高級(jí)駕駛輔助系統(tǒng)（ADAS）中傳感器及算法研究

ADAS系統(tǒng)中，必不可少的是傳感器，目前傳感器都包括雷達(dá)，攝像機(jī)，GPS等。而傳感器的精度影響著ADAS系統(tǒng)能否有效的執(zhí)行，與駕駛員的安全性息息相關(guān)。傳感器的精度保證之后，在此基礎(chǔ)上，還要一定正確的算法來(lái)保證ADAS系統(tǒng)的正常運(yùn)行。

所以本文，首先介紹一種FGPA技術(shù)改進(jìn)傳統(tǒng)雷達(dá)的不足。然后，提出了一個(gè)通用的軟件開發(fā)套件（SDK）概念，用于ADAS系統(tǒng)算法的優(yōu)化。再繼續(xù)介紹，通過(guò)一種算法融合多個(gè)傳感器提高定位精度。最后再介紹卡爾曼濾波器算法來(lái)進(jìn)行車輛的自適應(yīng)定位。

1 基于FPGA的ADAS系統(tǒng)驗(yàn)證技術(shù)[1]

1.1 主要目的和主要原理

為了簡(jiǎn)化ADAS在汽車微控制器中的驗(yàn)證過(guò)程，提出了一種FPGA的新技術(shù)。使用FPGA來(lái)代替物理雷達(dá)天線，并向ADAS提供高速低壓差分信號(hào)（LVDS）激勵(lì)。FPGA可以模擬多個(gè)雷達(dá)芯片的功能，生成告訴的LVDS發(fā)送給ADAS。并具有可用于物體檢測(cè)和決策的寬參數(shù)可控性。這種技術(shù)正被用于40納米技術(shù)的下一代汽車微控制器ADAS中。該技術(shù)包括以下幾個(gè)功能：

（1）數(shù)據(jù)存儲(chǔ)

為了從32位數(shù)據(jù)采樣生成LVDS信號(hào)，需要將數(shù)據(jù)存儲(chǔ)在FPGA中。我們使用兩個(gè)存儲(chǔ)空間：1）FP?GA Block RAM存儲(chǔ)器，用于小數(shù)據(jù)采集2）用于大數(shù)據(jù)采集的DDR3存儲(chǔ)器。

（2）數(shù)據(jù)處理

一旦數(shù)據(jù)通過(guò)被測(cè)設(shè)備（DUT）或DDR3完全加載到FPGA RAM中，將進(jìn)一步處理以生成LVDS信號(hào)。FPGA內(nèi)部有三個(gè)主要的模塊用于處理數(shù)據(jù)。

處理1）內(nèi)部緩沖器2）CRC循環(huán)冗余校驗(yàn)發(fā)生器3）14：1序列化塊。

（3）幀和串行時(shí)鐘生成

四個(gè)LVDS數(shù)據(jù)信號(hào)伴隨著一個(gè)幀時(shí)鐘和一個(gè)串行時(shí)鐘LVDS信號(hào)送到ADAS的雷達(dá)界面（RIF）模塊。

（4）計(jì)時(shí)

LVDS數(shù)據(jù)發(fā)生器的FPGA有多個(gè)時(shí)鐘區(qū)域。25 MHz的主時(shí)鐘（clk_25m）提供給FPGA，利用時(shí)鐘分頻器和乘法器從其中產(chǎn)生其他內(nèi)部時(shí)鐘。FPGA設(shè)計(jì)也支持可編程主時(shí)鐘。為了便于解釋，我們使用clk_25m作為主時(shí)鐘。由于FPGA和DUT之間的LVDS鏈路的最大數(shù)據(jù)傳輸速率為400 Mbps，即在時(shí)鐘的兩個(gè)邊沿上采樣率為200 MHz，所以14：1串行化數(shù)據(jù)塊的14位數(shù)據(jù)輸入時(shí)鐘頻率最高可達(dá)30 MHz，稱之為clk_x。因此，F(xiàn)PGA RAM的讀寫，內(nèi)部緩沖區(qū)的讀寫和串行化塊都寫入在clk_x時(shí)鐘。串行化塊具有兩個(gè)不同的輸入和輸出時(shí)鐘：clk_x和clk_7x。

（5）傾斜補(bǔ)償

傳送給每個(gè)RIF的四個(gè)數(shù)據(jù)通道，一個(gè)幀和一個(gè)時(shí)鐘LVDS信號(hào)的偏移不得超過(guò)600 ps的允許限制。要測(cè)量串行時(shí)鐘和幀之間的偏差，在驅(qū)動(dòng)LVDS通道上的實(shí)際數(shù)據(jù)進(jìn)行校準(zhǔn)。

