作者：Brooke Williams、Zoran Nikolic 及 Gaganjot Maur，德州仪器
汽车已成为现代社会不可缺少的一部分，为全球货物及人员运输提供了一种低成本的交通方式。不幸的是，每天都会因车辆驾驶而出现大量的事故与伤亡事件。据世界卫生组织统计：1998 年，全球交通事故死亡人数高达 120 万。1990 年，交通事故是全球导致人类死亡的第九大原因，预计到 2020 年它将进一步上升为第三大致死原因。
鉴于上述原因，汽车原始设备制造商 (OEM) 及其供应商合作伙伴，以及全球政府机构一直在努力开发并推广主动安全与高级驾驶员辅助系统 (ADAS)，其设计旨在降低事故发生率并减少碰撞的严重度。汽车产业界分析师认为到 2010 年， ADAS 将成为顶级新技术，其不仅可以帮助驾驶员提前意识到潜在的危险，而且还可通过车道偏离警告系统 (LDWS)、睡意检测及夜视系统等技术潜在地延长驾驶员的反应时间。
随着消费者对 ADAS 的深入了解，得知其能够提供更高的安全性，预计他们将更容易接受该技术，从而推动市场对这一需求的增长。ADAS 已应用于豪华轿车，随着技术的成熟，其将逐渐进入大众市场，应用到普通车辆中，同时产量的提高将大幅降低产品成本。就汽车 OEM 厂商而言，鉴于目前被动安全系统快速成为汽车的标准技术，主动安全与 ADAS 技术还将有助于实现与众不同的特色化产品。
ADAS 概览
ADAS 的设计方案并不是要控制车辆，而是向驾驶员提供车辆周围环境及车辆运行状况等相关信息，提醒驾驶员注意潜在危险，从而提高行车安全性。
ADAS 应用采用多种传感器来收集有关车辆及车辆周围环境的物理数据。收集相关数据后，ADAS 系统将采用目标检测、识别与跟踪等处理技术来评估危险性。我们不妨举两个应用实例来说明，一是车道偏离警告系统（检测到车道无意偏离，立即提醒驾驶员），二是交通标志识别。启用车道偏离警告系统时，系统会根据车辆位置检测并跟踪车道情况，在车辆越线进入相邻车道时通知驾驶员。就交通标志识别而言，系统能识别交通标志并告诉驾驶员当前最高限速，或通知驾驶员目前行驶的具体区段。
不同系统通常要求采用不同类型的传感器来收集环境信息。我们不妨举几个实例，如车道偏离警告系统采用 CMOS 摄像头传感器，夜视系统采用红外传感器，自适应巡航控制系统 (ACC) 通常采用雷达技术，而停车辅助系统则采用超声波技术。尽管不同应用的技术细节各有差异，但技术处理过程通常都包括数据采集、预处理及后处理等三个阶段。预处理阶段执行全影像 (full image) 处理功能，数据工作强度较大，结构也较为常规化，具体包括图像的变换、稳定性、特征信号增强、噪声降低、颜色转换、运动分析等。后处理阶段则进行特征跟踪、场景解释、系统控制及决策制定等工作（见图 1）。
图 1. 用于收集环境信息的传感器，不管其类型如何，均可获得生成基本图像的数据集。主动安全系统的整个处理过程依次为：1)采集数据，2) 根据运行状态及环境状况预处理采集到的数据，3) 处理安全算法，4) 评估结果， 5) 做出决策。
识别、跟踪并评估驾驶相关的对象是一项复杂的工作。驾驶风格与条件会影响传感器收集的原始数据的质量，并会使识别和跟踪对象所需的重要细节变模糊。在不同的天气条件（如较强的阳光、下雨、起雾及下雪等）下，驾驶员驾驶车辆这一过程的动态化程度极高，而且操作具不可预见性。当面对更为复杂的情况，必须对所有数据进行实时处理，且处理时延不得超过 30ms。警告延迟半秒钟，就很可能导致事故发生，而不能让驾驶员及时对警告做出反应。
从数据采集到采取行动的每一步都要求强大的信号处理能力，因此，及时、准确地执行主动安全与 ADAS系统必须要求高性能产品提供支持。专为汽车安全应用设计并优化的数字信号处理器 (DSP)，如德州仪器 (TI) 推出的 TMS320DM643x 达芬奇处理器就能提供所需的性能，从而使 OEM 厂商能够向市场推出主动安全与 ADAS 技术。
动态灵活性
除了高性能之外，ADAS 应用还要求灵活的架构来满足多种功能要求。例如，各国的交通标志从语言、文字字体、形状到颜色等各不相同。我们必须提供足够的灵活性，这样才能在不同的产品线间尽可能地重复使用该技术，并根据新兴市场的要求以正常速度低成本地推进技术创新。软件创新是效率最高的方式。达芬奇处理器采用软件可编程的架构，因此能为开发人员提供足够的灵活性，以便支持不断变化的算法。
