透视ADAS系统中传感器技术的核心作用与原理

发布时间：2025-02-14 阅读量：1626 来源: 发布人: lina

【导读】自上世纪 70 年代首次引入防抱死制动系统（ABS）以来，ADAS 技术在乘用车中的应用稳步增加，安全性也相应提高。据美国国家安全委员会（NSC）估计，仅在美国，ADAS就有可能避免约62%的交通死亡事故，每年可挽救超过20,000人的生命3。近年来，自动紧急制动（AEB）和前撞预警（FCW）等ADAS功能已变得越来越普及，超过四分之一的车辆都配备了这些功能，以帮助驾驶员预防事故并最终挽救生命。

交通安全是一项巨大的挑战--每年有 110 多万人因道路交通事故丧生1，另有约2000万到5000万人受伤。

造成这些事故的一个主要原因是驾驶员失误2。汽车制造商和政府监管机构一直在寻找提高安全性的方法，近年来，先进驾驶辅助系统（ADAS）在帮助减少道路伤亡方面取得了巨大进步。

在本文中，我们将探讨 ADAS 在提高道路安全方面的作用，以及各种对实现这一目标至关重要的传感器技术。

ADAS 的演变和重要性

自上世纪 70 年代首次引入防抱死制动系统（ABS）以来，ADAS 技术在乘用车中的应用稳步增加，安全性也相应提高。据美国国家安全委员会（NSC）估计，仅在美国，ADAS就有可能避免约62%的交通死亡事故，每年可挽救超过20,000人的生命3。近年来，自动紧急制动（AEB）和前撞预警（FCW）等ADAS功能已变得越来越普及，超过四分之一的车辆都配备了这些功能，以帮助驾驶员预防事故并最终挽救生命。

ADAS 需要多种技术协同工作。一套感知套件充当系统的“眼睛”，检测车辆周围环境并为系统的 “大脑 ”提供数据，后者利用这些数据计算出车辆的执行决策，以辅助驾驶员——例如，当检测到前方有车辆且驾驶员未踩下刹车时，AEB会自动刹车，使车辆及时停下，避免追尾碰撞。

ADAS 感知套件由一个视觉系统组成，该系统包括一个车规级摄像头，其核心是一个高性能图像传感器，可捕捉车辆周围环境的视频流，用于检测车辆、行人、交通标志等，在低速行驶和停车情况下显示这些图像以辅助驾驶员。

摄像头通常与毫米波雷达、激光雷达（LiDAR）或超声波传感器等深度感知系统匹配应用，这些传感器提供深度信息以增强摄像头的二维图像，增加冗余度并消除物体距离测量的模糊性。

对于汽车制造商及其一级系统供应商来说，实施 ADAS 系统可能是一个挑战：处理多个传感器产生的所有数据的处理能力有限，而且传感器本身也有性能限制。汽车行业的要求决定了每个组件都必须具有极高的可靠性，不仅包括硬件，还包括相关的软件算法，因此需要进行大量测试以确保安全。系统还必须在最恶劣的照明和天气条件下保持稳定的性能，能够应对极端温度，并在整个车辆生命周期内可靠运行。

ADAS 系统中的关键传感器技术

现在让我们来详细了解一下 ADAS 中使用的一些关键传感器技术，包括图像传感器、激光雷达（LiDAR）和超声波传感器。每种传感器都会提供特定类型的数据，通过软件算法对这些数据进行处理，并将这些数据相互结合，从而生成对环境的准确而全面的了解。

这一过程被称为传感器融合，它可以通过多种传感器模式的冗余来提高软件感知算法的准确性和可靠性，从而通过更高的置信度决策实现更高级别的安全。这些多传感器套件的复杂性可能会迅速上升，算法需要越来越强大的处理能力。与此同时，传感器本身也在变得越来越先进，从而可以在传感器级而不是在中央 ADAS 处理器上进行本地处理。

汽车图像传感器

图像传感器是车辆的 “眼睛”--可以说是任何配备 ADAS 的车辆中最重要的传感器类型。从自动紧急制动、前方碰撞预警和车道偏离警告等 “机器视觉 ”驾驶辅助功能，到用于泊车辅助的 360 度环视摄像头和用于电子后视镜的摄像头监控系统等 “人类视角 ”功能，再到可检测到分心或疲劳的驾驶员并发出警报以防止事故发生的驾驶员监控系统，图像传感器提供的图像数据可用于实现各种 ADAS 功能。

安森美提供包括 Hyperlux 系列在内的各种图像传感器，这些传感器以低功耗提供出色的图像质量。Hyperlux 传感器像素架构包括创新的超级曝光成像方案，可通过 LED 闪烁缓解 (LFM) 捕获高动态范围 (HDR) 帧，克服了 LED 前后车灯或 LED 交通标志因为脉冲频闪造成的误读问题。

Hyperlux图像传感器设计用于应对具有挑战性的汽车场景条件，例如在高架桥上方的直射阳光下，能够捕捉高达150分贝（dB）的动态范围。配备Hyperlux图像传感器的摄像头在处理极端情况时的表现远优于人眼，在远低于1 lux的光照水平下也能正常工作。

