|
文章：Composition and Application of Current Advanced Driving Assistance System: A Review 作者：Xinran Li, Kuo-Yi Lin, Min Meng, Xiuxian Li, Li Li, Yiguang Hong, and Jie Chen 编译：点云PCL 来源: arXiv 2021 欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。未经博主同意请勿擅自转载。 公众号致力于分享点云处理，SLAM，三维视觉，高精地图相关的文章与技术，欢迎各位加入我们，一起每交流一起进步,有兴趣的可联系微信：920177957。本文来自点云PCL博主的分享，未经作者允许请勿转载，欢迎各位同学积极分享和交流。 摘要 随着人们对驾驶安全意识的提高和尖端技术的发展，越来越多的车辆配备了先进的辅助驾驶系统（ADAS），其精度更高，价格更低。本文对该领域的最新进展要求对ADAS的传统知识、最新研究以及在现实世界中的新应用进行综述。这个领域的新手可以更容易地获得基本知识，其他研究人员可能会受到启发，了解未来潜在的发展可能性。本文通过分析ADAS的硬件支持和计算算法，对其进行了概述。从内部特征分类、安装位置、支持ADAS功能以及优缺点等方面介绍了不同类型的感知传感器，从不同传感器的固有特性和每个ADAS功能的具体用途，总结和说明了不同传感器之间的比较，本文从传统方法和新思想两个方面收集并简要介绍了ADAS函数的现有算法。此外，本文还回顾了不同研究机构对ADAS定义的讨论，并着重介绍了中国ADAS未来的研究方向。 主要贡献 自动驾驶（AD）的发展是为了满足现实生活中对辅助驾驶的需求，根据自动驾驶的执行过程，自动驾驶的体系结构可分为环境感知、行为规划和运动控制。基于自动驾驶的实施和驾驶行为的责任，美国汽车工程师学会（SAE）发布了一个分类法，并将自动驾驶从0级（完全的人类控制）划分为5级（完全的自动驾驶）。根据SAE的分类，ADAS仅达到2级，其职责包括检测车辆周围环境、向驾驶员发出紧急警告以及执行一个或多个简单的控制功能，例如速度控制和自适应、紧急制动等。目前，一些研究机构实现了三级功能的自动驾驶，大多数商用车仅支持二级以下的自动驾驶，以辅助人类驾驶。换句话说，现有的自动驾驶实现主要达到ADA级别，因此，有必要对ADAS进行详细介绍，并总结当前应用的ADAS功能和实现，ADAS作为嵌入商用车辆中最重要的系统之一，致力于减少人为错误，避免潜在交通事故的数量和严重事故，根据2019-2020 MWL相关开放式安全建议的总结，消除了干扰，实施了一项全面的战略，以减少超速相关碰撞，在所有新的公路车辆中增加防撞系统的实施，减少疲劳相关事故，都是交通安全改进的十大目标，事实上，上述所有要求都可以是ADAS的组成部分。  表一展示了这篇文章涉及的参考文献 为了总结ADAS的发展现状并提供可能的研究方向，有必要对ADAS的最新研究成果进行总结，并详细介绍ADAS的实现和硬件结构,如表一所示，我们总结了当前的相关论文，大多数关于智能车辆的最新文章都与自动驾驶相关，通常关注整个系统关硬件选择和构造的基本知识。我们还收集了关于ADAS功能算法实现的最新研究成果，并根据其硬件支持给出了结果，以向经验丰富的研究人员展示最先进的研究成果，并为他们提供未来发展的可能性。 本文的主要贡献总结如下，首先，本文基于特定的ADAS功能，而非高级自动驾驶任务。我们希望为新来者清晰地展示ADAS相关知识，并总结当前仅关注ADAS的发展。其次，本文的介绍与当前的商用车辆相关，而不是机构或实验室的车辆，以更好地显示ADA的当前水平和实际程度。例如，所有传感器信息都与它们在商用车辆中的实际应用一起呈现，例如安装位置、类别选择、应用ADAS功能的优缺点。第三，收集的大部分论文都是在最近三年发表的，因此这些算法都是最先进的，对未来的发展有很大的参考价值。  