我们不妨设想一下在不考虑驾驶条件（如较强的阳光等）这一因素情况下的预处理算法。有些汽车供应商采用一种算法，有些则在白天采用一种算法，在夜间驾驶又采用另一种算法。实际上，针对多种不同的驾驶条件，我们将需要各种不同的预处理与后处理算法。系统还必须具备快速适应能力，比方说车辆进入遂道时，就会瞬间从白天驾驶模式切换到夜间驾驶模式。
请注意，车辆的不同传感器应执行不同的功能（见图 2）。如侧向传感器进行盲点检测；前向传感器负责车辆、车道、交通标志及行人识别工作；车内传感器则检测车内是否有人，驾驶员是否出现睡意及想做些什么等。
此外，不同传感器应处理不同类型的数据。一些交通标志识别算法的执行主要依靠标志颜色进行，在此情况下，正向传感器应支持宽泛的颜色范围。另一方面，灰度传感器对亮度的变化更敏感，其空间分辨率几乎是色彩传感器的两倍。大多数 ADAS 功能的实现主要依赖于传感器的敏感性，因此灰度摄像头更合适。我们还要注意到，针对 ADAS 应用的影像传感器通常具有较高的动态范围，一般每像素多于 8 位，这也十分重要。
图 2. 车辆安装的多种传感器执行各种具体任务，其中包括行人检测、夜视、车道偏离警告、停车辅助、盲点检测、睡意检测以及自适应巡航控制等。
解决技术难题最有效的方法就是在单个 DSP 上执行多种算法。举例来说，正向影像传感器能同时提供车道偏离警告与交通标志识别所需的视频信息。
从理想的角度说，单个 DSP 能在所有驾驶条件下执行预处理与多种识别任务，如车道偏离警报与交通标志识别等，这有助于精简芯片数量，从而减少故障点，提高系统可靠性，并降低系统成本，这些对汽车应用的发展都是至关重要的。
为了提高 ADAS 的稳健性，我们还要在车辆内部所有主动安全子系统间进行协调。举例来说，驾驶员的关注方向及关注点会直接影响到交通标志警告的有效性。比方说，驾驶员正常驾驶本应该可以注意到前方的标志并减速，但系统却过早发出警告，这样做不但不利于驾驶，反而会给驾驶员制造麻烦。因此，在发出警告信号前，我们要从交通标志识别系统及车内驾驶员监控系统同时收集信息。如果驾驶员监控系统反映驾驶员正面向道路方向，那么我们不必马上发出前方有停车标志的警告。
稳健性能较高的 ADAS 系统甚至还能评估复杂的驾驶环境。举例来说，如果汽车快速靠近停止或减速的车辆，那么很可能需要快速并线 (lane change)。在这种情况下，我们应当暂停车道离线警告，避免驾驶员在并线时分神。当然，如果盲点监控系统检测到汽车旁边还有别的车辆，那么系统就应发出警告。
片上系统架构提高设计效率
目前的片上系统 (SoC) 架构在单芯片上集成了整个视频／影像处理系统所需的全部外设，从而进一步提高了设计效率。由于支持多种外设，目前高度集成的器件还能方便地连接至车辆系统的其他部分。举例来说，SoC 可为停车辅助后视仪等应用提供直接视频输出，也可通过 CAN、LIN 或 FlexRay 等适当总线直接连接至车辆的主控系统。
SoC 架构在无需增加 ASIC 成本的基础上就能提供专用功能。经过适当处理，SoC 能保持可编程软件架构的灵活性，而不像 ASIC 那样固定。例如，TI 的达芬奇处理器采用了功能强大的视频前端，从而使主 CPU 从关键而繁重的预处理任务中解脱出来（见图 3）。具体而言，视频前端提供了缩放功能块，可根据适当分辨率对图像进行重采样（放大或缩小图像），同时又不会占用 DSP 周期。缩放图像是必要的，因为对象在视频帧中的尺寸会随汽车接近对象而变化。
图 3. TMS320DM6437数字媒体处理器结构图。
达芬奇视频前端还提供柱状图，以显示不同视频帧的像素荧光强度分布情况。从像素荧光强度分布图，我们可以看出捕获到的影像质量。举例来说，如果影像太暗，那么 DSP 可调节对比度，从而提高处理的精确度。前端还能在不占用主 CPU 的情况下完成色域转换工作。这些集成模块结合使用可以显著减轻 CPU 的负载，从而使开发人员能够在单个 DSP 上集成更多 ADAS 增值功能。
SoC 架构的设计应确保数据传输的高效性。与任何视频应用一样，数据传输得越频繁，处理时延就越长。为了提高系统性能并最大化一级存储器资源的使用，开发人员通常应将处理工作限于其感兴趣的特定领域，这样才能确保待处理的影像块明显小于整个影像在处理与评估时的尺寸。比如在车道识别与跟踪过程中，由于路面上空不含相应数据，因此帧中这一部分可以删除。
