1. ADAS系统概述：从辅助到智能的演进之路

大家好，我是你们这门课的老朋友。今天咱们聊聊ADAS，也就是高级驾驶辅助系统。说实话，我入行那会儿，ADAS还是个挺新鲜的概念。现在呢？几乎成了新车的标配。这变化，真快。

我个人习惯把ADAS的发展分成三个阶段。第一阶段是预警时代，比如最简单的倒车雷达，它只告诉你「后面有东西」，但不帮你刹车。第二阶段是干预时代，像早期的ACC自适应巡航，能自动跟车了，但体验嘛...说实话，有点生硬。第三阶段就是现在，系统融合时代，各种传感器数据融合，决策也更拟人化。

1.1 ADAS功能分类：这些缩写你都认识吗？

做ADAS开发，首先得搞清楚这些功能缩写。我刚开始接触时，也被一堆英文缩写搞得头大。咱们一个一个来。

缩写	全称	中文	核心作用
ACC	Adaptive Cruise Control	自适应巡航控制	自动跟车，保持安全距离
LKA	Lane Keeping Assist	车道保持辅助	防止车辆偏离车道
AEB	Autonomous Emergency Braking	自动紧急制动	检测碰撞风险，主动刹车
FCW	Forward Collision Warning	前向碰撞预警	提前预警，但不制动
BSD	Blind Spot Detection	盲点检测	监测侧后方盲区车辆
APA	Automatic Parking Assist	自动泊车辅助	自动寻找车位并泊入

嗯，这里要注意。ACC和AEB虽然都用到了前向雷达，但策略完全不同。ACC是舒适性功能，加减速要平缓。AEB是安全性功能，该刹停就得果断刹停。我在项目中遇到过，有工程师把ACC的标定参数直接套用到AEB上，结果紧急情况下刹车力度不够，差点追尾。所以，功能分类不只是名字不同，背后的控制逻辑天差地别。

1.2 ADAS系统架构：从感知到执行的闭环

一个典型的ADAS系统，说白了就是三个环节：感知、决策、执行。我习惯把它比作人的驾驶行为。

• 感知层：相当于人的眼睛和耳朵。传感器包括摄像头、毫米波雷达、激光雷达、超声波雷达等。它们负责采集环境数据。
• 决策层：相当于人的大脑。ECU（电子控制单元）或域控制器接收传感器数据，进行融合、目标识别、路径规划，然后发出控制指令。
• 执行层：相当于人的手脚。包括制动系统、转向系统、动力系统。它们接收决策层的指令，完成实际动作。

你可能会问，为什么需要这么多传感器？因为单一传感器都有局限性。摄像头在雨雾天效果差，毫米波雷达对静止物体识别弱，激光雷达成本高。所以，传感器融合是ADAS的必修课。我记得有一次做项目，只用了摄像头做AEB，结果傍晚逆光时，系统直接「失明」了。从那以后，我坚持多传感器冗余设计。

1.3 传感器介绍：ADAS的「感官」世界

咱们重点聊聊几种主流传感器。每种传感器都有自己的脾气，摸透了才能用好。

1.3.1 摄像头

摄像头是ADAS中最常见的传感器。它像人的眼睛，能识别车道线、交通标志、行人、车辆。但它的弱点是受光照影响大。我做过一个测试，在隧道出口处，摄像头需要大约0.5秒才能重新适应光线。这0.5秒，如果车速100km/h，车已经跑了14米。所以，纯视觉方案在极端光照下是有风险的。

1.3.2 毫米波雷达

毫米波雷达是ACC和AEB的主力。它不怕雨雾，能直接测量距离和速度。但它的角度分辨率低，很难区分相邻的两个目标。比如，前方两辆车并排行驶，雷达可能把它们识别成一个「大目标」。这时候就需要摄像头来辅助分辨。

1.3.3 激光雷达

激光雷达这两年很火。它能生成高精度的3D点云，对物体轮廓的识别非常准。但缺点是贵，而且受天气影响大。我曾经在雪天测试激光雷达，雪花反射回来的点云噪声非常大，几乎没法用。所以，激光雷达目前更多用在L3级以上自动驾驶中。

1.3.4 超声波雷达

超声波雷达主要用于近距离探测，比如自动泊车。它成本低，但探测距离短（一般5米以内），而且对软性物体（比如行人）的反射效果差。所以，倒车时如果后面站个人，超声波雷达可能「看不见」。

1.4 小结：ADAS的挑战与未来

好了，这一章咱们把ADAS的来龙去脉、功能分类、系统架构和传感器都过了一遍。你可能会觉得信息量有点大。没关系，后面每一章都会深入展开。

我个人认为，ADAS开发最大的挑战不是技术本身，而是「系统思维」。你得把传感器、算法、执行器、人机交互、法规标准全部串起来。任何一个环节掉链子，整个系统就不可靠。

下一章，咱们会深入聊聊dSPACE和NI这两个快速原型工具。它们是怎么帮我们快速验证ADAS算法的？嗯，到时候再细聊。