自动辅助驾驶的曲折之路

作者:  来源:中国电子商情

发布时间:2015-04-22

汽车辅助驾驶系统（ADAS）是当今汽车电子领域的热门主题。这一系统涵盖了监视车道偏离的被动安全系统和高级巡航控制等主动安全系统，以及未来的环境预知防碰撞系统等。数据传送和计算方面越来越高的ADAS发展需求促使汽车电子体系结构发生了根本性的变革。很显然，这些变革也预示了很多其他类嵌入式系统的未来。
目标和需求
当今的车辆安全电子系统在功能上是独立的，控制某些变量来响应某些输入。例如，当加速度计输出触发了限幅比较器时，安全气囊控制器会引爆其弹出装置。当车轴编码器指示出现了突然加速时，牵引控制系统会进行刹车，以减小车轮上的扭矩。这些系统虽然对车辆安全都有贡献，但是，由于其输入所表示的信息并不全面，因此，这些系统工作起来可能有不当之处。压到路面的坑上，或者停车时撞到其他车上都有可能引爆安全气囊。坑洼的路面也会导致牵引控制系统出现误动作。
高级安全气囊控制器有多个传感器，确实能够判断是否出现了撞车。在不远的将来，控制器会根据监视乘客和货物的传感器输出来确定在出现撞车时怎样更好的应用各类安全气囊。
在这一点，安全气囊控制器会越过一个关键阈值：从响应输入，进行维持，直至响应车辆的动态模型。车辆的其他系统也会对这种变化进行回应。每一个系统都变得越来越智能，从传感器集成发展到传感器融合。
汽车应用也越来越复杂，迫使开发人员采用与硬件无关的平台，例如，汽车开放系统体系结构（AUTOSAR）、集成机械电子软件开发包等。在这种纷繁复杂的情况下，系统设计人员努力应对系统处理数据时出现的突然变化。
从隔离到融合
避险系统就很好地体现了这种变化。今天，即使是后视摄像机等相对简单的系统也有很大的处理要求。低成本摄像机需要鱼眼校正功能来修改图像，使得驾驶员能够很方便地看清楚所显示的内容。也需要对这些摄像机进行补偿，在低亮度条件下产生可用的图像，这通常也要求具有自动目标识别功能。在摄像机中能够很好的完成这些功能，但在中央电子控制单元（ECU）中实现这些功能成本会更低一些。摄像机的发展趋势是高清晰，这意味着每帧会有百万像素。如果您向ECU发送图像，在这些数据离开摄像机之前，需要对数据进行压缩。
在今后的发展中，数据传送问题会越来越复杂。危险探测功能会从后视摄像机简单的显示图像发展到对车辆周围的整个动态环境进行建模。在这一点，系统必须将来自多个摄像机的图像拼接起来——至少360度范围内的8台摄像机，并且支持范围和速度探测功能，如图1所示。绝对需要中央处理器，ADAS需要同时将多路压缩后的视频流传送给ECU。

