0
| 本文作者： 李安琪 | 2020-07-11 13:50 |
作為智能駕駛解決方案服務(wù)和產(chǎn)品提供商，福瑞泰克能夠提供給主機(jī)廠包含硬件、算法、軟件集成等在內(nèi)的完整的ADAS系統(tǒng)解決方案。
其為主機(jī)廠提供的ADAS產(chǎn)品，具備對(duì)中國(guó)場(chǎng)景高度的適應(yīng)性及快速靈活響應(yīng)能力。目前福瑞泰克已經(jīng)與國(guó)內(nèi)多家主機(jī)廠進(jìn)行合作開發(fā)項(xiàng)目，并已開始實(shí)現(xiàn)產(chǎn)品在主機(jī)廠量產(chǎn)車上批量供貨。
在智能駕駛時(shí)代，對(duì)于如何定義一套好的ADAS產(chǎn)品，福瑞泰克有著自己的見解。為此，雷鋒網(wǎng)新智駕邀請(qǐng)了福瑞泰克視覺算法專家吳國(guó)蘇州進(jìn)行業(yè)內(nèi)分享。
以下是吳國(guó)蘇州的演講內(nèi)容，新智駕進(jìn)行了不改變?cè)獾恼恚?/strong>
各位晚上好，在這里想跟大家探討一下智駕時(shí)代如何定義一套好用ADAS產(chǎn)品。
“好用”這個(gè)詞其實(shí)比較難以描述。所以今天會(huì)圍繞以下幾方面來講：第一ADAS產(chǎn)品在中國(guó)的發(fā)展現(xiàn)狀與趨勢(shì)；第二是ADAS產(chǎn)品的技術(shù)發(fā)展與中國(guó)路況的優(yōu)化；第三是售后與標(biāo)定問題；最后會(huì)探討產(chǎn)品常用的測(cè)試場(chǎng)景以及長(zhǎng)尾問題。
很多人認(rèn)為ADAS是2016年后才逐漸有的概念，但其實(shí)ADAS在國(guó)外發(fā)展得很早，歐洲的一些廠商在上世紀(jì)就已經(jīng)開始研究主動(dòng)安全，比如做一些碰撞減輕的系統(tǒng)，用攝像頭來做車道偏離報(bào)警系統(tǒng)。
在中國(guó)，所謂的ADAS系統(tǒng)量產(chǎn)元年其實(shí)在2012年。當(dāng)時(shí)第一款A(yù)DAS量產(chǎn)車型是紅旗H7，搭載了一個(gè)不是很高清的前視攝像頭，具有簡(jiǎn)單的車道偏離預(yù)警功能。還有一個(gè)24GHz的毫米波雷達(dá)，以及兩個(gè)側(cè)角雷達(dá)。
但真正意義上，用戶量比較大的一個(gè)ADAS系統(tǒng)其實(shí)是2015年吉利推出的博瑞車型，這款車上市時(shí)候引起了不小的轟動(dòng)。
它搭載的攝像頭和前向毫米波雷達(dá)，實(shí)現(xiàn)了燈光的自動(dòng)切換、緊急制動(dòng)等功能。這款車上市銷量一開始挺大的，讓很多人第一次真正意義上體驗(yàn)到了先進(jìn)的ADAS系統(tǒng)。但攝像頭和毫米波雷達(dá)系統(tǒng)相互獨(dú)立，數(shù)據(jù)沒有融合。2018年是中國(guó)ADAS真正的意義上的一個(gè)里程碑，出現(xiàn)了橫縱向聯(lián)合控制系統(tǒng)，也是由吉利的博瑞車型改款而來。
搭載的攝像頭和毫米波雷達(dá)實(shí)現(xiàn)了兩者數(shù)據(jù)融合。它能夠提供車道居中、低速交通擁堵輔助、交通標(biāo)志識(shí)別等功能，成為中國(guó)首個(gè)意義上的多傳感器融合車型。從全球范圍來看，量產(chǎn)時(shí)間也是比較早的。
進(jìn)入2020年，可以看到很多主機(jī)廠包括傳統(tǒng)車企和造車新勢(shì)力，紛紛宣布了進(jìn)入L3時(shí)代。
當(dāng)然，真正意義上的L3不僅感知系統(tǒng)、控制系統(tǒng)都要實(shí)現(xiàn)冗余，底盤控制器系統(tǒng)也要有可靠的設(shè)計(jì)。目前從整車的角度來看是達(dá)不到的，但是功能上基本可以達(dá)到體驗(yàn)式的L3。