图1：感知传感器位置和相应的ADAS功能 感知传感器 A.激光雷达 激光雷达是自动驾驶汽车发展的重要组成部分，它主要用于实时邻近区域的感知和高分辨率建图，激光雷达传感器的相关ADAS功能，主要包括用于感知和定位的功能。 在ADAS中，激光雷达传感器最重要的作用是用于目标检测，例如，防撞、行人检测和泊车辅助。用于近距离感知，如前向防撞系统的激光雷达使用廉价的低距离和低分辨率版本来测量1到10米之间的距离，在一些低速场景中实施，如停车辅助和紧急制动辅助，这些都是“城市安全”和“城市停车”等商用车开发计划中的关键功能。对于远距离检测，如行人识别和目标跟踪，激光雷达可以提供精确的距离信息和更大的视野，因为发射的激光在反射前可以达到200米，并且它构建的3D点云有助于更好地分割。该传感器可以区分车辆需要停车的障碍物（如正在过街的行人）和车辆不需要停车的障碍物。激光雷达传感器在ADAS中的另一个常见用途是定位，基于激光雷达的定位方法提供了测量精度和易处理性，激光雷达测量的环境反射强度分布可以在环境中建立三维目标图像，并对其进行进一步处理，用于目标识别或运动预测。目前，激光雷达传感器安装在车辆周围或车辆上方。 激光雷达是在光线条件较差的ADAS系统中一种成熟传感器，与传统雷达传感器相比，激光雷达使用更短的波长和优越的波束特性，为3D成像和点云生成提供了更合适的选择，然而，激光雷达在恶劣天气条件下（如大雨、大雪或大雾）可能会表现出不良行为，因为这类天气会影响光的反射和折射，目前的激光雷达传感器价格昂贵，这也影响了其在ADAS市场的商业推广，尽管上述传统的机电激光雷达能够在相当长的范围内旋转和扫描周围环境，但它们设计庞大，销售昂贵。在这种情况下，一些其他最先进的方法，如固态激光雷达问世，并将激光雷达传感器的构造集成到一个芯片上。由于不涉及移动机械部件，因此它在振动方面更具弹性，在结构上节省空间，甚至具有更高的分辨率和扫描速度。 B.相机 由于相机对环境的大范围的感知和可接受的价格，摄像头是ADAS的主要传感器之一。摄像机能够同时获取所有物体的纹理和颜色，因此特别适合于路面检测和交通信号检测，如果成对使用，可以作为立体视觉系统，相机系统还能够测量距离，可以进一步处理距离以进行定位和建图，根据摄像头在车内的位置，可以将其归纳为车外摄像头和车内摄像头，分别关注周围环境感知和驾驶员状态检测，外部摄像头可细分为前置摄像头和环视摄像头，用于不同的ADAS功能。前摄像头通常安装在挡风玻璃顶部的后面，提供远距离能见度，以检测前方情况和远处物体，许多基本的ADAS功能都是基于前置摄像头实现的，前向碰撞警告是最基本的辅助应用程序之一，它使用前置摄像头检测障碍物，优化其相对位置，并将其分类为汽车、轨道或行人。交通标志识别通过摄像头的颜色和形状识别功能向驾驶员告知当前的速度限制、道路规则和警告。 车道偏离警告（LDW）通过实时捕获地面信息并使用计算机视觉算法识别车道标记，都由前置摄像头实现，这些特性可以在机械结构的帮助下进一步应用于车道保持系统和车道保持辅助功能，安装在车辆周围的环视摄像头通常是近程摄像头，提供360◦ 鸟瞰图对于汽车而言，环视图系统传感器套件通常由四个广角摄像头组成，安装在前保险杠、后保险杠和两侧后视镜下的另外两个摄像头[29]。这种相机的帧速率很低，在这种情况下，它是为停车等低速情况而设计的，在图像几何和光度校准后，将有一个鸟瞰视图，为驾驶员提供泊车辅助功能，此外，通过检测接近车辆的周围物体，环视图系统还具有盲点监控功能，车内摄像头通常安装在仪表盘的顶部，用于检测驾驶员的头部姿势并跟踪眼睛信息，以监控驾驶员的状态，当驾驶员头部发生异常变化或驾驶员的视线不向前时，它被设计用于识别驾驶员的状态，以实现驾驶员睡意检测，车内摄像头的高级功能是区分司机是否喝醉，这对道路安全有着至关重要的贡献。 除了上面提到的传统单目相机外，还有一些特殊功能的相机，当摄像机成对使用时，由于两个摄像机图像之间的透视差异，可以在20-30米的范围内测量前方物体的运动及其距离。