为了支持这种类型的数据传输，SoC 需要多通道、多线程的直接存储器存取(DMA) 引擎。DMA 控制器应支持多种传输几何与传输序列。前代 DMA 控制器的传输技术（如前代 TI 芯片上的 EDMA2 控制器）仅限于二维功能，且数据来源与目的地共享索引参数。与此不同的是，达芬奇处理器上的 EDMA3 控制器支持独立的来源与目的地索引以及三维传输。
除视频输入及处理功能，停车辅助等应用还要求具备视频输出功能。即便没有针对生产进行视频输出设计，视频输出功能在研发与系统调试阶段也相当有用。为了支持视频输出，达芬奇处理器采用了视频处理后端技术，其包括屏幕菜单式调节引擎 (OSD) 与视频编码器 (VENC)。OSD 引擎能处理两个独立的视频窗口与两个独立的 OSD 窗口。VENC可提供 4 个模拟视频输出，就多种格式而言，最高可支持 24 位的数字输出。
简化设计
ADAS 应用是发展快速的尖端技术，开发人员应采用能够简化开发工作并有助于加速原型设计的工具，所以 ADAS 算法开发过程借助C 或 Simulink、MATLAB 等建模软件可以达到最佳效果。当然，运行良好的系统所需要的不仅仅是算法。因此，拥有实时内核与外设驱动器等现成可用的软件组件是至关重要的。当然，现成可用的专用开发工具及算法库也同等重要。这些组件不仅能够缩短数月的 ADAS 开发时间，而且还能够得到达芬奇处理器的支持。
总之，供应商要想其产品适用于汽车应用的话，就必须通过业界集成电路质量标准 AEC-Q100 认证。但要想通过该认证是非常困难的，除非相关解决方案的设计从一开始就考虑到认证的要求。供应商可以选择 DM643x 达芬奇处理器等设计本身符合 AEC-Q100 标准的组件，从而能够确保他们成功地满足产品汽车质量认证要求。
目前，工程师与业界领导者都应通过主动安全与 ADAS 技术进一步降低交通事故死亡率。凭借基于 DSP 灵活架构的高性能 SoC、专用开发工具与软件库以及创新算法，汽车供应商与 OEM 厂商能够为市场带来稳定、可靠的 ADAS 应用。
关于作者
Zoran Nikolic，首席车载与机器视觉系统架构师 (nikolicz@ti.com)。
Zoran Nikolic博士是 TI 首席车载与机器视觉系统设计师，其主要从事嵌入式系统的工程设计工作。他在影像处理、车载与机器视觉及影像识别等领域具备精湛的专业技能。Nikolic 博士负责开发了首款采用 TI C6000 DSP 架构的影像平台 IDK（影像开发者套件）。此外，他不仅协同设计了 DM642 媒体处理器视频端口模块的架构，而且还参与了该架构功能与性能标准的制定。目前，他正致力于汽车与机器视觉应用的 DSP 架构的优化工作。
Brooke Williams，负责车载与机器视觉系统的市场营销经理 (brookew@ti.com)
Brooke Williams于 1989 年加盟 TI，自 2005 年起一直在 DSP 产品部工作。他曾从事过工程设计、产品市场营销与管理等多种不同岗位的工作，目前主要负责汽车驾驶员辅助与机器视觉系统市场的 DSP市场营销与产品发展战略的制定。加入 DSP 产品部之前， Williams 曾在 DLP 产品部担任业务开发与产品市场营销经理，负责协助开发大屏幕与数字影院投影仪两个领域的业务。他曾出席众多业界活动并发言，还在众多技术刊物上发表过著作。他自马克特大学 (Marquette University) 获得机械工程设计学士学位后，继而又在得克萨斯大学达拉斯分校 (University of Texas at Dallas) 获得工商管理硕士学位。
Gaganjot S. Maur，汽车与机器视觉应用工程师 (gagan@ti.com)
Gaganjot S. Maur于 1999 年加入 TI，一直从事基于 TI 高性能 DSP 的 DSP 系统设计工作。目前他主要担任 DSP 标准应用组的应用工程师，并负责汽车视觉应用系统的软件开发。Maur毕业于印度浦那大学 (Pune University) 并荣获了电子与通信专业的工程学学士学位。