为车辆提供多重安全保护

我们都知道，与其它先进的驾驶辅助系统（Advanced Driver Assistance Systems，ADAS）一样，先进紧急制动系统（Advanced Emergency Braking Systems，AEBS）使用传感器输入来感知周围环境。即将发生事故时，系统会通过声音警报来警告驾驶员。如果驾驶员没有反应，系统将采取警告制动。如果驾驶员仍然没有反应，系统便将采取完全制动以避免事故的发生。

此外，AEBS系统还提供制动辅助功能，即当驾驶员已经踩下刹车，但没有足够的制动力时，系统将通过计算提供所需的额外制动力，这样可以大大减少事故的发生概率。

图1. AEBS 系统

AEBS同时使用车辆前部安装的雷达和相机传感器来扫描前方区域的物体，利用每个传感器的独特优势获取更精确的环境模型。雷达传感器的优势在于确定物体的距离、相对速度和硬度，但在确定物体的形状或横向位置方面较弱。只安装雷达的系统会发现很难将停在路边的汽车同行驶车道中的汽车区分开。而在另一方面，相机可以精确获取物体的大小和横向位置，但不能很好地测定距离，并且无法估计密度（可能会将浓密的云层误认为是一个坚实的物体）。

为此，瑞典货车及巴士制造厂商斯堪尼亚（Scania）构建了一个传感器融合系统，可将两个传感器中的数据进行匹配并合并到一个物体中。该系统使用四个加权属性（纵向速度、纵向位置、横向速度和横向位置）来计算两个传感器检测到同一个物体的概率。传感器融合系统一旦在主车辆道路中发现物体，会将该物体的位置和车辆的预计路径传递给AEBS，AEBS将确定何时警告驾驶员或采取制动措施。

图2. 传感器融合系统的Simulink 模型

据悉，Scania团队以前曾通过基于模型的设计方法开发过使用雷达技术的自适应巡航控制系统，但尚未开发过传感器融合系统。由于这是一种全新的设计，需要使用可读且易懂的架构将信号流可视化，还预计会产生大量设计迭代，因此希望通过一种简单的方法实现结果可视化和进行设计调试，并通过生成代码来节省时间。但代码必须是高效率的，因为当启动传感器融合项目时，电子控制单元（Electronics Control Unit，ECU）上的CPU负载已经达到60%左右。最后，还需要对设计进行全面验证，模型仿真将基于超过150万公里的传感器数据，该设计必须满足以上所有的严格要求。

构建传感器融合系统

首先，将系统设计划分为多个功能单元，如对象匹配和预计路径定位，并为每个单元构建一个单独的Simulink®模块，这样将会有一个具有良好接口定义的清晰的软件架构。

Scania团队为轨迹关联编写了MATLAB®代码，以便计算方差、计算加权概率以及执行那些使用脚本要比使用模块更容易实现的其它任务，之后通过MATLAB Function block将此代码合并到Simulink模型中。这些算法模块可以使团队成员更方便地合并算法，并将这些算法与控制系统集成。

图3. 在MATLAB中开发的传感器可视化工具

为了调试和改进初始设计，使用记录的雷达传感器数据、相应的相机图像和其它车辆传感器数据运行了仿真。在调试期间发现，将来自车辆前部的传感器数据和相机视图进行可视化是非常有用的。于是，Scania在MATLAB中构建了可视化工具，可显示与周围交通状况的Web相机视图同步的传感器融合数据。

利用MATLAB面向对象的编程功能，该工具使用MATLAB类表示任意传感器检测到的每个对象，以及传感器融合系统感知到的统一的对象。通过这些MATLAB对象，可以在执行数据可视化时快速及时地前进和后退。

在道路测试期间使用相同的工具，可对来自车辆网络的实时数据进行可视化。

实现系统融合并优化性能

为了将传感器融合系统部署到ECU，使用Embedded Coder®从Simulink模型生成C代码。借助代码生成，可以快速实现系统，并可避免编码错误。ECU处理器的大部分资源都已分配给维护功能，包括监视仪表盘警报、物理状态估计、数据网关和自适应巡航控制等。因此，团队需要优化初始设计来提高效率。

图4. 情形分类辅助模块是基于MATLAB 的工具，用于处理记录的ECU数据，以及自动识别与紧急制动相关的情形。

为了让生成的代码提供最佳性能，Scania与MathWorks Pilot团队共同协作，优化了从 MATLAB Coder™生成的代码。为了进一步降低处理负载，Scania将模型分为交替执行的单独部分，发现系统调用的三角函数严重影响了处理器的处理速度。为了解决这个问题，工程师用C语言编写了三角近似函数，并从MATLAB函数模块调用这些函数。这些修改不但提高了传感器融合代码的效率，还使得AEBS软件的反应更快，这在以毫秒计算的车辆高速行驶时尤为重要。

验证和改进设计

据透露，Scania在一段封闭道路上对设计进行了车载测试，但是还需要了解系统在实际驾驶场景中如何反应，如不同的天气条件、交通模式和驾驶员行为。在这些条件下直接测试AEBS既不现实也不安全。于是，Scania使用了基于仿真的工作流。首先从一组卡车中收集ECU上所有可用数据（而不仅仅是用于数据融合的雷达和相机中的数据），以及来自单独的参考相机中的图像。

使用这一组测试数据运行仿真，以鉴别一些值得关注的驾驶场景。在有些场景中，AEBS进行了干预，警告驾驶员或采取制动措施；而在有些场景中，系统本该但没有进行干预，例如，当驾驶员同时按喇叭和踩刹车、突然转弯或紧急刹车时。之后针对这些场景对AEBS的性能进行了分析，以确定可以在哪些方面改进设计。

需要在每次更新AEBS软件后重新进行仿真。但是，由于在超过150万公里的驾驶里程中所记录的实际交通数据超过了80 TB，因此需要几天才能运行完一个仿真。

为了进一步提高仿真运行速度，团队编写了MATLAB脚本，并在多台计算机以及专用的多处理器和服务器上并行运行仿真，数量多达300个。通过这一方法将仿真150万公里所有交通数据的时间减少到仅需12小时。在模拟器中发现值得关注的新场景时，会在Simulink中重新运行仿真以进行深度分析。

使用以TB为单位的数据对可能值得关注的场景进行识别和分类是一项乏味且耗时的任务，为此Scania开发了情形分类辅助模块，这是一个基于MATLAB的工具，可自动处理这部分工作。

该工具从仿真中生成一个活动列表，如由系统发起的事故警报、警告制动和完全制动，以及由驾驶员引起的急刹车和急转弯。之后可以针对任意两个版本的软件对这些列表进行比较。

执行大量仿真的能力增强了AEBS功能以及ECU中产品代码实现的鲁棒性和安全性。另外，还可以更快地进行更改。值得关注的是，使用仿真中的所有可用数据对上千种场景进行了测试，让Scania对功能的完善信心十足。

在ADAS产品中部署生成的代码

目前，大多数Scania卡车和公交车都已经配备了AEBS（该系统运行从Simulink模型生成的产品代码，并通过大量仿真进行了验证），大大降低了追尾的事故率。此外，在Scania的自适应巡航控制系统中也重用了传感器融合系统设计，得到了非常好的效果。目前，约有10万个电子控制单元在使用该设计，未来前景十分广阔。