講完了歷史，接下來講一講為什么會(huì)有這樣的發(fā)展，以及ADAS系統(tǒng)今后的發(fā)展方向是什么？
ADAS的發(fā)展上，技術(shù)需求和法規(guī)升級(jí)是相互促進(jìn)的。從歐洲標(biāo)準(zhǔn)ENCAP新車評(píng)定規(guī)程來看，2016版的評(píng)定規(guī)則比較簡(jiǎn)單，只有針對(duì)車輛的橫穿行人提醒功能、車道功能、限速提醒功能，并且只要求一個(gè)52°的前視攝像頭和前向毫米波雷達(dá)就足夠了。
2018年開始，ENCAP法規(guī)有了重大變化，開始考慮到橫向穿越的自行車，同向縱向行人這些交通場(chǎng)景，所以技術(shù)也在升級(jí)。這也是為什么今天各個(gè)大廠開始拋棄原有的52°攝像頭，開始做前向100°攝像頭的原因，就是特地針對(duì)橫穿的二輪車設(shè)計(jì)的。業(yè)內(nèi)的檢測(cè)算法也在進(jìn)步，原來可能只能檢測(cè)規(guī)則車道線，后來路邊草叢、護(hù)欄、沒有車道線的道路邊緣，都逐漸可以被檢測(cè)到,用以應(yīng)對(duì)RoadEdge場(chǎng)景。
2020年之后，倒車行人保護(hù)、十字路口等場(chǎng)景，都被納入考慮范圍。這樣一來，系統(tǒng)的臨近車道以及側(cè)后方檢測(cè)上都會(huì)有一些新要求，同時(shí)后角雷達(dá)也會(huì)慢慢成為標(biāo)配。
2021年，包括自動(dòng)轉(zhuǎn)向避障、十字路口橫穿車輛，都會(huì)逐步納入法規(guī)。所以“好用”這個(gè)詞，是要根據(jù)時(shí)代的要求來不斷演進(jìn)的。用當(dāng)下的標(biāo)準(zhǔn)來看三年前的系統(tǒng)，肯定不好用，所以ADAS系統(tǒng)必須跟上時(shí)代。
而法規(guī)的發(fā)展趨勢(shì)也推動(dòng)了技術(shù)的升級(jí)。
2018年以前，深度學(xué)習(xí)還沒有用在輔助駕駛場(chǎng)景上，那時(shí)還是基于傳統(tǒng)的CV算法，所以能實(shí)現(xiàn)的功能都比較簡(jiǎn)單。就是采用類似于HOG、HAAR這類算法，然后通過一些分類器來實(shí)現(xiàn)車輛、行人的檢測(cè)，車道線則是通過對(duì)比度等方式做一些邊緣特性的提取，然后擬合曲線實(shí)現(xiàn)車道線檢測(cè)。
所以2018年以前的攝像頭產(chǎn)品，如果要檢測(cè)橫穿車輛或二輪車，不是說完全不可能，但總體比較難。
2018年以后，隨著深度學(xué)習(xí)的小型化發(fā)展，很多國(guó)際的傳統(tǒng)廠商在新一代視覺芯片里加入了新的CNN處理能力。國(guó)內(nèi)也有初創(chuàng)公司推出了自己的AI視覺芯片，用于ADAS前視攝像頭。一些集成度較高的產(chǎn)品不僅集成了傳統(tǒng)算法功能，也引入了全面的CNN算法，支持真正意義上的目標(biāo)和語(yǔ)義檢測(cè)，能夠處理的像素也越來越高。
2020年開始，會(huì)陸續(xù)有大量的引入廣角攝像頭產(chǎn)品市場(chǎng)。
2022年以后，全向360度感知、視覺定位、類似V2X這些功能，那都會(huì)慢慢進(jìn)入大眾視野，這是技術(shù)和法規(guī)趨勢(shì)互補(bǔ)的演進(jìn)路線。
在具體的功能上，可以說，大部分用戶對(duì)ADAS的認(rèn)知都是從AEB系統(tǒng)開始的。很早以前歐洲很多車就配備了這個(gè)系統(tǒng)，主要靠雷達(dá)來實(shí)現(xiàn)的。眾所周知，雷達(dá)對(duì)靜止物體的感知能力并不好，同時(shí)一些金屬反射也可能會(huì)造成誤觸發(fā)，所以大家認(rèn)為這個(gè)系統(tǒng)不靠譜。但根據(jù)最新的用戶調(diào)研，車主對(duì)AEB的信任程度超過70%。
