ADAS前向碰撞检测技术

　　智能汽车蓬勃发展的这几年，主动安全舱内外技术的应用日益深入化、细致化，ADAS(Advanced Driving Assistance System)是重要的舱外技术，主要利用安装在车辆上的各种传感器装置，收集车辆状态数据和道路环境数据，然后通过决策控制系统进行数据处理和决策，从而辅助驾驶员安全驾驶、避免或降低碰撞的危害。

　　在ADAS技术的传感器系统中，摄像头是不可或缺的部分，基于摄像头的视觉技术在ADAS功能中发挥着重要作用。作为国内老牌算法公司，虹软的视觉ADAS技术在经过与主机厂商和Tier1的长期合作磨炼下，算法稳定高效，鲁棒性强，在前后装领域的落地经验都很丰富。他们主打的ADAS方案为单目摄像头视觉方案，这也是当前行业内应用最广、性价比高、量产难度较小的ADAS技术方案。

　　ADAS视觉技术的学习和处理流程是基于深度学习，由摄像头传感器采集大量图像样本，对样本进行标注，再根据已标注的样本数据集进行大范围的深度学习和训练，提取出特征和模型，最后完成分类识别。与此同时，在获取图像信息时要注意图像质量的把控和优化，利用宽动态、强光抑制、降噪等技术来保证数据源质量，再将数据进行边缘化、纹理化预处理后进入分类器识别，最终作出决策和判断。

ADAS基本原理流程

　　前方碰撞预警系统(FCW)是ADAS的重要技术项，在防碰撞方面有效性和实用性最强。根据美国IIHS机构预测，FCW系统能够减少76%的未刹车角碰撞事故、69%的未刹车追尾碰撞以及23%的未刹车单人驾驶碰撞事故。

　　目前国内对车辆前向碰撞预警系统已经有较为成熟的标准体系。比如，国标GB/T 33577-2017《智能运输系统 车辆前向碰撞预警系统性能要求和测试规程》，规定了适用于所有机动车的车辆前向碰撞预警系统标准，为汽车厂商和零部件供应商提供了产品化的参照依据。针对营运类车辆，行业标准JT/T883-2014《营运车辆行驶危险预警系统技术要求和试验方法》明确说明了前方车辆碰撞报警功能的要求。同时交通部还在营运类客车和货车的安全技术要求中明确提到要具备前车碰撞功能。

营运车安全技术要求中包含FCW功能

　　前方碰撞预警技术(FCW)，对自车行驶轨迹内的距离最近的车辆进行预警，且需要排除非自车行驶轨迹内的更近车辆的影响;在完成主目标的识别后，结合自车行驶状况与目标运动状况进行分析和决策;最终适时提醒驾驶员安全驾驶、及时采取措施。因此，主目标车辆、车道线、车距检测是关键的技术指标。

FCW基本原理流程

　　主目标车辆，就是指在自车前方行驶轨迹线上(同一车道)、距离自车最近的前车，是碰撞预警的监测目标。虹软算法在前期通过大量样本数据对目标车辆进行了学习和分类，像常见的轿车、大巴车、面包车、卡车等，识别准确率表现较好，在行业内处于领先水平。

不同类型目标车辆识别召回率统计

　　相较于传统的后装检测技术，虹软的优势还在于进行了车体3Dbox识别——实现对车头、车尾和横向车辆的识别，由此有效判断车辆动向，找准检测目标。

目标车辆识别效果示例

　　与此同时，再结合车道线的识别检测，通过车道线的分界，排除对向车道内近距离车辆的干扰，可以进一步准确识别主目标车辆。

车道线内目标车辆识别

　　虹软的FCW测距方法，主要就是通过光学几何模型建立测试对象世界坐标与图像像素坐标间的几何关系，再结合摄像头内、外参的标定结果，来得到与前方车辆或障碍物间的距离，同时还会根据车长和FOV的关系进行距离的修正。

内外参关键指标示例

部分参数指标设置示意图

　　当两车距离达到120米以上时，由于距离远、图像小，一个细微的像素偏差都会有很大的距离偏差，对此，虹软又结合了车道线信息来保证测距的准确性。基于当前的摄像头、视场角设置，虹软的最远检测距离为150米，最小检测距离为32厘米，处于检测标准之内;如果需要更远距离的探测，可以在摄像头选型上做一定提升。

　　最远和最小检测距离示意

　　在完成了以上的目标确定、距离探测以及前车车速检测(一般通过毫米波雷达测速)，距离碰撞时间TTC(Time To Collision)可以被计算出来，并以此判定两车之间出现碰撞的可能性、判断警告时机。

　　TTC的阈值可以自主设定和调整，在商用车领域，根据行业标准，一般会将TTC定为2.7秒，也就是当碰撞时间达到2.7秒时，系统需要发出前向碰撞警报;不过当TTC大于4秒时，一般认为驾驶员反映时间较为充足，系统可以抑制或延迟报警。

　　为保障算法的准确性，虹软在前期进行了大量场景测试，测试用例细分全面，充分考虑了在不同道路场景、不同光照条件、不同天气等等情况下的检测准确度。

　　不同天气条件下检测示意

　　得益于数年来在计算机视觉方面的长期积累，虹软的视觉ADAS技术在现阶段内已较为成熟，不管是算法精度还是响应速度在业内均得到了认可，在商用车的ADAS使用方面也做了非常多的测试和案例落地。当然，算法技术仍需要不断地积累、迭代，才能与行业新需求保持更好的契合度。