高級駕駛輔助系統（ADAS）中傳感器及算法研究

ADAS系統中，必不可少的是傳感器，目前傳感器都包括雷達，攝像機，GPS等。而傳感器的精度影響著ADAS系統能否有效的執行，與駕駛員的安全性息息相關。傳感器的精度保證之后，在此基礎上，還要一定正確的算法來保證ADAS系統的正常運行。

所以本文，首先介紹一種FGPA技術改進傳統雷達的不足。然后，提出了一個通用的軟件開發套件（SDK）概念，用于ADAS系統算法的優化。再繼續介紹，通過一種算法融合多個傳感器提高定位精度。最后再介紹卡爾曼濾波器算法來進行車輛的自適應定位。

1 基于FPGA的ADAS系統驗證技術[1]

1.1 主要目的和主要原理

為了簡化ADAS在汽車微控制器中的驗證過程，提出了一種FPGA的新技術。使用FPGA來代替物理雷達天線，并向ADAS提供高速低壓差分信號（LVDS）激勵。FPGA可以模擬多個雷達芯片的功能，生成告訴的LVDS發送給ADAS。并具有可用于物體檢測和決策的寬參數可控性。這種技術正被用于40納米技術的下一代汽車微控制器ADAS中。該技術包括以下幾個功能：

（1）數據存儲

為了從32位數據采樣生成LVDS信號，需要將數據存儲在FPGA中。我們使用兩個存儲空間：1）FP?GA Block RAM存儲器，用于小數據采集2）用于大數據采集的DDR3存儲器。

（2）數據處理

一旦數據通過被測設備（DUT）或DDR3完全加載到FPGA RAM中，將進一步處理以生成LVDS信號。FPGA內部有三個主要的模塊用于處理數據。

處理1）內部緩沖器2）CRC循環冗余校驗發生器3）14：1序列化塊。

（3）幀和串行時鐘生成

四個LVDS數據信號伴隨著一個幀時鐘和一個串行時鐘LVDS信號送到ADAS的雷達界面（RIF）模塊。

（4）計時

LVDS數據發生器的FPGA有多個時鐘區域。25 MHz的主時鐘（clk_25m）提供給FPGA，利用時鐘分頻器和乘法器從其中產生其他內部時鐘。FPGA設計也支持可編程主時鐘。為了便于解釋，我們使用clk_25m作為主時鐘。由于FPGA和DUT之間的LVDS鏈路的最大數據傳輸速率為400 Mbps，即在時鐘的兩個邊沿上采樣率為200 MHz，所以14：1串行化數據塊的14位數據輸入時鐘頻率最高可達30 MHz，稱之為clk_x。因此，FPGA RAM的讀寫，內部緩沖區的讀寫和串行化塊都寫入在clk_x時鐘。串行化塊具有兩個不同的輸入和輸出時鐘：clk_x和clk_7x。

（5）傾斜補償

傳送給每個RIF的四個數據通道，一個幀和一個時鐘LVDS信號的偏移不得超過600 ps的允許限制。要測量串行時鐘和幀之間的偏差，在驅動LVDS通道上的實際數據進行校準。

1.2 結論

該技術提供了極大的靈活性和參數可控性，使用FPGA代替雷達芯片使得驗證過程更加容易，因為它不需要實際交通情況來捕獲數據。為了使用FPGA生成有意義的雷達數據，我們需要使用反曲線擬合算法、傅里葉變換以適應于各種交通情況。

2 ADAS算法優化框架[2]

2.1 主要目的和主要原理

隨著輔助駕駛員的系統技術的快速發展，出現了對高效算法開發缺乏統一支持的問題。提出了一個通用的軟件開發套件（SDK）概念，其中包含可應用于典型的高級駕駛員輔助系統（ADAS）算法的優化。所以提出一個算法的優化框架，優化框架是ADAS和SDK之間的橋梁。優化框架包括以下幾個部分：

（1）抽象層：ADAS系統提供一套統一的功能，次將系統移植到新平臺時都會自定義此層，并進行異構計算。

（2）圖書館層—彌合平臺差異。該層模擬平臺固有的硬件，從而實現系統平臺獨立部署。另外，如果一個平臺不支持硬件加速，一組庫可以在一個通用CPU上執行算法。因此，目標平臺之間的簡單切換是可以的，同時不會失去任何功能。但是，模擬缺少的硬件可能會影響整個系統的性能。

（3）API層—允許部署一組簡單的，優化的算法，ADAS算法的開發人員可以應用算法來構建模塊。例如優化圖像處理算法（例如，邊緣檢測，去噪或定向梯度的直方圖），用于抽象層中的硬件加速。

2.2 結論

該方法使得能夠在單個或多個優化構建塊中實現基本的ADAS算法（例如，行人檢測，車輛檢測，車道檢測或環繞視圖）。然后，結合基本ADAS算法，開發智能ADAS算法（例如碰撞警告，車道偏離警告或高級導航）。評估結果表明，使用優化框架可以顯著提高性能，而不需要額外硬件特定的優化工作。未來的工作將集中在支持更多的平臺，利用異構計算的潛力和提供更多的算法構建模塊。優化框架開發的下一階段的目標是在可能的情況下使用現有的優化庫支持實現多個相機環視圖算法所需的全圖像處理階段。