大家認(rèn)為AEB系統(tǒng)不靠譜的另一個(gè)原因是行人檢測(cè)。即便是特斯拉，也沒有很高的行人AEB觸發(fā)率。所以我們要探討，是不是所有場(chǎng)景、任何時(shí)候都能實(shí)現(xiàn)制動(dòng)？
我們認(rèn)為AEB設(shè)計(jì)的初衷是避免損失或減輕損失。
這和車輛的動(dòng)力學(xué)特點(diǎn)有關(guān)系。 車輛動(dòng)力學(xué)特點(diǎn)就是，在低速場(chǎng)景下，最遲轉(zhuǎn)向點(diǎn)是早于最遲制動(dòng)點(diǎn)的。一輛車在低速情況下接近前車，如果過了最遲轉(zhuǎn)向點(diǎn)而駕駛員沒有打轉(zhuǎn)向，就有可能會(huì)撞上這輛車；到了最遲制動(dòng)點(diǎn)，系統(tǒng)觸發(fā)制動(dòng)就可以避免碰撞。
但在高速場(chǎng)景下，最遲轉(zhuǎn)向點(diǎn)和最遲制動(dòng)點(diǎn)是反過來的。因?yàn)樵诟咚賵?chǎng)景下，面對(duì)低速前車，通常駕駛員會(huì)選擇轉(zhuǎn)向來避讓而不是制動(dòng)。當(dāng)用戶明明可以選擇轉(zhuǎn)向避讓，但是AEB系統(tǒng)卻觸發(fā)了，這種行為在高速上其實(shí)是非常危險(xiǎn)的。
所以，AEB要保證低速做好剎停，而高速應(yīng)該要減掉一定的速度，而不是一下子減速到0。 所以，我們對(duì)AEB的認(rèn)知應(yīng)該是它能夠減輕碰撞，但不是說百分之百避免損失。
談到這個(gè)，也可以來看一下避免碰撞技術(shù)的發(fā)展。2012年開始，其實(shí)ENCAP就規(guī)定要做AEB Car-to-Car rear 來防止追尾。2015年增加了行人保護(hù)。2018年包括橫向穿越二輪車，縱向行人，縱向二輪車都被納入了范圍，但由于技術(shù)本身的局限性，它不能在所有情況下完全避免碰撞。
2020年，會(huì)有一些領(lǐng)先的廠商推出輔助速轉(zhuǎn)向避免碰撞ESA，防止來車和側(cè)后方車發(fā)生碰撞，覆蓋高速場(chǎng)景。
用戶在高速場(chǎng)景下更傾向于打轉(zhuǎn)向。但如果兩車車速差距過大，用戶打轉(zhuǎn)向的路徑也不一定合理。如果系統(tǒng)做得足夠好，可以在轉(zhuǎn)向過程中，知道用戶的意圖是避免前車碰撞。如果用戶轉(zhuǎn)向不足，可以通過系統(tǒng)的路徑規(guī)劃來為用戶規(guī)劃一條可以避免碰撞的轉(zhuǎn)向路徑。就是進(jìn)行一個(gè)有限的干涉，幫助用戶補(bǔ)足轉(zhuǎn)向需要的扭距，從而避免碰撞，這也是一個(gè)技術(shù)發(fā)展方向。
從ADAS的執(zhí)行角度目前沒有統(tǒng)一的標(biāo)準(zhǔn)和法規(guī)，用戶依然是責(zé)任方，而不是車輛自主決策，如果用戶分神沒有轉(zhuǎn)向，那么系統(tǒng)也是不能及時(shí)反應(yīng)的。
那么考慮這些問題，2022年ENCAP最新的草案里也開始提到了，要引入三個(gè)技術(shù)：加入AEB-head on，AEB-junction 和AES。但因?yàn)闅W洲疫情比較嚴(yán)重，可能會(huì)往2024年去推，但總的來說趨勢(shì)是不可避免的。
ADAS的算力、功耗與成本
不同等級(jí)的駕駛系統(tǒng)，對(duì)傳感器和算力有著不同的需求。通常，輔助駕駛需要的算力是1~2Tops，傳感器配置應(yīng)該是一個(gè)視覺傳感器加1~5個(gè)毫米波雷達(dá)；L3有條件自動(dòng)駕駛通常要20~64Tops的算力，更多的視覺傳感器、毫米波雷達(dá)、V2X、高精度地圖以及激光雷達(dá)；L4需要更多的激光雷達(dá)，需要至少320Tops的算力。
當(dāng)下輔助駕駛銷量最大，那么它到底需要一個(gè)什么樣的配置？以視覺為例，通常攝像頭放在車前玻璃頂上的，需要在空間很小并且處于太陽(yáng)暴曬的地方集成視覺傳感器和車身通信。
