使 ADAS 工作的传感系统

为了了解有关自动驾驶系统传感器的最新信息，我采访了 TDK/Invensense（加利福尼亚州圣何塞）产品营销总监 Alberto Marinoni。

常用术语高级驾驶辅助系统 (ADAS) 本质上是指 SAE 2 级 (L2)，即部分驾驶自动化。在那个级别，司机必须在车里并且必须保持警惕——例如，他们不能看书——这需要 3 级或更高级别。 （最高级别 - 5 - 是一种完全自动化的车辆，甚至根本不需要我们一个人在车内。）

在 2 级中，汽车可以根据应用进行纵向（加速/减速）或横向（转向）自动控制。但是，驾驶员必须在场，密切关注街道，并保持警惕，以便在需要时进行控制。相比之下，Level 1 可以进行自动制动/加速或横向转向，但不能同时进行。

对于 L2，有多个传感器，包括摄像头、雷达和惯性测量单元 (IMU)。还包括全球导航卫星系统 (GNSS)，例如 GPS。

对于某些 L2 应用，虽然不是大多数，但也可以使用激光雷达，尽管这主要用于 Level 3。它并不总是包含在 L2 中，因为它相对于其他技术的成本较高。马里诺尼解释说，雷达是一种远程检测器——它的用途是在远处检测障碍物——以提醒汽车前方有东西。激光雷达通过详细识别靠近汽车的物体来增加自动化组合。它还可以扫描周围环境以获取有关当前环境的信息。该信息可以相对于地球进行地理参考，以便通过使用由 IMU 和 GNSS 组成的惯性导航系统 (INS) 来精确定位汽车的绝对位置。结合来自INS的绝对位置信息和基于激光雷达的相对环境图像，可以构建3D地图以精确定位物体。

惯性测量单元

TDK/InvenSens IMU 在同一外壳中有两个 MEMS 组件：一个 3 轴加速度计和一个 3 轴陀螺仪。加速度计对所有三个轴上的静态（例如重力）和动态加速度都很敏感，可用于确定 IMU 的倾斜角。陀螺仪主要用于除重力外还有角速度的动态条件。这两个传感器的输出在数学上组合在一起以确定系统的方向。

当今的大趋势是在每个传感器旁边放置一个 IMU，以提高检测的准确性。

加速/减速

根据 Marinoni 的说法，最重要的减速功能是紧急制动和避免碰撞。对于这些应用，雷达等传感器会扫描汽车前部，寻找物体或人。扫描数据被发送到中央处理单元，中央处理单元可以决定车辆是否需要停下来。如果是这样，它会向执行器输出一个信号，该执行器的行为方式与驾驶员相同，通过踩下制动踏板以在碰撞前停止汽车。

IMU 在这里扮演着重要的角色。雷达传感器通常安装在车辆的保险杠中，如果它与街道平行，则可以完美工作。但是，如果由于某种原因保险杠已经变形，则雷达信息将不可靠。安装在雷达传感器旁边的 IMU 可以动态监测倾斜度以提供校正信息。同样的概念也适用于相机模块。

转向

在当今的车辆中，用于 ADAS 的摄像头有 10 个或更多。但是，由于您在驾驶时会有很大的震动，因此摄像头模块拍摄的图像可能会很模糊。如果您将 IMU 靠近每个摄像头，您可以轻松地测量在摄像头拍照的那一刻施加在摄像头上的振动。有了这些信息，您可以稳定图像并消除噪点以获得清晰的视图。

一个典型的基于摄像头的应用是主动车道保持辅助。为此，通常在后视镜附近安装一个摄像头，用于检测街道线条并进行图像处理。图像质量对于此应用程序很重要，因为您必须识别线以及汽车是否越过它。通过在相机旁边安装 IMU 来稳定它，您可以生成更清晰的图像，从而减少中央处理器的计算负载。对于某些车道保持应用程序，驾驶员会收到警报，因此他们可以控制转向以保持在轨道上。在其他应用中，汽车会使用这些信息来直接控制转向以自动保持在车道上。

传感器融合

然后，我向 Marinoni 询问了传感器融合在 ADAS 中的作用。他解释说，这是一种能够组合来自多个传感器的信息的算法，以提供比每个单独传感器的总和更好的输出。

