ADAS可以使道路更加安全,减少人为错误。一些ADAS系统执行提醒司机安全驾驶习惯的不安全的道路场景,比如当一辆车在司机的盲点会换车道危险。其他ADAS系统自动化驾驶行为,如防撞自动紧急制动。

事实上,ADAS防止28%的交通事故都和在美国每年9900人死亡根据波士顿咨询集团的一项研究。

ADAS的水平

有五个层次的驾驶自动化所定义的汽车工程师学会。大多数车辆在路上今天ADAS 0级和3级之间的特性。在自动驾驶的前沿公司追求水平4和5。

全自动汽车可能成为现实安全、网络安全、和政策问题。

了解ADAS特性设计,让我们使用自适应巡航控制系统作为一个例子。当使用这个ADAS特性,汽车减慢在它接近前一辆车和加速巡航速度如果前面的车辆移动一个安全的距离。

第一步在设计自适应巡航控制系统(ACC)是收集数据从传感器安装在汽车上。自适应巡航控制,我们需要一个摄像头和一个雷达传感器。相机检测到其他对象的框架(车辆、行人、树,等等),和雷达的距离计算我们的车到对象。

从我们的传感器收集数据后,我们将关注ADAS算法开发。自适应巡航控制系统可以分为三个步骤:

步骤1、2和3对应如下:

1. 感知算法来检测是否有车辆在我们面前
2. 一个雷达算法来计算我们的车距
3. 控制算法来调整我们的汽车的速度根据测量的距离。

我们使用ACC作为ADAS的例子,但选择合适的传感器的一般方法和设计算法基于传感器数据适用于所有ADAS特性。

传感器的重要性

三种最受欢迎的传感器用于ADAS特性是相机,雷达,激光雷达。

相机

相机用于detection-related ADAS的任务。相机的车辆可以检测盲区。相机在前面可以检测车道、车辆、标志、行人和骑自行车的人。ADAS相关检测算法通常使用传统的构建计算机视觉和深度学习算法。相机有几个优点:

• 他们都为目标检测提供了很好的数据
• 他们是相对inexpensive -低的价格意味着测试许多类型的相机不太昂贵的制造商
• 有很多品种——测试和选择从鱼眼等许多相机类型,单眼,针孔
• 它们是最广泛的研究——三个传感器的相机是最古老的类型和研究最多

相机数据的缺点是,他们不太适合探测距离比其他传感器类型的数据对象。出于这个原因,ADAS开发人员通常使用摄像机和雷达。

雷达

雷达传感器发出高频波和记录当这些波反弹从环境中的对象。可以用来计算数据对象的距离。在ADAS,雷达传感器通常在车的前面。

雷达在不同天气条件下工作,这使得它的实用传感器选择ADAS功能,如自动紧急制动和自适应巡航控制系统。

尽管雷达传感器数据非常适合距离检测算法,这些数据不太有用的分类算法检测到的对象。出于这个原因,ADAS开发人员通常使用雷达与摄像机。

激光雷达

激光雷达(光探测和测距)传感器发射一束激光到环境中并记录当信号返回。返回的信号重构创建一个3 d显示激光雷达点云的周围环境。激光雷达数据可用于计算传感器的距离物体的3 d点云。

有两种类型的激光雷达传感器用于ADAS应用程序:

1. 机电(旋转)激光雷达——机电激光雷达上装的是汽车和旋转而收集数据产生一个三维点云环境的地图。
   
2. 固态激光雷达——这是一种新型的激光雷达,没有移动部件。从长远来看,固态激光雷达将是更快,更便宜,更精确的比机电激光雷达。然而,设计一个商业上可行的传感器构成工程与安全相关的问题和范围的传感器。

您可以使用激光雷达数据进行距离检测和对象在ADAS分类功能。然而,激光雷达数据处理摄像头和雷达数据相比需要更多的计算能力,并为ADAS算法开发人员带来一些挑战性的问题。

发展ADAS与仿真算法

测试硬件是昂贵的,所以工程师们第一个测试ADAS使用虚拟仿真的解决方案。万博 尤文图斯可以2 d或3 d仿真环境。

您可以使用二维仿真开发和测试ADAS算法对摄像机和雷达。我们首先创建虚拟场景与道路、行人、骑自行车和其他车辆。然后我们场景中车辆和挂载虚拟摄像机和雷达传感器。我们可以计划的运动车来生成合成ADAS算法开发和测试的传感器数据。

3 d仿真基于2 d模拟和允许我们测试激光雷达除了摄像机和雷达。3 d环境需要更多的计算能力,因为它们的相对复杂性。

一旦你已经开发出ADAS算法在仿真环境中,下一个发展阶段是半(边境)测试。这涉及到测试ADAS算法与实际硬件从汽车,如真正的制动系统,通过连接到仿真环境。边境测试提供了一个良好的汽车的ADAS组成部分如何在现实世界中运作。

还有其他如driver-in-the-loop ADAS测试,但他们都导致车载测试来了解车辆所有部分一起时将执行。这是最昂贵的一种ADAS测试还需要最准确的和之前生产的车辆。

相关产品:s manbetx 845自动驾驶的工具箱™,计算机视觉的工具箱™,激光雷达的工具箱™,雷达的工具箱,走鹃,走鹃资产库,走鹃场景生成器