因此，在汽车制造业中，立体摄像机可以作为激光雷达传感器的替代品，价格更低，视野更小，热相机也广泛应用于ADAS。它可以探测到任何产生或包含热量的东西，这些热量在夜视或恶劣天气条件下表现出色。此外，在白天驾驶时，借助热摄像头，可以更好地处理图像捕获，以减少可见摄像头的冗余，由于许多原因，摄像头被广泛应用于ADAS功能中，它体积小，安装自由度高，由于摄像头具有颜色捕捉能力，可以通过较少的后期处理来区分特定的对象识别，如交通信号灯和手势。此外，在深度学习的支持下，摄像头采集的高分辨率图像可以更好地呈现周围的信息，由于传统的单目摄像机对光照和天气条件敏感，因此摄像机传感器仍然存在一些弱点，而这种信息的提取需要复杂而繁重的计算过程。 C.雷达 雷达作为ADAS套件中的标准配置，是所有感知硬件中应用于车辆上的第一个传感器，它通过发射电磁波和接收反射波，在距离测量和相对速度检测中发挥着重要作用。近年来，雷达通常与摄像头或激光雷达结合使用，以弥补盲点或环境条件造成的损失，确保驾驶安全和乘坐舒适性，它可以分为短程、中程和远程，安装在不同的位置，以实现不同的ADAS功能，远程雷达，能够探测200米以内的物体，总是安装在前保险杠的中间，它可以在10-250米的范围内，在±15米的范围内进行探测识别多个目标，特别适用于远距离前方障碍物检测和避碰。由于远程障碍物识别的能力为制动准备了足够的范围和时间，因此它被用于自动紧急制动和交通拥堵辅助等ADAS，从而保证高速安全。通过测量电磁波的反射，雷达还可以帮助计算相对速度，从而确保自适应巡航控制（ACC）功能，中程雷达，视野约60米±40米, 适用于行人检测和盲点警告BSW，它对称安装在每个前照灯下方，用于监控车辆后面或旁边的环境。在这种情况下，中程雷达用于车道偏离辅助系统，通过检测主车辆周围的盲点并在后视镜中警告驾驶员，当自行车或行人从盲点接近车辆时，它也可用于交叉交通警报系统，雷达中视野最广的是短程雷达。它能够在0.5-20米范围内进行探测，探测范围为±80米◦. 大多数短程雷达安装在前后保险杠的拐角处，有些车辆甚至在车门两侧安装短程雷达。近距离雷达的主要ADAS功能是支持停车辅助系统，以便在从停车位倒车时提醒驾驶员。作为ADAS系统的关键传感器，雷达以合理的价格显示出独特的性能。它对恶劣环境具有很强的鲁棒性，对光线或天气变化不敏感，由于多普勒效应，雷达信号更容易区分静止物体和运动物体，与激光雷达相比，它具有更好的探测能力，因为电磁波可以穿透许多障碍物，并反馈更多的环境信息，另一方面，汽车雷达的信号通常是低分辨率的，这使得目标分类具有挑战性。由于反射过程的原因，在曲面对象表示中可能会不准确，并且在多径反射中可能会丢失信号，随着ADAS系统的快速发展和智能车辆的普及，同频雷达信号干扰问题也引起了广泛关注，这也是亟待解决的问题之一。 D.超声波 收发器超声波传感器是安装在车辆上的基本且众多的感知传感器，因为其价格较低且性能可靠，它传输超过2000Hz的频率幅度信号，并在接收回波时计算源-目标距离。这种传感器主要用于泊车辅助系统，因为它适用于近距离检测，最远可达10米，而且由于声音信号衰减，它更适用在低速情况下工作。2016年，特斯拉发布了带有新版自动驾驶仪的S型车，该自动驾驶仪提供自动“倒车泊车辅助”功能。该车配备了12个超声波传感器，每个传感器都位于车身的拐角处，以提供大范围的感知，根据超声波传感器提供的停车区域周围信息，车辆可以成功平行停车或进入车库。此外，超声波传感器还可以用于一些ADAS功能，如盲点检测或防撞，以检测障碍物并实时警告驾驶员，超声波传感器通常是所有传感器中最便宜的，与大气条件或光照水平无关，因此在ADAS中得到了广泛的应用。但响应时间慢和仅一维距离测量限制了超声波传感器的进一步实现，低分辨率导致无法进行小目标检测和精确的目标特征提取，噪声信号干扰和声波干扰也是该领域进一步分析的难点。  