先進駕駛輔助系統（ADAS）

從早期道路車輛的興起開始，汽車的安全就是一個主要的問題。一些主機廠(OEM)試圖通過開發各種安全系統來解決這個問題，以保護車內成員和車外行人。這些安全系統分為主動安全系統與被動安全系統。被動安全系統保護車內人員在撞車后免受傷害，它包括安全帶、氣囊和填充儀表板等。由于消費者對更安全車輛的持續需求，一直在不斷發展的被動安全系統被主動安全系統不斷的擴展。主動安全系統的目的是防止事故的發生，它的實現方式主要有車道保持、主動巡航控制、盲點輔助和泊車輔助等，這些系統通常被稱為高級駕駛輔助系統（ADAS）。

隨著越來越多的電子控制單元和各種類型的傳感器的集成，現在車輛中有足夠的計算能力來支持ADAS部署。不同類型的傳感器，如相機、激光雷達和超聲波傳感器，可實現各種不同的ADAS解決方案。其中，基于視覺的ADAS主要使用相機作為視覺傳感器，這是現代車輛應用最普遍的一種方案。但在ADAS的設計、實施和運行方面存在的若干挑戰仍有待克服。

本文簡要介紹的內容：ADAS系統中不同硬件的功能與局限性及系統所面臨的挑戰、系統的運動協調控制體系、盲點監測系統、系統的預警信號對駕駛員行為的影響。

1 ADAS主要硬件及面臨的問題

高級駕駛輔助系統(ADAS)已成為現代車輛安全的一個顯著特征，同時也是新興自動駕駛汽車的一項關鍵基礎技術。最先進的ADAS主要基于視覺，但光探測和測距（激光雷達）、無線電探測和測距（雷達）以及其他先進傳感技術的應用也越來越多。這篇文章介紹了ADAS技術的不同硬件和軟件及其功能和局限性；討論了在ADAS策略中用于視覺識別和傳感器融合的方法；指出了下一代ADAS的挑戰[1]。

基于視覺的ADAS主要應用單目攝像機、立體攝像機和紅外攝像機。單目攝像機主要應用于障礙物、行人、車道和交通標志的檢測，還可以用于監視車輛內的駕駛員，例如用于面部和眼睛檢測以及頭部姿勢分析[1]；但它缺乏圖像深度信息，不能用作預測距離的傳感器。立體攝像機可以通過匹配立體對(來自左右傳感器的圖像)和使用視差圖來估計場景的相對深度，從兩個或多個二維圖像中提取三維信息。紅外攝像機主要有兩種類型：有源紅外攝像機、無源紅外攝像機[1]。

激光雷達對實現自動制動、目標檢測、避碰等系統非常實用，激光射程可達60 m，但是它體積大、質量大并且昂貴，也易受諸如雨或霧的影響[1]。短程或中程雷達可用于交叉路口警報和盲點檢測系統，遠程雷達應用于自適應巡航控制系統。相較于激光雷達，雷達的探測距離更遠，可達200 m，并且性能不受雨霧的影響，價格也相對便宜。超聲波傳感器用來監測非常靠近車輛的物體，主要用于泊車輔助。

ADAS中面臨的挑戰主要有如何最大限度地降低能耗、減少響應延遲、適應不斷變化的天氣條件以及保證安全性[1]。

2 ADAS控制系統

高級駕駛輔助系統（ADAS）旨在為汽車駕駛員和乘客提供更高的安全性和舒適性。主機廠正在開發和整合用于車距保持、車道保持、變道及其它功能的系統。汽車是一個非常復雜的系統，開發人員和制造商一般不會向外界透露高級駕駛輔助功能在整個車輛系統中的實施和協調方式。這篇文章試圖通過裝配車輛動力學的開源物理模型和ADAS命令模型來填補這一空白。此外，為了無需訪問ADAS的細節并便于對其開發和測試，還提出了一種用于運動管理的協調控制架構，應用在車輛系統上分配ADAS運動控制命令[2]。該體系結構在一個案例研究中得到了展示，協調好轉向系統和制動系統之間的運動，而比較典型的是制動系統通常只用于單個功能。針對不同的駕駛任務，采用協調控制體系結構對整車和系統動力學進行了仿真，可以看出，可以通過所提出的協調控制體系結構來實現改進后的軌跡跟蹤。