它需要集成好幾方面的資源：包括CNN引擎，處理復(fù)雜的神經(jīng)網(wǎng)絡(luò)來做視覺算法；要有內(nèi)存系統(tǒng)，包括SRAM、DDR等用來做一些傳統(tǒng)算法和追蹤工作。
不同的神經(jīng)網(wǎng)絡(luò)類型對(duì)資源的占用以及處理器的算力應(yīng)用差別很大。所以評(píng)估CNN引擎不能只看算力，現(xiàn)在市面上有很多CNN引擎的芯片，對(duì)一些特殊網(wǎng)絡(luò)的加速并不好。在選擇CNN芯片的時(shí)候SRAM、DDR也是要考慮的方面，因?yàn)橛?jì)算時(shí)候大量的乘加不可能在DDR完成，所以CNN引擎要配上一個(gè)比較合理尺寸SRAM才能工作，這個(gè)SRAM的大小要考慮到框架做得好不好，視覺處理區(qū)域網(wǎng)絡(luò)有多大，這些都是要考慮的。這個(gè)目的是盡量避免DDR的消耗，特別是 DDR帶寬的消耗，如果DDR消耗過大，成本就會(huì)上去了，發(fā)熱量也會(huì)特別大。
從ARM和DSP的配置來看，很多國(guó)外的傳統(tǒng)引擎廠商做的都不錯(cuò)，都有一些傳統(tǒng)視覺算法加速器，而且工具鏈做的也不錯(cuò)。由于沒有DSP積累，一些新的廠商往往通過算力比較高的ARM來彌補(bǔ)這一點(diǎn)。當(dāng)然如果要用傳統(tǒng)算法要提取特征點(diǎn)或者做相機(jī)標(biāo)定的話，可能要熟悉DSP、熟悉廠商給的DSP庫(kù)，或者對(duì)ARM的并行優(yōu)化做的比較好，否則對(duì)算力的要求會(huì)非常高。
在檢測(cè)方面，從法規(guī)需求也可以看出，2018年后有重大的更新，這個(gè)更新在2021年的CNCAP版本會(huì)體現(xiàn)出來。就是說傳統(tǒng)相機(jī)52度視角度可以順利通過前向測(cè)試場(chǎng)景，但是很難通過橫穿二輪車這些場(chǎng)景。
所以廠商會(huì)將攝像頭視覺的中間區(qū)域盡量做到和傳統(tǒng)的一致，傳統(tǒng)區(qū)域要用來檢測(cè)車輛、行人、二輪車、車道線、交通標(biāo)志這些，并且探測(cè)距離要求比較遠(yuǎn)。而周圍的區(qū)域就只檢測(cè)橫穿的二輪車（包括未來做橫穿車輛檢測(cè)），只要滿足法規(guī)要求就可以了。通常來講一般只要檢測(cè)到30米以內(nèi)，就可以滿足2021年的CNCAP要求。
在這里重點(diǎn)講一下CNN加速器的類型，目前業(yè)界很多廠商做的CNN加速器都不一樣。從原始類別來看，CNN加速器可以分為兩大類，第一類就是利用ASIC來做一些CNN加速，里面有固定的kernel和size。有一些大廠用的芯片就是這種情況，所以其CNN能力會(huì)有問題的。比如說做一個(gè)point wise的卷積，因?yàn)槠涔潭ǖ膋ernel size是5x5，只有1/25的算力用得上，效率非常差。因此在設(shè)計(jì)網(wǎng)絡(luò)的時(shí)候要避免這種情況的發(fā)生，根據(jù)處理器的特點(diǎn)來設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)，然后實(shí)現(xiàn)性能的優(yōu)化。
另外一類就是高位寬的SIMD。它的一個(gè)特點(diǎn)是，能實(shí)現(xiàn)比較好的卷積加速，但像upsample、softmax、pemute這些都干不了，所以得占用別的資源來做。這就涉及到資源的消耗問題，怎樣把DSP/ARM的內(nèi)存帶寬利用好，怎么排時(shí)序，不能ARM在運(yùn)行的時(shí)候等DSP，DSP運(yùn)行的時(shí)候等ARM，那就把整個(gè)算法的時(shí)間都浪費(fèi)掉了。
