在介紹ADAS之前，我們先來看看自動駕駛的級別，如下圖所示：

當前一般說的ADAS就是指的L1，有些車上也實現L2（比如沃爾沃的自動制動），更高級別的一般直接歸到自動駕駛技術類，不直接叫ADAS了。

完整的ADAS可以包括導航與實時交通系統TMC，電子警察系統ISA、車聯網、自適應巡航ACC、車道偏移報警系統LDWS、車道保持系統、碰撞避免或預碰撞系統、夜視系統、自適應燈光控制、行人保護系統、自動泊車系統、交通標志識別、盲點探測、駕駛員疲勞探測、下坡控制系統和電動汽車報警系統。

所以所謂的ADAS定義，是利用安裝于車上的各式各樣的傳感器， 在第一時間收集車內外的環境數據， 進行靜、動態物體的辨識、偵測與追蹤等技術上的處理， 從而能夠讓駕駛者在最快的時間察覺可能發生的危險， 以引起注意和提高安全性的主動安全技術。

ADAS系統分為環境感知、計算分析、控制執行三大模塊，如下圖所示，環境感知主要的雷達、攝像頭、紅外線這幾種，按照現在的優缺點和技術成熟度，這里主要關注攝像頭方式和毫米波雷達方式：

基于毫米波雷達的ADAS

通常將波長為1～10毫米的電磁波稱毫米波（millimeter wave），它位于微波與遠紅外波相交疊的波長范圍，車載毫米波雷達工作的頻段為24GHz和77GHz，少數國家（如日本）采用60GHz頻段，現在77GHz占主流。根據輻射電磁波方式不同，毫米波雷達主要有脈沖體制以及連續波體制兩種工作體制。

下圖為其工作原理圖：

車載毫米波雷達通過天線向外發射毫米波，接收目標反射信號，經后方處理后快速準確地獲取汽車車身周圍的物理環境信息（如汽車與其他物體之間的相對距離、相對速度、角度、運動方向等），然后根據所探知的物體信息進行目標追蹤和識別分類，進而結合車身動態信息進行數據融合，最終通過中央處理單元（ECU）進行智能處理。經合理決策后，以聲、光及觸覺等多種方式告知或警告駕駛員，或及時對汽車做出主動干預，從而保證駕駛過程的安全性和舒適性，減少事故發生幾率。

根據毫米波雷達的有效范圍，可以將車載毫米波雷達分為長距離雷達（LRR）和中距離雷達（MRR）以及短距離雷達（SRR），如下圖所示：

下圖為博世的LRR毫米波雷達組成：

基于攝像頭視覺的ADAS

視覺ADAS一般的功能有車輛識別及跟蹤、車道線識別、交通標志識別、行人識別等等，它可以分為單目（單攝像頭）視覺ADAS和雙目（雙攝像頭）視覺ADAS以及最近討論的多目（多攝像頭）視覺ADAS。

視覺ADAS的基本原理如下圖：

整個流程包括樣本的采集及標記，同時對標記的樣本進行大范圍訓練（可采用神經網絡深度學習來實現）來提取特征和模型，將模型作為實際圖像數據進行分類識別。另外一個維度，我們需要保證圖像源的質量，通過寬動態、強光抑制、降噪等技術來保證輸入數據源的干凈，將真實環境清晰的數據進行邊緣化和紋理化送入分類器進行識別。同時，在這個環節我們要非常注重模型數據和圖像源數據的一致性，即樣本標記的數據和實際圖像源要來自相同的鏡頭、圖像Sensor和相同的ISP技術，來保證訓練和實際的高匹配，具體的訓練算法目前采用深度學習的方法為主。

單目攝像頭和雙目攝像頭的最大不同體現在其測距原理，單目的測距原理是先識別、后估算距離：這是因為單目采用的是圖像匹配，即將所需要識別的車輛照片（一般是轎車尾部照片）錄入數據庫，數據庫需要不斷更新及維護，單目ADAS在工作時，會將攝像頭看到的影像和數據的圖像進行對比識別，識別后再估算相應的距離，如果數據庫沒有相關圖片則不能識別。雙目攝像頭采用的測距原理是先測距，后識別對象：其測距原理采用的是三角測距法，通過視差計算算出車輛與前方物體的距離，也因此，其數據庫無需維護就可以達到較高的識別精度，但反過來雙目ADAS對計算資源的要求則比較高。

下圖是成熟的單目視覺ADAS的Mobileye：

其效果如下圖，該司機側頭看東西，導致離前車太近，空調口左上的紅色顯示告警燈亮了，告警聲音也有（圖上看不出來），前方的綠色大圈和前方白色小車的紅框實際上是看不到的（只是為了演示其算法，現在有些實現在中控顯示屏上的ADAS能夠顯示這些內容）：

總結

ADAS在實現全自動駕駛之前的漫長過渡階段是越來越重要，好多車上已經是標配，隨著技術發展和成熟，過幾年不成程度的ADAS將出現在各類車上。