本文提出了一種用于車輛運動控制的協調控制結構，并利用車輛動力學的集成開源物理模型和ADAS命令模型對該體系結構進行了分析[2]。具體來說，轉向和制動模型是在MATLAB/Simulink中實現的，并將其與一個被廣泛接受的輪胎模型集成到一個基于物理的三自由度車輛模型中，該模型、仿真和控制體系結構是開放的。車輛在變道機動仿真試驗中的動態響應表明，無制動系統控制的轉向系統對ADAS系統的預定軌跡有輕微的欠沖;而在沒有轉向系統控制的情況下，制動系統的控制有明顯的超調[2]。

3 車輛側面基于部件的盲點監測系統

盲點監測（BSD）系統旨在防止變道和超車情況下發生事故。目前應用的盲點監測系統的性能受到側視或后視攝像機的限制，因為相鄰車輛在距離主車輛一定范圍內時，它們的車輛外觀會嚴重失真。為了突破這些限制，本文引入了側面直線圖像來監測車輛的側面部分。在側面直線圖像中，車輛的側面部分不發生徑向或透視畸變;因此，輪胎的外觀在車輛的不同相對位置處都保持相同。利用這一直線圖像，構建了一種基于后視攝像機的BSD系統，可以同時監測汽車和摩托車，以防止在盲點處發生事故[3]。BSD系統對汽車的監測分為三個階段:輪胎假設生成/驗證、前后輪輪胎分類和車輛假設生成/驗證[3]。BSD系統監測摩托車的下半部分，并且不受駕駛員和貨物外觀的影響。根據側直線圖像的特性，該系統的檢測過程類似于人類的目標檢測/識別規則。盲點監測系統會追蹤附近的車輛，當在盲點處出現障礙物時向駕駛員發出警告信號。根據對該系統性能的評估結果，該系統的性能優于基于雷達的系統[3]。

新提出的BSD系統的優點[3]：與基于雷達和超音波的BSD系統相比，該系統具有較低的誤報率和較高的橫向分辨率；側面直線圖像的特性意味著在不考慮外觀不一致的情況下，可以簡單地檢測車輛的輪胎和側面零件；后部魚眼攝像機還可用于行人檢測和停車輔助等用途。

BSD系統的缺點[3]：該系統對低光照環境(如隧道、夜晚)比較敏感，這是基于攝像頭的系統的一個常見缺點；此系統基于附近車輛平行于主車輛的假設，當附近車輛以低速變道時，這種假設可能不成立。

4 ADAS的預警對駕駛員行為的影響

主要介紹通過腦電信號（EEG）應用交互式工程技術來檢測預警信號對汽車駕駛員的注意力集中程度的影響，特別是從智能交通系統環境中高級駕駛員輔助系統(ADAS)發出的警報、信號或輸出。為了實現這一目的，基于最新的技術，開發了一種利用駕駛員的腦電信號檢測這種影響的實驗方案。目標是檢測當ADAS發出不同類型的警報時，司機是否能注意到道路上出現的危險[4]。在信號處理方面，所面臨的問題是腦電信號中存在噪音，原因是道路的質量有一些顛簸和坑洞，由于司機的移動而在記錄中增加了噪音。在信號處理方面，最大的挑戰是由于路況（比如路障和坑洼等）對駕駛員體位的影響，而在他們的腦電信號中出現噪音[4]。

通過該方案，設計人員可以對ADAS的效率和實用性進行評估，更詳細地調查和了解駕駛員如何與車內環境進行交互，從而檢測和糾正機艙設計，減少干擾，提高安全性。為了使用這種方法來檢測干擾，將使用帶有5個干電極的便攜式腦電圖實時實現算法，在一個非常嘈雜的真實駕駛環境中檢測干擾。最后，作者認為新一代ADAS不僅將整合駕駛員的生物信號，還將整合精密的電子設備來監控機艙環境[4]。

圖1 ADAS所用傳感器技術水平