影像等。
预测模块根据地图信息和交通参与者的位姿速度预测它们可能的行进路线以及对应的概率分布。决策规划模块根据现有信息对车辆的行为进行决策，对随后的行驶路线和速度进行规划。最终决策规划的结果发送给控制模块作为行驶依据。
控制模块根据规划结果计算车辆底盘各执行器配合行动的指令，下发给转向、刹车和动力系统等。也就是根据想行驶的路径，告诉车辆应该方向盘打多少，油门加多少。
04
线控执行机构简述
线控Drive-by-wire 或 X-by-wire，即用线（电信号）的形式来取代机械、液压或气动等形式的连接，从而不需要依赖驾驶员的力或者扭矩的输入。这也是从辅助驾驶到自动驾驶进程中车辆执行器发展的必然趋势。线控系统主要有五大子系统：线控转向，线控油门，线控制动，线控悬架，线控换挡。其中对于ADAS和自动驾驶系统来说，线控动力、线控转向、线控制动这三个子系统尤其重要。
刹车系统包含下列系统中的一种或几种：电子稳定系统（EPS）、防抱死系统（ABS）、电子驻车制动（EPB）、电子液压制动（EHB）和电子机械制动（EMB）等。有些功能在新设计中被合并起来。EHB在传统液压制动器基础上，用一个综合制动模块来取代传统制动器中的压力调节器和ABS等模块，可以集成TCS（牵引力控制系统）、ESP、ABS、EPB等传统制动功能，还可以集成胎压监测、EBD（电子制动分配）、AEB等功能。算法弥补部件磨损和变形，使制动力长期处于良好状态。不依赖真空源，取代了传统的真空泵和真空软管，体积更小，整个制动系统重量更轻，无需消耗能量建立真空源。同时，助力型式不受外界气压影响，让制动系统没有高原反应。
