ADAS系统主要的功能在于感知道路环境以及做出相应决策上（执行由其他模块完成，不属于ADAS功能）。目前大部分主机厂的策略是自己研发决策算法，感知系统交给供应商做，少部分技术能力差的主机厂会采购一整套ADAS系统，只做集成，不做相应的功能开发。

目前市面上销售的车辆大多数搭载的是低成本的ADAS系统，感知模块主要由摄像头和毫米波前向雷达组成。毫米波雷达笔者了解不多，因此今天的介绍以摄像头为主。

01.ADAS系统

上图是ADAS系统的一个最基本的系统框图。由摄像头作为感知部件，将视频信号传输给ADAS ECU，在ECU内部，由DSP（数字信号处理器）进行图像识别处理，将识别到的物体信息发送给MCU（主处理器）。 主处理器对DSP信号做校验等最终处理后，根据客户要求不同，可以输出最后的决策给执行器，也可以只输出识别后的物体信息，由其他模块做出决策并执行。

02.感知

乘用车摄像头一般安装在内后视镜后面，挡风玻璃顶部的位置。摄像头硬件上比较重要的东西是镜头，CMOS元件，以及视频信号接口。由于体积限制，摄像头内部无法集成DSP和MCU，因此需要视频信号线将信息传递给ECU进行处理。

摄像头理论上可以把视频信号转换为CAN信号直接输出，但是CAN FD的速率无法满足如此大量的数据通信，因此低成本解决方案中还是需要使用视频信号线。

对于Tier1来说，如果DSP是外购的，那么一般镜头和CMOS需要采购DSP供应商指定的产品才可以。

摄像头的优点在于成本低，数据分析容易（雷达数据分析工程师哭晕在厕所），同时它的缺点也非常明显：测距，测速不够精确，识别能力受环境干扰影响比较大（雨雪天，炫光，挡风玻璃脏了，裂了等等），识别距离和广度无法兼顾等问题。目前的多目摄像头只解决了识别距离和广度，但是测距/测速的精度并没有太好的办法（图像畸变，坐标系转换的信息丢失，镜头热胀冷缩导致参数变化等原因）。

03.感知功能

目前主流的摄像头目标识别功能主要有以下几种：车辆及行人识别，车道线识别，交通标志识别，红绿灯识别，发光物体识别。非主流的有free space，大型动物识别，施工区域识别，非车辆的物体识别，车道转向标志识别等等。限于篇幅，今天只介绍主流的几种。

3.1 车辆及行人识别

车辆和行人是最主要的道路参与者，此功能是ADAS系统的重中之重。因此对于此类物体，有大量信号用来描述他们。主要信号有：纵向/横向距离，相对/绝对纵向/横向速度/加速度，类别，长度，高度，宽度，运动状态，所属车道等等信息。这些信号可以用来做AEB，ACC，TJA等功能。

3.2 车道线识别

车道线识别是ACC，LKA，Lane centering，车道偏离预警的信号来源。目前车道识别的难点主要在于模糊不清的车道线，施工路段复杂的车道线，等情况。目前车道线都是使用三阶多项式来描述的。此方法的缺点在于无法描述S型曲线等较为复杂的车道线。三阶多项式描述的曲线代表的是车道线靠近本车一侧的边缘。

车道线识别的主要输出信息有：车道线起始/结束位置，本车距左右车道线横向距离，车道线曲率，车道线类型，车道线位置，分叉/合流位置等信息。

3.3 交通标志/红绿灯识别

交通标志/红绿灯识别在目前的应用主要是预警，暂时还没有量产车将这两项功能加入对车辆控制的干预上。识别内容亦清晰易懂，因此略过不提。

3.4 发光物体识别

此功能的主要用途是识别夜间的发光物体，如车灯，路灯，强反光物体等来自动控制远光灯的开启和关闭，以防亮瞎其他道路使用者的狗眼（强烈要求标配）。

配合矩阵式大灯，此功能的高端版还可以根据发光物的距离，控制光域，在不影响其他车辆的前提下获得尽可能大的视野。

04.决策

决策层面大家听的比较多，像ACC，AEB，LKA，Lane centering，TJA都是大家耳熟能详的功能，在此不再赘述。

几乎所有的主机厂在决策层面都是找供应商购买硬件，然后写入自己开发的算法。少部分技术实力稍差的主机厂会选择采购供应商的整套系统，只做系统集成。几乎所有的主机厂所说的拥有自主知识产权或者自主研发的ADAS系统都属于这种模式。对于此类算法，笔者没有从事过相关工作，不敢妄言。但是做过工程的朋友都清楚，工程中看起来很简单的事情（算法依靠视觉信号的输入判断加速/减速/刹车等操作），实际操作中都会碰到很多意想不到的问题。因此决策算法的含金量还是非常高的。

对于同时配备摄像头和雷达的系统，在决策前必须要经历一次数据融合，以保证算法输入的准确性。由于商业原因，笔者在此无法向大家详细介绍，只能说，数据融合并不是做一次简单的与运算，要复杂的多。

05.总结

ADAS系统的下放已是不可逆转的潮流，无人驾驶也已在赶来的路上。对于主机厂来说，虽然ADAS系统并不一定能提高多少销量，但是人有我无却会变成最大的黑点。

对于无人驾驶来说，摄像头无法适应恶劣的天气，毫米波雷达对横穿目标毫无办法，激光雷达成本无法负担，自动驾驶所需的计算能力对车规级硬件又是不小的挑战，但我相信，随着科技的进步，自动驾驶的实现，真的只是时间问题。