全高级驾驶员感知系统和All Programmable SoC解析

道路安全从摩尔定律中受益良多，处理能力的提升以及 CMOS 图像传感器 （CIS） 和其他传感器技术的发展，让车辆制造商得以推出高级驾驶员感知系统 （ADAS）。ADAS 能增强驾驶员对周边环境的感知，减少发生碰撞的概率。部分系统还能够监控驾驶员并向驾驶员发出告警，例如在驾驶员打盹时。
　　ADAS 还越来越多地接手控制（或为无人驾驶系统提供信息），从而为驾驶员提供泊车辅助、车道辅助和自适应巡航控制等功能方面的协助。
　　
　　显示导航和状态感知信息的 ADAS 抬头应用
　　因此，不出意料，到 2021 年预计 ADAS 市场的规模将达到 420 亿美元，目前的年复合增长率（GAGR）达到 10%（来源：http://www.marketsandmarkets.com/Market-Reports/driver-assistance-systems-market-1201.htm）。
　　ADAS 通常使用嵌入式视觉、RADAR 和 LIDAR 等多类传感器来提取所需信息，并运用传感器融合方法整合来自多个传感器的信息。在嵌入式视觉领域， ADAS 又可划分为两大类。一类负责外部监控，解决车道偏离、对象检测、盲点检测和交通标识识别等问题。另一类负责内部系统监控，例如负责驾驶员打盹监测和眼睛检测等。内外部 ADAS 应用在实现图像处理算法时都面临自身的挑战。
　　这些挑战从实现应用所需算法的能力直至符合正确的汽车标准，不一而足。许多 ADAS 应用还要求传感器融合功能以整合来自多个传感器的输入，从而显著提高了所需的处理能力。在使用多个同类传感器的时候，传感器融合可以是同构传感器融合。在使用不同类型的传感器提取所需信息时，传感器融合则为异构传感器融合。
　　因具备高度的灵活性，许多应用都选用 All Programmable SoC 或 FPGA 来实现系统。两种都能实现所需的算法，而且两者都能够连接不同类型的传感器类型和网络。
　　伴随高性能 ADAS 应用而来的是几个系统难题。这些难题在开始思考时并不明显。汽车制造商需要满足严格的污染标准要求，因此总体解决方案的重量和功耗相当重要。因为生产的车辆以数十万计，解决方案的成本也很关键。虽然系统的保密性和安全性非常关键而且受多重标准的制约，使用 SoC 或 FPGA 能帮助我们解决一系列此类问题。