1.2 結(jié)論

該技術(shù)提供了極大的靈活性和參數(shù)可控性，使用FPGA代替雷達(dá)芯片使得驗(yàn)證過(guò)程更加容易，因?yàn)樗恍枰獙?shí)際交通情況來(lái)捕獲數(shù)據(jù)。為了使用FPGA生成有意義的雷達(dá)數(shù)據(jù)，我們需要使用反曲線擬合算法、傅里葉變換以適應(yīng)于各種交通情況。

2 ADAS算法優(yōu)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(tǒng)技術(shù)的快速發(fā)展，出現(xiàn)了對(duì)高效算法開發(fā)缺乏統(tǒng)一支持的問題。提出了一個(gè)通用的軟件開發(fā)套件（SDK）概念，其中包含可應(yīng)用于典型的高級(jí)駕駛員輔助系統(tǒng)（ADAS）算法的優(yōu)化。所以提出一個(gè)算法的優(yōu)化框架，優(yōu)化框架是ADAS和SDK之間的橋梁。優(yōu)化框架包括以下幾個(gè)部分：

（1）抽象層：ADAS系統(tǒng)提供一套統(tǒng)一的功能，次將系統(tǒng)移植到新平臺(tái)時(shí)都會(huì)自定義此層，并進(jìn)行異構(gòu)計(jì)算。

（2）圖書館層—彌合平臺(tái)差異。該層模擬平臺(tái)固有的硬件，從而實(shí)現(xiàn)系統(tǒng)平臺(tái)獨(dú)立部署。另外，如果一個(gè)平臺(tái)不支持硬件加速，一組庫(kù)可以在一個(gè)通用CPU上執(zhí)行算法。因此，目標(biāo)平臺(tái)之間的簡(jiǎn)單切換是可以的，同時(shí)不會(huì)失去任何功能。但是，模擬缺少的硬件可能會(huì)影響整個(gè)系統(tǒng)的性能。

（3）API層—允許部署一組簡(jiǎn)單的，優(yōu)化的算法，ADAS算法的開發(fā)人員可以應(yīng)用算法來(lái)構(gòu)建模塊。例如優(yōu)化圖像處理算法（例如，邊緣檢測(cè)，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(jié)論

該方法使得能夠在單個(gè)或多個(gè)優(yōu)化構(gòu)建塊中實(shí)現(xiàn)基本的ADAS算法（例如，行人檢測(cè)，車輛檢測(cè)，車道檢測(cè)或環(huán)繞視圖）。然后，結(jié)合基本ADAS算法，開發(fā)智能ADAS算法（例如碰撞警告，車道偏離警告或高級(jí)導(dǎo)航）。評(píng)估結(jié)果表明，使用優(yōu)化框架可以顯著提高性能，而不需要額外硬件特定的優(yōu)化工作。未來(lái)的工作將集中在支持更多的平臺(tái)，利用異構(gòu)計(jì)算的潛力和提供更多的算法構(gòu)建模塊。優(yōu)化框架開發(fā)的下一階段的目標(biāo)是在可能的情況下使用現(xiàn)有的優(yōu)化庫(kù)支持實(shí)現(xiàn)多個(gè)相機(jī)環(huán)視圖算法所需的全圖像處理階段。

3 ADAS系統(tǒng)中實(shí)時(shí)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(fù)雜汽車傳感器網(wǎng)絡(luò)中多傳感器數(shù)據(jù)融合算法驗(yàn)證的新方法。引入了一個(gè)實(shí)時(shí)框架，在電子系統(tǒng)層面上，使用硬件在環(huán)（HIL）協(xié)同仿真技術(shù)，對(duì)融合算法的性能進(jìn)行測(cè)試。

多傳感器融合系統(tǒng)可以描述為具有m個(gè)傳感器節(jié)點(diǎn)序列的網(wǎng)絡(luò)物理系統(tǒng)（CPS），該過(guò)程包括分析步驟，實(shí)施步驟，驗(yàn)證步驟和認(rèn)證步驟。分析步驟通過(guò)分析實(shí)際組件的物理原理，從實(shí)際中得到一個(gè)概念模型。實(shí)施步驟是為執(zhí)行模型的實(shí)現(xiàn)構(gòu)建指定的指令?？蓤?zhí)行模型是一個(gè)計(jì)算機(jī)程序，應(yīng)該根據(jù)其規(guī)范進(jìn)行驗(yàn)證。認(rèn)證步驟是將測(cè)試結(jié)果與測(cè)試平臺(tái)進(jìn)行比較，以確定可執(zhí)行模型的準(zhǔn)確性是否足以實(shí)現(xiàn)其預(yù)期功能。這個(gè)迭代過(guò)程使得能夠基于建模深度重新設(shè)計(jì)模塊化仿真模型。