當(dāng)然也有廠商集成兩者的優(yōu)點(diǎn)，做了一個(gè)混合的芯片。如果廠商自己做算法、芯片，那么內(nèi)部的適用性是比較高的；但如果想提供通用芯片，就得對(duì)未來幾年網(wǎng)絡(luò)發(fā)展的概況有很好的了解，否則做出來的芯片模組做出來沒人用，就會(huì)造成浪費(fèi)，導(dǎo)致競(jìng)爭(zhēng)力下降。
講完芯片，來講一下視覺算法。目前視覺算法其實(shí)做的非常復(fù)雜，大家也有一個(gè)共識(shí)，就是不能只靠CNN來做。因?yàn)槟壳癈NN在視覺算法里的應(yīng)用僅僅是圖像級(jí)的檢測(cè)，比如說通過CNN來實(shí)現(xiàn)畫面中目標(biāo)框、特征點(diǎn)、屬性的回歸，當(dāng)然對(duì)像素的分割也是比較好的。
但這些畢竟是在圖像坐標(biāo)系里發(fā)生的，即便真的檢測(cè)到了人和車，也是在圖像坐標(biāo)系下。為了獲得對(duì)象在車身坐標(biāo)的具體位置，必須得精準(zhǔn)知道一些攝像機(jī)的標(biāo)定參數(shù)。而一些相機(jī)姿態(tài)的動(dòng)態(tài)計(jì)算，目前還得通過傳統(tǒng)的CV引擎來做，如果一些芯片沒有傳統(tǒng)的CV引擎，就要想辦法把它挪到CNN引擎的并行加速庫(kù)，如果再?zèng)]有，就要將上面的指令集優(yōu)化做到極致，才能把這些東西全部做好。
另外，比如白天、黑夜識(shí)別需要的特征統(tǒng)計(jì)工作，都需一些傳統(tǒng)算法。并且燈光檢測(cè)也是ADAS必不可少的一個(gè)部分，目前這個(gè)領(lǐng)域CNN用的不是很廣泛，所以也還需要傳統(tǒng)算法的算力?？上攵?，在ADAS領(lǐng)域要用一個(gè)這么小的低功耗引擎，同時(shí)集成這么多任務(wù)，難度是非常大的。
那有了這樣的系統(tǒng)，如何優(yōu)化ADAS的用戶體驗(yàn)仍然充滿挑戰(zhàn)，這可能跟中國(guó)道路問題的頑疾有關(guān)。舉一些場(chǎng)景例子，第一個(gè)場(chǎng)景是在車輛在ACC的狀態(tài)下被近距離切入，用戶本來開著ACC，一看有后車切入比較危險(xiǎn)，只能把ACC取消掉了，所以用戶體驗(yàn)不好。
第二是施工區(qū)域，通常來講歐洲的施工區(qū)域都比較規(guī)范，用黃線來覆蓋白線，規(guī)則也比較好寫；但在中國(guó)，施工區(qū)域往往都是就扔幾個(gè)樁桶就完事了，如果開著TJA路過這種場(chǎng)景，系統(tǒng)進(jìn)行橫向控制，比如橫向地往樁桶上拉，也導(dǎo)致用戶體驗(yàn)差。 第三，國(guó)內(nèi)的異形車輛特別多，路上也有石塊等非規(guī)則物體。
具體看ACC下的cut in例子。一些用戶對(duì)cut in感覺不好，主要還是因?yàn)槟壳耙焉鲜械腁DAS產(chǎn)品基本上還是用傳統(tǒng)CV引擎來做圖像識(shí)別，也就是說，它能識(shí)別車的正面和背面，但識(shí)別不了車的側(cè)面。毫米波雷達(dá)能夠通過聚類追蹤得到的反射點(diǎn)是車輛后方的正中心。
因此攝像頭和毫米波融合之后就能夠知道車輛的后方在在什么位置，但不知道車的長(zhǎng)度是多少。所以前方車輛的行駛軌跡能夠預(yù)估出來，但不可能真實(shí)地測(cè)量出每個(gè)時(shí)刻的目標(biāo)車輛的航向角，畢竟猜測(cè)總是有一定的滯后性，所以ACC cut-in 不太好做?；旧现荒芨鶕?jù)后方車輛的侵入、自車行駛軌跡的范圍比例來判斷車輛的跟車目標(biāo)，這種情況下做不好ACC很正常。
但如果有CNN加速的話情況可能會(huì)好一點(diǎn)。目前來看，新一代算法基本可以做到3D車輛檢測(cè)，不僅能夠檢測(cè)車尾，車的側(cè)面條線也能檢測(cè)出來，實(shí)現(xiàn)真正意義上的3D感知。做的比較好的情況下，車輛的3D位置以及航向角和車輛入侵的前方的比例，都是可以算出來的。如果我們把fusion做好一點(diǎn)，控制策略做得激進(jìn)點(diǎn)，完全有可能解決這個(gè)問題。