一个示例是 INS，其中 GNSS 从卫星接收信息以确定车辆的绝对位置。但是，在某些情况下 GNSS 信息不可靠，例如，在隧道中、在城市峡谷中或在多层停车场中。因此，您需要一个靠近 GNSS 的 IMU，以便在 GNSS 不可用时计算系统的位置。在 GNSS 模块中运行的传感器融合算法将结合来自 IMU 和 GNSS 的信息，以生成在所有条件下都可靠的位置。这优化了系统，因为 IMU 和 GNSS 由于各自的优势和劣势而相互补充。融合算法在 GNSS 不可靠时保留来自 IMU 的信息，并在汽车处于开阔天空条件时使用来自 GNSS 系统的信息。当有良好的 GNSS 信号时，融合算法还可以使 GNSS 数据在 GNSS 不可用时校准 IMU。

航位推算

当 GNSS 信号不可用时，IMU 从其接收到的绝对最新位置开始进行航位推算导航。此时，它开始随着时间的推移整合陀螺仪信息，以更新位置。如果有良好的陀螺仪信息和良好的时序，那么您将获得良好的结果。但是，如果陀螺仪输出好，但时序不好，则结果不佳。如果两者都很差，那么你的结果就很糟糕。因为是积分，误差是累积的，经过一定时间后，航位推算的结果可能就不能接受了。

如果您在隧道或城市中行驶，GNSS 信号在很长一段时间内都很糟糕，那么基于 IMU 的航位推算将不可靠。在这种情况下，这将取决于汽车制造商。他们可以启动驾驶员警报；如果驾驶员没有对警报做出反应，则可能会生成第二个警报。如果这一点也被忽略，那么 ADAS 可以控制并降低速度——但不能停止汽车，这将是危险的。一项额外的操作可能是生成呼叫，例如拨打 OnStar，以检查驾驶员是否安全。有多种方法可以处理这种情况。

ADAS 系统的可靠性

ADAS 系统本身的可靠性显然至关重要。在任何情况下都必须保证数据的完整性。根据 Marinoni 的说法，用于 ADAS 的 TDK/Invensense 6 轴 IMU 包括一个嵌入式诊断，该诊断是为满足汽车安全完整性 (ASIL) B 级要求的系统而开发的。例如，如果与中央单元的通信不可靠，它可以生成警报以提醒驾驶员。嵌入式安全芯片包括一种持续检查系统所有模块功能的机制。如果组件检测到加速度计、陀螺仪、数字逻辑或通信总线出现故障，它会向系统发送警报，告知系统出现问题并且来自传感器的信息不再可靠。在汽车安全应用中，自我诊断是强制性的，尤其是在您控制速度、制动或转向时。这些问题在 ASIL 规范中得到解决。但是，即使不是Level 2应用，电子稳定控制等系统也必须100%可靠。

我们现在在哪里，我们要去哪里？

我问马里诺尼他认为这项技术现在在哪里以及未来会发生什么。 “此时此刻，Level 2 已成为现实——它已经在大街上，”他说。 “但从某种意义上说，我们预计 IMU 的销量将从现在到 2030 年增加，从不到 1000 万辆增加到超过 4000 万辆。”对于下一步，第 3 级，主要变化可能是引入激光雷达等新技术。 “从我们的 IMU 的角度来看，我们已经为 L3 应用做好了准备，这要归功于我们的 6 轴集成，”他说。

他接着说，该领域的下一个创新点可能是降低功耗。即使引擎关闭，某些 ADAS 应用程序也需要开启。因此，应用程序中每个组件的功耗都很重要。过去，当应用程序仅在引擎启动时运行时，这不是问题。但是现在制造商正在改变他们的规格以包括功耗。

最后但并非最不重要的一点是，由于航位推算集成会受到随时间累积的误差的影响，另一个重要的一点，特别是对于自动驾驶汽车，是进一步降低组件的噪声，提高传感器的性能，以实现更长的航位推算集成，控制总误差。

接下来我问马里诺尼，他认为 3 级可能会上街。他的猜测是，直到 2025 年，我们才会看到 L3 市场有很大的变化。

“另一个重要的话题，虽然不是基于理论——它更像是一个经验法则——是对于 L2 系统，两种并行技术就足够了。对于 L3 系统，为了保证准确性、稳定性和性能，至少需要结合三种技术，而对于 L4，很可能需要四种。这应该让您了解保证性能和安全的复杂性，”他说。这将对所需的算法和计算机资源提出更高的要求。这就是 5G 可能发挥作用的地方，可以将大部分计算转移到云端。当然，这为可能的黑客行为打开了大门。

本文由 Sensor Technology 的编辑 Ed Brown 撰写。如需更多信息，请访问此处 .