ADAS的前世今生和一个世界难题！
本文是智东西主办的自动驾驶系列课第2课的图文实录。本场系列课由minieye CEO刘国清主讲，主题为《如何突破ADAS系统的识别精度》。在车东西公众号对话框回复“自动驾驶”，可以获取完整课件和全程音频。
1、 ADAS与其识别能力：
1）高级辅助驾驶系统（ADAS）是一个广义概念，凡是能提升驾驶安全性和舒适性的功能，都可以归入ADAS。本课从技术方向讲解，主要聚焦于基于摄像头的视觉ADAS。
2）ADAS（高级辅助驾驶系统）工作的步骤为感知-决策-控制。其中感知环境是整个系统起作用的基础，提供感知能力的传感器包括激光雷达、毫米波雷达、摄像头。而摄像头获取的图像信息量大、分辨率高、信息多维，使得使用摄像头进行视觉感知的ADAS，拥有很强的识别能力。
3）ADAS的识别能力，包括目标分类、目标检测、目标识别、语义分割。 2、如何提升ADAS系统的识别精度：
1）ADAS提升识别精度的主要方式为深度学习+大数据。即使用深度神经网络，训练尽可能多的图像数据，提高识别正确率。
一方面，深度学习相对于传统学习，无需工程师手动设定识别特征，并且网络可迁移、复，降低了做视觉识别的门槛。另一方面，训练的数据量通常与ADAS系统的识别率成正比。大量的数据还可以覆盖各种奇奇怪怪的特殊场景（比如高速上来了一群羊），以提升特殊场景下的识别能力。
2）ADAS系统提升识别精度还可以采取增强计算力、使用多传感器融合等路径。 3、ADAS未来发展趋势：
1）深度学习不仅为识别能力赋能，还将被更多用于驾驶策略制定； 2）计算硬件将飞速发展，为ADAS提供更强的计算力支持；
3）终端用户的使用跟数据采集以及技术迭代可以形成闭环，用户端上传的数据会被用于更新、增强ADAS系统的能力。
4）ADAS与自动驾驶有大量底层技术的相通点，未来ADAS将向自动驾驶发展。 主讲实录
刘国清：大家晚上好，我是MINIEYE创始人刘国清。首先要感谢智东西提供了这么好的一个平台,我也要向大家请教学习。先介绍一下我们公司——MINIEYE，2013年在新加坡成立，于2013年搬回国内。我们专注于车载环境下的视觉感知技术和产品研发，产品主要是涉及驾驶辅助系统以及车载环境下视觉感知模块。
我们公司的愿景是从技术产品的手段入手以减少事故。我们总部在深圳，在南京和北京有两个研发中心。欢迎各方面的朋友来我们这边交流和切磋。
接下来我正式开始今天的报告。今天的这个主题是《如何突破ADAS的识别精度》 1、基本概念
首先为了能够更好地展开后面的话题，我先简要介绍一些和主题相关的基本概念。 广义的ADAS
高级驾驶辅助系统（ADAS），是一个覆盖很广的范畴。它既包含了我们经常听说的前向碰撞预警、车道保持、倒车雷达，也包括ABS和车身稳定系统，甚至夜视、车载导航和雨量传感器，这些在Wikipedia上全部都归入到了ADAS的范畴。所以能够提升驾驶安全性和舒适性的功能都可以认为是包含在驾驶辅助系统里。
基于感知技术的ADAS
1
我们今天的分享专注在其中的一个细分领域——基于感知技术的ADAS。在这页PPT我们可以看到，车上装了不同的传感器，有长距离的毫米波雷达、摄像头、激光雷达、短距离的雷达，还有超声波雷达。基于这些不同的传感器以及后面的ECO，我们可以去开发出前向碰撞预警、主动巡航、标志牌识别及停车辅助等功能。
这些功能都是基于感知技术，也就是说通过传感器来感知汽车周边的交通状况，基于感知的反馈结果来进行一些应用层面上的设计。这一类功能，我们称之为基于感知技术的ADAS，也是我们今天要探讨的主题。
ADAS的工作原理
在接下来的报告里如无特殊说明，ADAS默认指基于感知技术类的ADAS。ADAS的产品由三部分构成：1，感知部分，通过传感器去获取汽车周边信息，像道路、车辆、行人和标志牌等信息；2，决策部分，基于感知部分信息，我们可以去做一些传感器层面上的融合，进而做一些决策，来判断现在是否有危险，我们是应该去刹车还是踩油门，还是去打方向盘，打方向盘又是打多少度？这是一个决策的过程；3，控制部分，而有了决策之后，剩下的就是控制了。比如通过摄像头识别到前方车辆正在急刹车，我们跟它的相对速度非常大，基于这
2
些信息我们判断出在1.3秒之后有可能会发生追尾。在这种情况下，我们需要去采取刹车行动，感知系统会把这个刹车信号传递给我们的制动系统，去完成整个ADAS的功能。但是现在也有一些ADAS并没有引入控制模块，这类ADAS可能会通过其他的方式，比如说声音警告、震动或者显示屏上的提醒来警告驾驶员，由驾驶员来采取措施。
车载感知系统
从上一页PPT介绍里面可以看出感知模块是整个ADAS结构体系的基石。如果说感知部分准确程度达不到产品化的要求，那么决策和控制部分也就无从谈起。车载感知系统也由三个部分构成，第一部分就是传感器，无论是摄像头，还是雷达，如激光雷达、毫米波雷达（24GG或者77G赫兹的），亦或超声波雷达，都是传感器。当我们通过这些传感器获取到特定数据格式的数字信号以后，接下来需要识别和理解这些数字信号，从里边找到哪些是人，哪些是车，哪些是马路牙子，这样的识别过程就需要我们信号处理相关的软件算法支持，所以感知系统的第二部分就是软件算法这一块。当然有了软件，要在硬件平台里边去运行，所以第三部分就是我们的硬件平台。整体来讲，车载感知系统是由我们传感器、软件算法以及硬件平台这三部分构成的。
传感器
3
ADAS的前世今生和一个世界难题!
