先进驾驶辅助系统（ADAS）

从早期道路车辆的兴起开始，汽车的安全就是一个主要的问题。一些主机厂(OEM)试图通过开发各种安全系统来解决这个问题，以保护车内成员和车外行人。这些安全系统分为主动安全系统与被动安全系统。被动安全系统保护车内人员在撞车后免受伤害，它包括安全带、气囊和填充仪表板等。由于消费者对更安全车辆的持续需求，一直在不断发展的被动安全系统被主动安全系统不断的扩展。主动安全系统的目的是防止事故的发生，它的实现方式主要有车道保持、主动巡航控制、盲点辅助和泊车辅助等，这些系统通常被称为高级驾驶辅助系统（ADAS）。

随着越来越多的电子控制单元和各种类型的传感器的集成，现在车辆中有足够的计算能力来支持ADAS部署。不同类型的传感器，如相机、激光雷达和超声波传感器，可实现各种不同的ADAS解决方案。其中，基于视觉的ADAS主要使用相机作为视觉传感器，这是现代车辆应用最普遍的一种方案。但在ADAS的设计、实施和运行方面存在的若干挑战仍有待克服。

本文简要介绍的内容：ADAS系统中不同硬件的功能与局限性及系统所面临的挑战、系统的运动协调控制体系、盲点监测系统、系统的预警信号对驾驶员行为的影响。

1 ADAS主要硬件及面临的问题

高级驾驶辅助系统(ADAS)已成为现代车辆安全的一个显著特征，同时也是新兴自动驾驶汽车的一项关键基础技术。最先进的ADAS主要基于视觉，但光探测和测距（激光雷达）、无线电探测和测距（雷达）以及其他先进传感技术的应用也越来越多。这篇文章介绍了ADAS技术的不同硬件和软件及其功能和局限性；讨论了在ADAS策略中用于视觉识别和传感器融合的方法；指出了下一代ADAS的挑战[1]。

基于视觉的ADAS主要应用单目摄像机、立体摄像机和红外摄像机。单目摄像机主要应用于障碍物、行人、车道和交通标志的检测，还可以用于监视车辆内的驾驶员，例如用于面部和眼睛检测以及头部姿势分析[1]；但它缺乏图像深度信息，不能用作预测距离的传感器。立体摄像机可以通过匹配立体对(来自左右传感器的图像)和使用视差图来估计场景的相对深度，从两个或多个二维图像中提取三维信息。红外摄像机主要有两种类型：有源红外摄像机、无源红外摄像机[1]。

激光雷达对实现自动制动、目标检测、避碰等系统非常实用，激光射程可达60 m，但是它体积大、质量大并且昂贵，也易受诸如雨或雾的影响[1]。短程或中程雷达可用于交叉路口警报和盲点检测系统，远程雷达应用于自适应巡航控制系统。相较于激光雷达，雷达的探测距离更远，可达200 m，并且性能不受雨雾的影响，价格也相对便宜。超声波传感器用来监测非常靠近车辆的物体，主要用于泊车辅助。

ADAS中面临的挑战主要有如何最大限度地降低能耗、减少响应延迟、适应不断变化的天气条件以及保证安全性[1]。

2 ADAS控制系统

高级驾驶辅助系统（ADAS）旨在为汽车驾驶员和乘客提供更高的安全性和舒适性。主机厂正在开发和整合用于车距保持、车道保持、变道及其它功能的系统。汽车是一个非常复杂的系统，开发人员和制造商一般不会向外界透露高级驾驶辅助功能在整个车辆系统中的实施和协调方式。这篇文章试图通过装配车辆动力学的开源物理模型和ADAS命令模型来填补这一空白。此外，为了无需访问ADAS的细节并便于对其开发和测试，还提出了一种用于运动管理的协调控制架构，应用在车辆系统上分配ADAS运动控制命令[2]。该体系结构在一个案例研究中得到了展示，协调好转向系统和制动系统之间的运动，而比较典型的是制动系统通常只用于单个功能。针对不同的驾驶任务，采用协调控制体系结构对整车和系统动力学进行了仿真，可以看出，可以通过所提出的协调控制体系结构来实现改进后的轨迹跟踪。