我認(rèn)為，2021年后會(huì)有大量的新一代攝像頭產(chǎn)品上市，特別是中國(guó)本土的廠商，比較熟悉中國(guó)路況，這個(gè)問題未來會(huì)大有改善。
再看看道路上的不規(guī)則物體，不規(guī)則物體相對(duì)來說比較麻煩，因?yàn)橐曈X算法也很難搞定的。業(yè)內(nèi)也有一家做的比較好的企業(yè)，很早就開始研究畫面中的特征點(diǎn)和趨勢(shì)，把路面的危險(xiǎn)預(yù)測(cè)出來。但如果實(shí)地測(cè)試一下，會(huì)發(fā)現(xiàn)在白天不下雨的情況下，只有50%的概率是可用的，并且位置精度不夠準(zhǔn)確。
很多毫米波雷達(dá)廠商也開始發(fā)展垂直分辨率，但對(duì)于遠(yuǎn)距離探測(cè)路面10厘米高的物體情況，毫米波雷達(dá)的用處也不大。除非走的是成像毫米波雷達(dá)路線，但短期來看，業(yè)內(nèi)還沒有哪家的成像毫米波雷達(dá)能夠?qū)崿F(xiàn)量產(chǎn)。相反，我認(rèn)為未來固態(tài)激光雷達(dá)完全有可能解決這方面的問題。
福瑞泰克內(nèi)部也測(cè)試了一些固態(tài)激光雷達(dá)，用某個(gè)廠商的250線固態(tài)激光雷達(dá)，可以看到在80米范圍內(nèi)的一些石墩。如果是一個(gè)20厘米高左右的物體掉在地上，固態(tài)激光雷達(dá)未來完全有可能解決這個(gè)問題。但同時(shí)也還是要考慮固態(tài)激光雷達(dá)的量產(chǎn)時(shí)間、可靠性和成本，否則很多普通乘用車是裝不起的。
接下來講售后問題。什么樣的產(chǎn)品稱之為好用？不是說裝車試驗(yàn)一下就行。通常情況下，ADAS產(chǎn)品的傳感器安裝是有誤差的。根據(jù)福瑞泰克的工程經(jīng)驗(yàn)，攝像頭毫米波雷達(dá)在主機(jī)廠的初始安裝誤差在±2°。從生命周期來看，10年20多萬(wàn)公里的風(fēng)吹日曬，產(chǎn)品內(nèi)部的機(jī)械結(jié)構(gòu)可能會(huì)發(fā)生老化變形，通常會(huì)有±1.5度的偏差，累計(jì)起來就是±3.5度的偏差。這是所有的ADAS產(chǎn)品裝車之后可能出現(xiàn)的誤差范圍。如果想要做的比這個(gè)更好，那成本會(huì)更高。
另外，如果車上坐了人，傳感器的pitch也會(huì)發(fā)生變化，特別是懸架比較高的車輛。某些車輛500千克的負(fù)載在車上，車的懸架會(huì)降低5厘米，最高可能導(dǎo)致5cm的相機(jī)安裝高度變化。但如果相機(jī)算不出來，對(duì)車道線的檢測(cè)精度肯定會(huì)不準(zhǔn)。
0.5度的航向角偏差，可能會(huì)導(dǎo)致100米外的車輛橫向距離相差0.87米。毫米波雷達(dá)縱向距離檢測(cè)比較好，橫向檢測(cè)基本靠攝像頭。如果橫向位置偏差0.87米，有可能導(dǎo)致fusion的失效，或者ACC目標(biāo)選擇錯(cuò)誤，這基本上是不能容忍的。
所以標(biāo)定的算法得是動(dòng)態(tài)的，不能只在出廠時(shí)標(biāo)定一下。眾所周知，相機(jī)本身的支架在生命周期內(nèi)會(huì)老化，用戶也有可能進(jìn)行維修換件，那4S店的操作工人可能沒有用激光把車軸對(duì)準(zhǔn)就開始標(biāo)定了，最后標(biāo)定的距離有可能就會(huì)產(chǎn)生偏差。另外，相機(jī)雷達(dá)的外參比較好標(biāo)的，但內(nèi)參就比較難。在10年的生命周期內(nèi)，鏡頭有可能發(fā)生熱脹冷縮。以前有一句話叫內(nèi)參不夠外參來湊，這對(duì)窄角相機(jī)來說，畸變比較小還是可以的，但對(duì)于未來100度甚至以上廣角的相機(jī)，內(nèi)參如果變得太多，外參怎么樣也彌補(bǔ)不好。所以不僅算法要好，工藝控制也要到位。
