傳感器融合被認(rèn)為是智能駕駛的必然趨勢(shì)。這兩年，在交通部政策的推動(dòng)下，部分L1和L2級(jí)別的ADAS功能被要求在一些商用車(chē)型中強(qiáng)制安裝，其中包括AEB（自動(dòng)緊急剎車(chē)）。這里就借AEB在商用車(chē)上的落地談?wù)剛鞲衅魅诤系氖虑椤?/p>

AEB的技術(shù)實(shí)現(xiàn)方法

目前，實(shí)現(xiàn)AEB的技術(shù)主要有三類(lèi)，分別是基于視覺(jué)傳感器、毫米波雷達(dá)和激光雷達(dá)。由于成本限制因素，國(guó)內(nèi)主要使用前兩種方式。視覺(jué)傳感器和毫米波雷達(dá)實(shí)現(xiàn)對(duì)車(chē)輛的AEB功能的原理不同：毫米波雷達(dá)主要是通過(guò)對(duì)目標(biāo)物發(fā)送電磁波并接收回波來(lái)獲得目標(biāo)物體的距離、速度和角度。視覺(jué)方案稍復(fù)雜，以單目視覺(jué)方案為例，它需要先進(jìn)行目標(biāo)識(shí)別，然后根據(jù)目標(biāo)在圖像中的像素大小來(lái)估算目標(biāo)的距離。

這兩類(lèi)技術(shù)各有優(yōu)劣。總體來(lái)講，攝像頭方案成本低，可以識(shí)別不同的物體，在物體高度與寬度測(cè)量精度、車(chē)道線(xiàn)識(shí)別、行人識(shí)別準(zhǔn)確度等方面有優(yōu)勢(shì)，是實(shí)現(xiàn)車(chē)道偏離預(yù)警、交通標(biāo)志識(shí)別等功能不可缺少的傳感器，但作用距離和測(cè)距精度不如毫米波雷達(dá)，并且容易受光照、天氣等因素的影響。毫米波雷達(dá)受光照和天氣因素影響較小，測(cè)距精度高，但難以識(shí)別車(chē)道線(xiàn)、交通標(biāo)志等元素。另外，毫米波雷達(dá)通過(guò)多普勒偏移的原理能夠?qū)崿F(xiàn)更高精度的目標(biāo)速度探測(cè)。

于是就有了第三種方案，將攝像頭和雷達(dá)進(jìn)行融合，相互配合共同構(gòu)成汽車(chē)的感知系統(tǒng)，取長(zhǎng)補(bǔ)短，實(shí)現(xiàn)更穩(wěn)定可靠的AEB功能。

融合方案也是國(guó)內(nèi)商用車(chē)AEB的落地上所強(qiáng)制要求的方式。在JT/T 1094-2016《營(yíng)運(yùn)客車(chē)安全技術(shù)條件》中提到，車(chē)長(zhǎng)超過(guò)9米的營(yíng)運(yùn)客車(chē)需裝備符合JT/T 883規(guī)定的車(chē)道偏離預(yù)警系統(tǒng)（LDWS）和AEB（包括前車(chē)碰撞預(yù)警系統(tǒng)）。在交通部辦公廳所印發(fā)的《營(yíng)運(yùn)客車(chē)安全達(dá)標(biāo)實(shí)車(chē)核查工作規(guī)范》中明確要求，營(yíng)運(yùn)客車(chē)駕駛室前面罩需要安裝AEBS毫米波雷達(dá)或激光雷達(dá)裝置。后續(xù)想必也會(huì)出臺(tái)政策推進(jìn)在其他商用車(chē)車(chē)型上的普及，未來(lái)可能還會(huì)擴(kuò)展覆蓋乘用車(chē)。

傳感器數(shù)據(jù)融合的原理與優(yōu)勢(shì)

采用融合方案后，攝像頭和雷達(dá)會(huì)獲取到不同的感知信息，這些信息之間可以相互補(bǔ)充，但也可能會(huì)存在矛盾。假設(shè)在某一場(chǎng)景下，來(lái)自攝像頭的信息是車(chē)輛前方50米左右有異型車(chē)，需要?jiǎng)x車(chē)，而雷達(dá)卻沒(méi)有反饋同樣的信息，這樣的矛盾信息可能會(huì)讓車(chē)輛不知所措。所以，為了讓車(chē)輛控制中心接收到一致且明確的行動(dòng)指令，就需要將傳感器的數(shù)據(jù)進(jìn)行融合。

傳感器數(shù)據(jù)融合的基本原理跟人腦綜合處理來(lái)自眼、鼻、耳等多器官的信息類(lèi)似，主要是綜合多個(gè)傳感器獲取的數(shù)據(jù)和信息，把多傳感器在空間或時(shí)間上冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則來(lái)進(jìn)行組合，獲得對(duì)被測(cè)對(duì)象的一致性描述。

回到駕駛場(chǎng)景上，大致是這樣的流程：首先攝像頭和毫米波雷達(dá)分別針對(duì)觀(guān)測(cè)目標(biāo)收集數(shù)據(jù)，然后對(duì)各傳感器的輸出數(shù)據(jù)進(jìn)行特征提取與模式識(shí)別處理，并將目標(biāo)按類(lèi)別進(jìn)行準(zhǔn)確關(guān)聯(lián)，最后利用融合算法將同一目標(biāo)的所有傳感器數(shù)據(jù)進(jìn)行整合，從而得出關(guān)于目標(biāo)威脅性的一致性結(jié)論。