安森美的 Hyperlux 图像传感器包括 800 万像素的 AR0823AT 和 300 万像素的 AR0341AT。这些数字 CMOS 图像传感器采用 Hyperlux 2.1 µm 超曝光单光电二极管像素技术，具有出色的低照度性能，同时还能在同一帧图像中捕捉高照度和低照度场景中的宽动态范围。超级曝光像素可在一帧图像中实现足够大的动态范围，从而实现 “无忧设置”的曝光方案，有效消除了在光线条件发生变化时自动调节曝光的需要，例如在晴天驶出隧道或停车场时。

深度传感器（激光雷达）

精确测量物体与传感器之间的距离被称为深度感知。深度信息可以消除场景中的模糊性，对于各种 ADAS 功能以及实现更高级别的 ADAS 和全自动驾驶至关重要。

有多种技术可用于深度感知。如果要考虑深度性能，光探测和测距（激光雷达，LiDAR）是最佳选择。LiDAR 能够以高深度和角度分辨率进行深度感知，并且由于系统通过近红外（NIR）激光与传感器的配合实现了主动照明，因此可以在所有环境光条件下工作。它既适用于近距应用，也适用于远距应用。虽然低成本的毫米波雷达传感器在当今的汽车应用中更为普遍，但它们缺乏LiDAR 的角度分辨率，无法提供超出基本ADAS需求的更高级别自动驾驶所需的那种高分辨率三维点云环境信息。

最常见的LiDAR架构是直接飞行时间（ToF）法，它通过发射一个短红外光脉冲，并测量信号从物体反射回到传感器所需的时间，从而能够直接计算出距离。LiDAR传感器通过在其视野范围内扫描光线来复制这一测量过程，以捕捉整个场景。

安森美的ARRAYRDM-0112A20硅光电倍增管（SiPM）阵列是一种单光子敏感传感器，在单片阵列中具有 12 个通道，在近红外波长如905nm处具有高光子探测效率（PDE），用于检测返回的脉冲。此SiPM阵列已被集成到一款LiDAR中4，该LiDAR装备在世界上首批提供真正“视线离开”的自动驾驶功能的乘用车上，使车辆具备了超越基础驾驶辅助的自动驾驶能力，即驾驶员可以不再关注路面情况。这种水平的自动驾驶功能，没有LiDAR深度感知的支持，至今尚未能在消费级车辆上可靠地实现。

超声波传感器

另一种用于距离测量的技术是超声波检测，即通过传感器发射频率超出人类听觉范围的声波，然后检测反弹回来的声音，从而通过飞行时间测量距离。

超声波传感器可用于泊车辅助等近距离障碍物探测和低速操控应用。超声波传感器的一个优点是声音比光慢得多，因此反射声波返回传感器的时间通常为几微秒，而光的时间为纳秒，这意味着超声波传感器所需的处理性能要低得多，从而降低了系统成本。

超声波传感器的一个例子是安森美 NCV75215 泊车距离测量 ASSP。在车辆停放过程中，该元件通过压电超声波变换器对障碍物的距离进行飞行时间测量。它可检测距离为 0.25 米至 4.5 米的物体，并具有高灵敏度和低噪声特点。

结语

安森美在开发ADAS所需的传感器技术方面发挥了重要作用。安森美发明了双转换增益像素技术和HDR（高动态范围）模式，这些技术现在被业界许多传感器采用，并开创了创新的超级曝光设计，使传感器既能提供出色的低照度性能，又能通过单个光电二极管捕捉 HDR 场景而不会出现饱和现象。

由于这种市场和技术领导地位，因此目前道路上大多数ADAS图像传感器都是由安森美开发的5。这些创新使安森美能够在过去的二十年里为汽车应用提供高性能的传感器，进而使ADAS在提高车辆安全方面产生了显著的影响。

汽车行业正持续大力投资于 ADAS，并追求车辆全自动驾驶的目标--超越由SAE定义的基本驾驶辅助功能（即L1级和L2级）6，迈向真正的自动驾驶能力（即SAE定义的L3级、L4级和L5级）。减少道路伤亡是这一趋势背后的主要动力之一，安森美的传感器技术将在这一汽车安全变革中发挥至关重要的作用。

点击了解更多关于安森美传感器产品及其在ADAS系统解决方案指南中的特性。

[1]https://www.who.int/news-room/fact-sheets/detail/road-traffic-injuries

[2]https://journals.open.tudelft.nl/ejtir/article/view/3667/3784

[3]https://injuryfacts.nsc.org/motor-vehicle/occupant-protection/advanced-driver-assistance-systems/data-details/

[4] https://www.onsemi.com/company/news-media/blog/automotive/en-us/behind-onsemi-and-innoviz-s-collaboration-on-lidar-to-enable-autonomy-on-the-road

[5] https://www.onsemi.com/company/news-media/blog/automotive/en-us/a-journey-through-advancements-in-automotive-image-sensors

[6] https://www.zf.com/master/media/magazine/2022/22_04/2022_04_29_6_levels_of_automated_driving_/sae-j3016-visual-chart_5.3.21.pdf

（文章来源：安森美，作者：Bahman Hadji，安森美（onsemi）汽车感知事业部产品营销高级经理）

免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理。