談到標(biāo)定算法，現(xiàn)在基本上市面所有產(chǎn)品，都能夠?qū)崿F(xiàn)根據(jù)車道線道路邊緣的消失點(diǎn)來標(biāo)出相機(jī)的俯仰角。 但在非結(jié)構(gòu)化道路上，就不能通過車道線來標(biāo)定，可能得根據(jù)光流的連續(xù)追蹤，尋找消失點(diǎn)，從而計(jì)算標(biāo)定角度。但大部分廠商對(duì)于翻滾角roll基本都是標(biāo)不出來的。當(dāng)然如果結(jié)構(gòu)化道路好的話，算法做得好，在變道的過程中積累了一些case，翻滾角roll也能算出來。
但是最厲害的還是把相機(jī)高度給算出來，業(yè)界做的比較好的，可以通過引入車身傳感器信號(hào)和畫面的比對(duì)，把相機(jī)的高度給實(shí)時(shí)算出來。這是一個(gè)難點(diǎn)，但很多廠商已經(jīng)開始這么做了。
講完售后和標(biāo)定問題，再來從測(cè)試和Corner case的角度講一講ADAS功能的需求是什么。從功能來看可以分為兩大類，一類是安全類功能，另外一類是舒適性功能例如定速巡航這類。
安全類功能上，很多人關(guān)心的是在多少時(shí)速下AEB能剎停。但這不是首要考慮的問題，首要考慮的是AEB的誤觸發(fā)率，這是一個(gè)影響非常大的問題。通常來講，要在保證誤觸發(fā)指標(biāo)沒有問題的基礎(chǔ)上，每30萬(wàn)公里，F(xiàn)ull Break誤觸發(fā)次數(shù)小于1，Half Break 誤觸發(fā)次數(shù)小于1.5之后，才能討論正觸發(fā)能力。
一般來說，在嚴(yán)格滿足誤觸發(fā)概率的基礎(chǔ)上，在自車40公里每小時(shí)的速度下，對(duì)前方的靜止車輛能夠剎停；如果自車的速度是60公里每小時(shí)，對(duì)前方車速為20公里每小時(shí)的車輛能夠避免碰撞，就可以說是做的不錯(cuò)了。
類似自適應(yīng)巡航的舒適類功能，首先要考慮的是駕駛員的感受。關(guān)于主觀感受的比較好，也有一些評(píng)測(cè)機(jī)構(gòu)定了一些標(biāo)準(zhǔn)：比如前車靜止，自車能夠在時(shí)速70的情況下緩慢跟停而AEB不觸發(fā)；對(duì)切入的車輛，再自車車速30公里每小時(shí)，前車15公里每小時(shí)或者自車是65公里每小時(shí)，前車35公里每小時(shí)的情況下，能夠緩慢車，而不需要駕駛員干擾；對(duì)于橫向控制，一般車道居中能保證±20厘米就可以了。 過彎方面，一般時(shí)速100公里能夠通過轉(zhuǎn)彎半徑250米的彎道，我們就認(rèn)為這套系統(tǒng)比較好了。
當(dāng)然，對(duì)于變道換道，一些評(píng)測(cè)標(biāo)準(zhǔn)大家都還在研究。
至于Corner case，可以來看看基本所有量產(chǎn)ADAS產(chǎn)品量產(chǎn)過程中都會(huì)遇到的Corner case。
第一個(gè)就是上橋下橋路面不平，很多相機(jī)在測(cè)試時(shí)候都假設(shè)路面是平的，一旦發(fā)生路面不平的，車道線要么檢測(cè)不出來，要么就交叉到一起。這種情況下，是不是一定要把路面曲率預(yù)估出來？我覺得未必。如果功能策略做的好，過橋的時(shí)候把橫向控制稍微緩一緩，或者干脆退出橫向控制用戶體驗(yàn)會(huì)改善。
第二個(gè)是車道線，在車道交匯處有這么多條線，車輛到底選擇哪條線作為左車道。駛出匝道的時(shí)候，到底直線車道先被檢測(cè)出來還是彎車道被檢測(cè)出來，如果先檢測(cè)到直線車道，方向盤就會(huì)晃一下，造成用戶體驗(yàn)不好。說實(shí)話這跟深度學(xué)習(xí)沒關(guān)系，基本上只能靠做測(cè)試，不停修改策略、打補(bǔ)丁才能做好。