图2：传感器特性的比较 为了在传感器选择中更好地选择每个ADAS功能，图2总结并比较了上述四个外部传感器的特点。可以看出，激光雷达是最昂贵的感知传感器，需要很大的计算成本，但它在所有其他功能中表现出最好的性能，摄像头几乎适用于所有领域的感知，因此，它是目前ADAS市场上使用最广泛的传感器，远程雷达在距离检测方面特别有用，而超声波传感器是最便宜的。 定位传感器 除了上述传统的外部感知传感器外，还有一些其他类型的传感器专注于地理位置信息收集，这有助于环境检测、车辆运动决策和路径规划，全球定位系统（GPS）和惯性测量单元（IMU）是这类传感器的代表，GPS通过接收三颗以上卫星的数据来计算当前时间和位置，这类信息可用于车辆导航，使用GPS的优点是，利用现有地图，可以确定车辆的大致位置，然而，GPS只能精确到1-2米左右，需要及时更新地图数据，此外，在隧道等室内区域，来自卫星的信号可能非常微弱，城市中的高层建筑也可能影响信号接收，IMU传感器通过测量车辆沿X、Y、Z轴的加速度来提供内部运动信息，它显示的是车辆运动轨迹，而不是自身位置信息，并且由于误差累积，精度会随着时间的推移而降低，然而，将这些定位传感器与激光雷达等新型地图传感器集成，可以在一定程度上帮助降低定位成本，将精度提高到仅几厘米，并减轻实时计算的计算压力。 预测算法 预测算法使用直接从上述感知传感器收集的原始数据，并为ADAS获取相关特征，以达到辅助或警告驾驶员的目的。ADAS功能可根据其定向方法和实际驾驶辅助效果分为几个部分。本文根据详细的ADAS目标，将ADAS功能归纳为三种主要类型，如表II所示。  ADAS的应用 尽管ADAS的精度和实施能力等硬件性能不断提高，车辆上的传感器安装已准备就绪，相关技术发展迅速，但进一步推广ADAS部署仍面临挑战,因此，有必要对实际使用车辆的区域进行相应的本地化调整，以适应特定的天气条件、交通特征和人文环境。关于自动驾驶和ADAS，目前最流行的分类是SAE 2016的分类法，该分类法通过区分驾驶用户和驾驶系统在整个动态驾驶任务中的充电角色来确定驾驶自动化水平分类。此外，在文件中，还提出了一些基于每个级别的具体ADAS功能示例，如ACC、LDW、BSW等。这种清晰、结构化的分类法无疑有助于汽车制造商，也有助于整体智能汽车发展的规划，实际上，在2016年发布SAE分类法之前，还有其他一些简单的报告或政策，这些报告或政策旨在简单地定义车辆自动化水平。  总结 本文主要介绍了ADAS的特点，从硬件支持和实现算法两方面介绍了ADAS的基本功能，为自动驾驶领域的新手提供了清晰的描述，本文最后对ADAS的应用现状进行了分析，通过以上描述，本文致力于向读者展示ADAS的大规模生产情况，并为他们提出发展潜力，为了进一步开发和更广泛地部署ADAS，除了硬件和算法方面的研究外，还需要结合当地环境制定标准和要求，制造商应根据地区条件调整ADAS的基本功能。 注：论文可在知识星球中下载。 资源 三维点云论文及相关应用分享 【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法 3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020） PCL中outofcore模块---基于核外八叉树的大规模点云的显示 更多文章可查看：点云学习历史文章大汇总 SLAM及AR相关分享 如果你对本文感兴趣，请后台发送“知识星球”获取二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！ 以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除 扫描二维码 关注我们 让我们一起分享一起学习吧！期待有想法，乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉，点云，高精地图，自动驾驶，以及机器人等相关的领域。 |
|
|