本文提出了一种用于车辆运动控制的协调控制结构，并利用车辆动力学的集成开源物理模型和ADAS命令模型对该体系结构进行了分析[2]。具体来说，转向和制动模型是在MATLAB/Simulink中实现的，并将其与一个被广泛接受的轮胎模型集成到一个基于物理的三自由度车辆模型中，该模型、仿真和控制体系结构是开放的。车辆在变道机动仿真试验中的动态响应表明，无制动系统控制的转向系统对ADAS系统的预定轨迹有轻微的欠冲;而在没有转向系统控制的情况下，制动系统的控制有明显的超调[2]。

3 车辆侧面基于部件的盲点监测系统

盲点监测（BSD）系统旨在防止变道和超车情况下发生事故。目前应用的盲点监测系统的性能受到侧视或后视摄像机的限制，因为相邻车辆在距离主车辆一定范围内时，它们的车辆外观会严重失真。为了突破这些限制，本文引入了侧面直线图像来监测车辆的侧面部分。在侧面直线图像中，车辆的侧面部分不发生径向或透视畸变;因此，轮胎的外观在车辆的不同相对位置处都保持相同。利用这一直线图像，构建了一种基于后视摄像机的BSD系统，可以同时监测汽车和摩托车，以防止在盲点处发生事故[3]。BSD系统对汽车的监测分为三个阶段:轮胎假设生成/验证、前后轮轮胎分类和车辆假设生成/验证[3]。BSD系统监测摩托车的下半部分，并且不受驾驶员和货物外观的影响。根据侧直线图像的特性，该系统的检测过程类似于人类的目标检测/识别规则。盲点监测系统会追踪附近的车辆，当在盲点处出现障碍物时向驾驶员发出警告信号。根据对该系统性能的评估结果，该系统的性能优于基于雷达的系统[3]。

新提出的BSD系统的优点[3]：与基于雷达和超音波的BSD系统相比，该系统具有较低的误报率和较高的横向分辨率；侧面直线图像的特性意味着在不考虑外观不一致的情况下，可以简单地检测车辆的轮胎和侧面零件；后部鱼眼摄像机还可用于行人检测和停车辅助等用途。

BSD系统的缺点[3]：该系统对低光照环境(如隧道、夜晚)比较敏感，这是基于摄像头的系统的一个常见缺点；此系统基于附近车辆平行于主车辆的假设，当附近车辆以低速变道时，这种假设可能不成立。

4 ADAS的预警对驾驶员行为的影响

主要介绍通过脑电信号（EEG）应用交互式工程技术来检测预警信号对汽车驾驶员的注意力集中程度的影响，特别是从智能交通系统环境中高级驾驶员辅助系统(ADAS)发出的警报、信号或输出。为了实现这一目的，基于最新的技术，开发了一种利用驾驶员的脑电信号检测这种影响的实验方案。目标是检测当ADAS发出不同类型的警报时，司机是否能注意到道路上出现的危险[4]。在信号处理方面，所面临的问题是脑电信号中存在噪音，原因是道路的质量有一些颠簸和坑洞，由于司机的移动而在记录中增加了噪音。在信号处理方面，最大的挑战是由于路况（比如路障和坑洼等）对驾驶员体位的影响，而在他们的脑电信号中出现噪音[4]。

通过该方案，设计人员可以对ADAS的效率和实用性进行评估，更详细地调查和了解驾驶员如何与车内环境进行交互，从而检测和纠正机舱设计，减少干扰，提高安全性。为了使用这种方法来检测干扰，将使用带有5个干电极的便携式脑电图实时实现算法，在一个非常嘈杂的真实驾驶环境中检测干扰。最后，作者认为新一代ADAS不仅将整合驾驶员的生物信号，还将整合精密的电子设备来监控机舱环境[4]。

图1 ADAS所用传感器技术水平