第三是單雷達(dá)導(dǎo)致AEB誤觸發(fā)問題。雖然現(xiàn)在都是fusion系統(tǒng)，但過程中可能會(huì)發(fā)生ACC減速的情況。怎么樣通過雷達(dá)的反射把盡量把ACC做的更舒服一點(diǎn)，也是很大的工程經(jīng)驗(yàn)。未來毫米波雷達(dá)廠商可能會(huì)推出垂直分辨率的毫米波雷達(dá)，這個(gè)問題自然而然也就能解決了。
最后一個(gè)是進(jìn)出隧道的場(chǎng)景，雖然車載相機(jī)一般都有120dB的動(dòng)態(tài)范圍，但這到底夠不夠？我們也在一些調(diào)好曝光、極限的場(chǎng)景做過測(cè)試。通常來講，很少真的因?yàn)檫^曝或者欠曝導(dǎo)致沒有辦法產(chǎn)生對(duì)比度的情況。攝像頭成像要給深度學(xué)習(xí)或者給視覺算法用，sensor
出來的raw圖像，得經(jīng)過ISP的色彩還原和tune mapping等處理，通常才能給CNN使用。這個(gè)過程如果有任何一個(gè)過程做得不好，最后還是檢測(cè)不出來，這也是工程能力的一個(gè)體現(xiàn)。
最后總結(jié)一下，到底怎樣才能做一個(gè)好用的ADAS產(chǎn)品？
從福瑞泰克的角度，我們認(rèn)為有幾個(gè)方面：一是感知能力要全面且要精準(zhǔn)。 二是傳感器融合。視覺還是有局限性的，如果不做融合，如果在下大雨的場(chǎng)景下，視覺是沒有毫米波雷達(dá)可靠的，所以多傳感器融合也一大趨勢(shì)。
第三，作為一個(gè)好用的ADAS產(chǎn)品，不僅傳感器要能夠好，融合策略夠好，整車控制也要做得好。因?yàn)锳DAS畢竟作為整車的一個(gè)功能，如果車輛的執(zhí)行器不好，最終帶來的用戶體驗(yàn)還是不夠好。
第四，產(chǎn)品要穩(wěn)定可靠，保證在10年25萬(wàn)公里的生命周期內(nèi)，傳感器的感知維持一致。如果在某些場(chǎng)景出現(xiàn)失效，超出了算法認(rèn)識(shí)的范圍，一定要有能力讓用戶知道該進(jìn)行維修了，同時(shí)將詳細(xì)的故障內(nèi)容記錄下來，讓用戶及更換。
另外，要下苦功夫進(jìn)行充分測(cè)試。國(guó)內(nèi)的產(chǎn)品就得在中國(guó)的所有道場(chǎng)景下，都得有充分的測(cè)試案例數(shù)據(jù)。
最后是人機(jī)交互，在未來功能越來越復(fù)雜的情況下，如何通過一個(gè)人機(jī)交互界面，在AEB這些發(fā)生之前給用戶一兩秒鐘的反應(yīng)時(shí)間，都能極大改善用戶體驗(yàn)。
綜上所述，這些都是一個(gè)好用的ADAS產(chǎn)品需要考慮的范圍。
福瑞泰克定位為一家“立足中國(guó)本土”的ADAS系統(tǒng)和解決方案供應(yīng)商，公司成立至今超過3年多的時(shí)間，我們的第一代的攝像頭產(chǎn)品已經(jīng)在乘用車和商用車上實(shí)現(xiàn)了量產(chǎn)，包括實(shí)現(xiàn) ACC、AEB、LKA、TJA等多種L2功能。
針對(duì)新一代的法規(guī)需求，我們正在開發(fā)新的產(chǎn)品，完全滿足2021年法規(guī)的需求。新一代的攝像頭產(chǎn)品采用了3mega BSI技術(shù)的COMOS Sensor，同時(shí)配合一個(gè)100°廣角攝像頭，完成支持C-NCAP2021的法規(guī)技術(shù)。
在LKA以及TJA等功能上，對(duì)于車道線不清晰以及沒有車道線的道路邊緣，福瑞泰克的新一代產(chǎn)品也能夠識(shí)別并通過控制方向盤響應(yīng)，提升用戶感受。
（雷鋒網(wǎng)） 雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