图1 摄像机布局和使用方法确定了处理图像所需要的算法
 
让我们再多关注一下危害探测功能。我们已经讨论了视频的角色。但是，视频摄像机会受到黑暗环境的影响，在下雨、下雪、道路喷洒以及其他光学干扰条件下，几乎不能使用摄像机。因此，设计人员还采用了定向波束、毫米波雷达等功能，以提高低可见度条件下的可靠性。
79 GHz汽车雷达对视觉损伤并不敏感，所以，这一技术一直在快速发展。而其他动力系统都要求采用基于雷达的紧急刹车系统，以满足欧洲卡车要求。雷达不但能够在恶劣天气和黑暗条件下使用，而且还具有探测、测距和速度估算功能，因此，很自然的用于改进ADAS。视频的长处是一旦定位后就能够发现目标，但是在测距和速度数据上不如雷达。
开始时可能是一副固定的或者很容易操作的天线。但是业界专家认为，这些系统将很快发展成为多路传感器网络，具有四周物体探测功能。这些传感器网络本身从单独的收发器发展到独立受控天线阵列，与军事应用中的先进扫描阵列雷达非常相似。
军事设计人员已经转到脉冲多普勒设计，而汽车ADAS工程师并没有这样做，而是倾向于采用频率调制连续波（FMCW）设计。采用FMCW，比较容易实现发射机啁啾发生和接收信号译码功能。
即使是FMCW系统也很快需要进行大量的计算。一个典型的设计会为每一发送通道提供聚束硬件，为每一接收通道提供一到两个快速傅里叶变换引擎和聚束器。原理上，可以在软件中通过硬件浮点加速来完成这些计算。但是对于采样率，同时跟踪的目标数量、从每一路返回信号中提取出的信息量都在增加，需要采用专用ASIC或者FPGA硬件来解决这些问题。
怎样表示提取出的信息也是一个难题。为了能够让驾驶员同时看到雷达数据和透过前挡风玻璃的景象，显示屏必须非常平滑，一致性好，不能有明显的延时。这些需求限制了信号处理系统的带宽和延时。
雷达也很难提供连续可靠的信息。其他车辆上的雷达，用于交通和民航流量控制的固定雷达等，这些雷达都会产生干扰，某些领域中的规章制度还要求强制关闭雷达发射机——例如，保护射电望远镜。这些问题的对策包括可编程啁啾调制器、数字聚束以及国防领域的跳频功能等。这听起来就像是新型战斗机，而不是货车或者轿车。实际上，ADAS继承了军事系统的很多技术。
但是，大部分专家还是认为雷达最终要结合视频以及其他传感器来使用。底线是ECU不能只依靠于雷达或者被动视频。为能够保持周围环境精确连续的模型，车辆电子系统应融合视频数据和各种不同的雷达信号。可以使用Kalman滤波器等系统估算技术来实现这种融合功能。
Kalman及其不足
Kalman滤波器可以处理来自被观察系统不同类型传感器的多路受噪声影响的数据流，将其组合到一个低噪声模型中。一般而言，它通过维持三种内部数据格式来实现这一功能：对当前系统状态的估算，基于物理条件的“航位推测”模型——用于预测系统的下一状态，以及评估每一输入可信性的表格。在每一循环中，Kalman滤波器将传感器数据整合到一起，利用这些数据对系统状态进行初步估算：例如，车辆周围物体的位置和速度等。同时，滤波器对前一状态应用航迹推测模型，进行第二次估算：其他车辆移动到这里、这里、那里等等，行人会走到哪里，树木应该在哪些位置等。然后，滤波器对两种状态估算进行对比，考虑到输入的可信性，采用新的最佳估算更新前一状态：在这里，认为所有的都是真实的。最后，Kalman滤波器将新的状态估算发送给分析软件，这样，软件可以评估出可能出现哪些危险，更新其传感器可信性表格，提示任何有问题的输入。
好消息是，尽管在不连续读数、较强的噪声以及各类不同的传感器数据条件下，Kalman滤波器也能够整合实现外部环境稳定精确的模型。但是也有问题。处理高清晰（HD）视频输入的Kalman滤波器会占用大量的处理资源，其分析例程也需要很强的处理能力，如图2所示。

图2  传感器融合技术将大量的算法和网络终端集成在一个芯片中
还有另一重要的系统问题。Kalman滤波器虽然能够承受一定的噪声，但是，并不能避免噪声。传感器和ECU之间的延时变化会以噪声的形式出现——特别是，如果这种变化非常大，使得采样数据出现了无序到达的情况。这种延时变化会使得滤波器降低在某些传感器上的可靠性，或者忽略有可能导致出现很大变化的信息。
随着车辆网络体系结构的发展，这一点显得非常重要。控制区域网（CAN）或者概率出现FlexRay网络等为特定目的而构建的控制网络的带宽虽然不一定能满足压缩后的HD视频带宽要求，但也能够限制抖动，确保正确的传送承载了传感器数据的数据包。原理上，系统设计人员能够计算最大抖动条件下所需的带宽，为系统提供足够的网络链路，以满足需求，即使这会导致为每一摄像机和雷达接收器提供专用的CAN。而在实际中，汽车生产商偏重于另一不同的发展方向：成本控制。
发展方向可能是车辆中布满了以太网。随着传感器数量的增加，包括高端品牌在内对成本很敏感的生产商会尝试将所有各类控制、数据和多媒体网络合并到一个100 Mbits或者1 Gbit的双绞线以太网中。
但是，共享网络还是有延时问题。由于以太网会带来传输的不确定性，因此，需要某些同步协议——IEEE 1588、时间触发协议（TTP），或者音频视频桥接（AVB）等。
这些争论会导致系统需求不仅仅是电缆成本问题。千兆以太网意味着需要采用高级工艺节点的硅片，成本、可用性以及软误码率等都会带来问题。同步协议并不是小型协议，需要功能更强大的网络适配器。这需要对来自很多传感器的时间戳数据进行存储，甚至是对帧进行重新排序，有可能影响存储器布局。
多体问题
最后一点，当把雷达或者扫描激光器放入到ADAS体系结构中时，会带来难以处理的问题，附近车辆的ADAS彼此之间会相互影响。这导致传感器干扰，出现不稳定的多车系统，两辆车的避险系统会互相干扰。这不是一个简单的问题：在同一条车流中的多台车使用避险算法时，将出现不可避免的撞车。
这类问题在一定程度上肯定要涉及到北美和欧盟的ADAS算法管理机构。
在任何情况下，很明显，对这些系统进行验证会涉及到全系统，甚至是多系统的建模问题。这将是很艰巨的任务，远远超出了军事航空航天领域之外大部分系统设计团队的经验。
我们跟踪了一个汽车系统的发展，ADAS，从一组隔离控制环到中心传感器融合系统。车辆中的其他系统也会遵循相同的发展路径。那么，系统会开始融合：例如，ADAS与引擎控制和牵引系统一起工作，不需要驾驶员的干预，就能够妥善的解决车辆遇到的问题。最终是能够自治的车辆，它具有复杂的智能控制系统网络，这一网络的核心是以周围环境为中心的模型。