ADAS前向碰撞檢測技術

　　智能汽車蓬勃發展的這幾年，主動安全艙內外技術的應用日益深入化、細致化，ADAS(Advanced Driving Assistance System)是重要的艙外技術，主要利用安裝在車輛上的各種傳感器裝置，收集車輛狀態數據和道路環境數據，然后通過決策控制系統進行數據處理和決策，從而輔助駕駛員安全駕駛、避免或降低碰撞的危害。

　　在ADAS技術的傳感器系統中，攝像頭是不可或缺的部分，基于攝像頭的視覺技術在ADAS功能中發揮著重要作用。作為國內老牌算法公司，虹軟的視覺ADAS技術在經過與主機廠商和Tier1的長期合作磨煉下，算法穩定高效，魯棒性強，在前后裝領域的落地經驗都很豐富。他們主打的ADAS方案為單目攝像頭視覺方案，這也是當前行業內應用最廣、性價比高、量產難度較小的ADAS技術方案。

　　ADAS視覺技術的學習和處理流程是基于深度學習，由攝像頭傳感器采集大量圖像樣本，對樣本進行標注，再根據已標注的樣本數據集進行大范圍的深度學習和訓練，提取出特征和模型，最后完成分類識別。與此同時，在獲取圖像信息時要注意圖像質量的把控和優化，利用寬動態、強光抑制、降噪等技術來保證數據源質量，再將數據進行邊緣化、紋理化預處理后進入分類器識別，最終作出決策和判斷。

ADAS基本原理流程

　　前方碰撞預警系統(FCW)是ADAS的重要技術項，在防碰撞方面有效性和實用性最強。根據美國IIHS機構預測，FCW系統能夠減少76%的未剎車角碰撞事故、69%的未剎車追尾碰撞以及23%的未剎車單人駕駛碰撞事故。

　　目前國內對車輛前向碰撞預警系統已經有較為成熟的標準體系。比如，國標GB/T 33577-2017《智能運輸系統 車輛前向碰撞預警系統性能要求和測試規程》，規定了適用于所有機動車的車輛前向碰撞預警系統標準，為汽車廠商和零部件供應商提供了產品化的參照依據。針對營運類車輛，行業標準JT/T883-2014《營運車輛行駛危險預警系統技術要求和試驗方法》明確說明了前方車輛碰撞報警功能的要求。同時交通部還在營運類客車和貨車的安全技術要求中明確提到要具備前車碰撞功能。

營運車安全技術要求中包含FCW功能

　　前方碰撞預警技術(FCW)，對自車行駛軌跡內的距離最近的車輛進行預警，且需要排除非自車行駛軌跡內的更近車輛的影響;在完成主目標的識別后，結合自車行駛狀況與目標運動狀況進行分析和決策;最終適時提醒駕駛員安全駕駛、及時采取措施。因此，主目標車輛、車道線、車距檢測是關鍵的技術指標。

FCW基本原理流程

　　主目標車輛，就是指在自車前方行駛軌跡線上(同一車道)、距離自車最近的前車，是碰撞預警的監測目標。虹軟算法在前期通過大量樣本數據對目標車輛進行了學習和分類，像常見的轎車、大巴車、面包車、卡車等，識別準確率表現較好，在行業內處于領先水平。

不同類型目標車輛識別召回率統計

　　相較于傳統的后裝檢測技術，虹軟的優勢還在于進行了車體3Dbox識別——實現對車頭、車尾和橫向車輛的識別，由此有效判斷車輛動向，找準檢測目標。

目標車輛識別效果示例

　　與此同時，再結合車道線的識別檢測，通過車道線的分界，排除對向車道內近距離車輛的干擾，可以進一步準確識別主目標車輛。

車道線內目標車輛識別

　　虹軟的FCW測距方法，主要就是通過光學幾何模型建立測試對象世界坐標與圖像像素坐標間的幾何關系，再結合攝像頭內、外參的標定結果，來得到與前方車輛或障礙物間的距離，同時還會根據車長和FOV的關系進行距離的修正。

內外參關鍵指標示例

部分參數指標設置示意圖

　　當兩車距離達到120米以上時，由于距離遠、圖像小，一個細微的像素偏差都會有很大的距離偏差，對此，虹軟又結合了車道線信息來保證測距的準確性。基于當前的攝像頭、視場角設置，虹軟的最遠檢測距離為150米，最小檢測距離為32厘米，處于檢測標準之內;如果需要更遠距離的探測，可以在攝像頭選型上做一定提升。

　　最遠和最小檢測距離示意

　　在完成了以上的目標確定、距離探測以及前車車速檢測(一般通過毫米波雷達測速)，距離碰撞時間TTC(Time To Collision)可以被計算出來，并以此判定兩車之間出現碰撞的可能性、判斷警告時機。

　　TTC的閾值可以自主設定和調整，在商用車領域，根據行業標準，一般會將TTC定為2.7秒，也就是當碰撞時間達到2.7秒時，系統需要發出前向碰撞警報;不過當TTC大于4秒時，一般認為駕駛員反映時間較為充足，系統可以抑制或延遲報警。

　　為保障算法的準確性，虹軟在前期進行了大量場景測試，測試用例細分全面，充分考慮了在不同道路場景、不同光照條件、不同天氣等等情況下的檢測準確度。

　　不同天氣條件下檢測示意

　　得益于數年來在計算機視覺方面的長期積累，虹軟的視覺ADAS技術在現階段內已較為成熟，不管是算法精度還是響應速度在業內均得到了認可，在商用車的ADAS使用方面也做了非常多的測試和案例落地。當然，算法技術仍需要不斷地積累、迭代，才能與行業新需求保持更好的契合度。