3 ADAS系統中實時多傳感器的融合[3]

3.1 主要目的和主要原理

本文提出了一種用于復雜汽車傳感器網絡中多傳感器數據融合算法驗證的新方法。引入了一個實時框架，在電子系統層面上，使用硬件在環（HIL）協同仿真技術，對融合算法的性能進行測試。

多傳感器融合系統可以描述為具有m個傳感器節點序列的網絡物理系統（CPS），該過程包括分析步驟，實施步驟，驗證步驟和認證步驟。分析步驟通過分析實際組件的物理原理，從實際中得到一個概念模型。實施步驟是為執行模型的實現構建指定的指令。可執行模型是一個計算機程序，應該根據其規范進行驗證。認證步驟是將測試結果與測試平臺進行比較，以確定可執行模型的準確性是否足以實現其預期功能。這個迭代過程使得能夠基于建模深度重新設計模塊化仿真模型。

ADAS測試案例的一個簡單例子如下：一個行人不小心從人行道走到車輛道路上，并被攝像頭和雷達傳感器檢測到。由傳感器系統的決策控制單元進行評估，決定是否需要對車輛進行控制。有可能通過正確地啟動制動系統來避免與行人的碰撞。假設在這種情況下在通過雷達和攝像機傳感器檢測行人之間發生了時間延遲。從攝像機接收檢測到的行人的數據。但是，雷達傳感器可以根據當前數據告沒有檢測到行人。由于同步問題導致雷達傳感器缺少精確性，決策控制單元決定不對車輛進行控制。不同傳感器系統之間的這種復雜的相互作用要求開發方法和工具，以允許在實驗室中對這些傳感器融合算法進行系統測試。因此，基于模型的測試需要被集成到閉環HiL框架中。

3.2 結論

實驗結果表明，該融合算法可以保證雷達和攝像機同步檢測到行人，可以有效地對二者的數據進行融合，達到最佳效果。

4 ADAS系統的車輛自定位[4]

4.1 主要目的和主要原理

本文提出了一種城市交通路口情景下的車輛自定位方法。利用擴展卡爾曼濾波器（EKF）對方位到達角（AOA）、車輛速度、航向信息、距離進行估計，并將這些數據融合，以跟蹤車輛的位置。此外，基于設備到設備（D2D）通信與基于空間的選擇算法，引入協同定位（CL）的概念，將從相鄰車輛接收到的信號的重要性進行分類，以進行協同定位。提出小區間干擾協調技術（ICIC）,減輕相鄰基站和相同基站其他信號扇區的干擾。

實驗主要是，在交叉路口直行的車輛，交叉路口具有多徑傳播的基礎設施到車輛（I2V）設施。它由位于交通路口中部的參考基站BS1和車輛側的車載單元（OBU）組成。BS1配有扇區天線，OBU由連接到均勻圓陣（UCA）天線的相干多通道接收器組成，其中天線的N個單極傳感器元件安裝在車頂以接收下行LTE信號。描述了BS1（x，y，z）和UCA幀（x a，y a，za）的相應坐標系。在UCA幀中計算仰角和AOA。BS1周期性地在每個扇區上發送一個OFDM同步信號。當在UCA天線處接收到OFDM同步信號時，在相干多信道接收機的RF前端中進行模數轉換（ADC）之后，生成N個數字同相和正交（IQ）OFDM信道。使用空間濾波來提取LOS信號。此后，LOS信號的時間延遲是估計車輛到BS1的距離。最后，在單個車輛自定位程序中，在EKF中使用AOA和距離以及車輛速度和航向傳感器測量來跟蹤車輛位置。為了提高橫向定位精度，使用D2D通信和基于空間的選擇算法來開發協作定位（CL）的概念，該算法對接收到的來自相鄰車輛的D2D信號的重要性進行分類。合作定位算法是在EKF跟蹤之后進行的。

4.2 結論

實驗結果表明，考慮到小區間干擾和多徑傳播，所提出的車輛自定位方法在車輛相對于交叉口原點半徑在150m內的車道內，可以保證精確定位。

[1]Pooja Yadav.FPGA Based Validation Technique for Advanced Driver Assistance System [C].Embedded Computing and System Design (ISED),2016 Sixth International Symposium

[2]Joakim JANJATOVIC.Algorithm Optimization Framework for Advanced Driver Assistance Systems[C].2017 IEEE International Conferenceon Consumer Electronics(ICCE)

[3]M.Elgharbawy.A real-time multisensor fusion verification framework for advanced driver assistance systems[J].Transportation Research Part Fxxx(2017)xxx–xxx

[4]Ahmad El Assaad Vehicle Self-Localization for Advanced Driver Assistance Systems[C].2016 13th WORKSHOPON POSITIONING,NAVIGATION AND COMMUNICATIONS(WPNC)