ADAS測(cè)試案例的一個(gè)簡(jiǎn)單例子如下：一個(gè)行人不小心從人行道走到車輛道路上，并被攝像頭和雷達(dá)傳感器檢測(cè)到。由傳感器系統(tǒng)的決策控制單元進(jìn)行評(píng)估，決定是否需要對(duì)車輛進(jìn)行控制。有可能通過(guò)正確地啟動(dòng)制動(dòng)系統(tǒng)來(lái)避免與行人的碰撞。假設(shè)在這種情況下在通過(guò)雷達(dá)和攝像機(jī)傳感器檢測(cè)行人之間發(fā)生了時(shí)間延遲。從攝像機(jī)接收檢測(cè)到的行人的數(shù)據(jù)。但是，雷達(dá)傳感器可以根據(jù)當(dāng)前數(shù)據(jù)告沒有檢測(cè)到行人。由于同步問題導(dǎo)致雷達(dá)傳感器缺少精確性，決策控制單元決定不對(duì)車輛進(jìn)行控制。不同傳感器系統(tǒng)之間的這種復(fù)雜的相互作用要求開發(fā)方法和工具，以允許在實(shí)驗(yàn)室中對(duì)這些傳感器融合算法進(jìn)行系統(tǒng)測(cè)試。因此，基于模型的測(cè)試需要被集成到閉環(huán)HiL框架中。

3.2 結(jié)論

實(shí)驗(yàn)結(jié)果表明，該融合算法可以保證雷達(dá)和攝像機(jī)同步檢測(cè)到行人，可以有效地對(duì)二者的數(shù)據(jù)進(jìn)行融合，達(dá)到最佳效果。

4 ADAS系統(tǒng)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(kuò)展卡爾曼濾波器（EKF）對(duì)方位到達(dá)角（AOA）、車輛速度、航向信息、距離進(jìn)行估計(jì)，并將這些數(shù)據(jù)融合，以跟蹤車輛的位置。此外，基于設(shè)備到設(shè)備（D2D）通信與基于空間的選擇算法，引入?yún)f(xié)同定位（CL）的概念，將從相鄰車輛接收到的信號(hào)的重要性進(jìn)行分類，以進(jìn)行協(xié)同定位。提出小區(qū)間干擾協(xié)調(diào)技術(shù)（ICIC）,減輕相鄰基站和相同基站其他信號(hào)扇區(qū)的干擾。

實(shí)驗(yàn)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(chǔ)設(shè)施到車輛（I2V）設(shè)施。它由位于交通路口中部的參考基站BS1和車輛側(cè)的車載單元（OBU）組成。BS1配有扇區(qū)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(gè)單極傳感器元件安裝在車頂以接收下行LTE信號(hào)。描述了BS1（x，y，z）和UCA幀（x a，y a，za）的相應(yīng)坐標(biāo)系。在UCA幀中計(jì)算仰角和AOA。BS1周期性地在每個(gè)扇區(qū)上發(fā)送一個(gè)OFDM同步信號(hào)。當(dāng)在UCA天線處接收到OFDM同步信號(hào)時(shí)，在相干多信道接收機(jī)的RF前端中進(jìn)行模數(shù)轉(zhuǎn)換（ADC）之后，生成N個(gè)數(shù)字同相和正交（IQ）OFDM信道。使用空間濾波來(lái)提取LOS信號(hào)。此后，LOS信號(hào)的時(shí)間延遲是估計(jì)車輛到BS1的距離。最后，在單個(gè)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(cè)量來(lái)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(lái)開發(fā)協(xié)作定位（CL）的概念，該算法對(duì)接收到的來(lái)自相鄰車輛的D2D信號(hào)的重要性進(jìn)行分類。合作定位算法是在EKF跟蹤之后進(jìn)行的。

4.2 結(jié)論

實(shí)驗(yàn)結(jié)果表明，考慮到小區(qū)間干擾和多徑傳播，所提出的車輛自定位方法在車輛相對(duì)于交叉口原點(diǎn)半徑在150m內(nèi)的車道內(nèi)，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)