以極目智能的視覺(jué)和雷達(dá)融合系統(tǒng)為例。如下圖，圖中藍(lán)色點(diǎn)和綠色點(diǎn)分別為攝像頭和毫米波雷達(dá)對(duì)同一目標(biāo)的檢測(cè)，攝像頭主要負(fù)責(zé)目標(biāo)外觀(guān)鎖定，毫米波雷達(dá)主要負(fù)責(zé)測(cè)距。紅色點(diǎn)是雷達(dá)檢測(cè)到的其他地物目標(biāo)。

極目智能視覺(jué)和雷達(dá)融合系統(tǒng)

數(shù)據(jù)融合也有不同的策略，比如有的方案會(huì)選擇將不同傳感器各自處理生成的目標(biāo)數(shù)據(jù)進(jìn)行融合，有些會(huì)選擇將不同傳感器的原始數(shù)據(jù)進(jìn)行融合，避免一些原始數(shù)據(jù)的丟失。在智能駕駛場(chǎng)景下，視覺(jué)和毫米波雷達(dá)的數(shù)據(jù)融合大致有3種策略：圖像級(jí)、目標(biāo)級(jí)和信號(hào)級(jí)。

圖像級(jí)融合，是以視覺(jué)為主體，將雷達(dá)輸出的整體信息進(jìn)行圖像特征轉(zhuǎn)化，然后與視覺(jué)系統(tǒng)的圖像輸出進(jìn)行融合；目標(biāo)級(jí)融合，是對(duì)視覺(jué)和雷達(dá)輸出進(jìn)行綜合可信度加權(quán)，配合精度標(biāo)定信息進(jìn)行自適應(yīng)的搜索匹配后融合輸出；信號(hào)級(jí)融合，是對(duì)視覺(jué)和雷達(dá)傳感器ECU傳出的數(shù)據(jù)源進(jìn)行融合。其中，信號(hào)級(jí)別的融合數(shù)據(jù)損失最小，可靠性最高，但需要大量的運(yùn)算。

測(cè)試數(shù)據(jù)顯示，與單視覺(jué)或單雷達(dá)方案相比，融合方案在系統(tǒng)可靠性和魯棒性、數(shù)據(jù)可信度、系統(tǒng)分辨能力等方面更具優(yōu)勢(shì)。

視覺(jué)傳感器和毫米波雷達(dá)融合的技術(shù)基礎(chǔ)

傳感器融合已被公認(rèn)為是智能駕駛的必然趨勢(shì)。為了實(shí)現(xiàn)視覺(jué)和毫米波雷達(dá)的數(shù)據(jù)融合，需要具備一些技術(shù)基礎(chǔ)，比如系統(tǒng)化的圖像和雷達(dá)數(shù)據(jù)獲取和處理技術(shù)體系，在數(shù)據(jù)處理和目標(biāo)分類(lèi)識(shí)別等層面具有信息融合算法的優(yōu)化和設(shè)計(jì)能力，等等。鑒于當(dāng)前國(guó)內(nèi)的視覺(jué)感知技術(shù)要比毫米波雷達(dá)更加成熟，那么對(duì)于視覺(jué)技術(shù)企業(yè)來(lái)講，他們?cè)谂c外部雷達(dá)平臺(tái)進(jìn)行融合的時(shí)候，則需要具備優(yōu)秀的雷達(dá)系統(tǒng)二次開(kāi)發(fā)能力，盡量提高信息的利用率。

對(duì)于視覺(jué)和毫米波雷達(dá)的融合，技術(shù)實(shí)現(xiàn)上的主要難點(diǎn)在于攝像頭和雷達(dá)觀(guān)測(cè)值的匹配、數(shù)據(jù)融合、多目標(biāo)場(chǎng)景下有效目標(biāo)庫(kù)的維護(hù)等，需要考慮容錯(cuò)性、靈活性、可拓展性、可靠性、安裝等多方面的因素。

同時(shí)，信息融合技術(shù)實(shí)現(xiàn)需要不斷配合大量路測(cè)，涉及設(shè)備輸出、真值標(biāo)定以及二次數(shù)據(jù)開(kāi)發(fā)等工作，對(duì)應(yīng)的數(shù)據(jù)采集量、數(shù)據(jù)存儲(chǔ)量、數(shù)據(jù)交互量、數(shù)據(jù)處理工作量非常大，對(duì)于研發(fā)機(jī)構(gòu)的綜合開(kāi)發(fā)能力有很高的要求。

最后，傳感器數(shù)據(jù)融合的核心關(guān)鍵還是在于采用合適的融合算法。作為一個(gè)新興領(lǐng)域，數(shù)據(jù)融合目前尚無(wú)統(tǒng)一的理論和廣義有效的融合模型和算法，需要根據(jù)具體場(chǎng)景來(lái)選擇，但可以預(yù)見(jiàn)，神經(jīng)網(wǎng)絡(luò)和人工智能等新技術(shù)在傳感器數(shù)據(jù)融合中將起到越來(lái)越重要的作用。