理論與實(shí)踐是差別很大的，AEB的論文與具體開發(fā)差別極大。本文主要說明AEB為什么有那么多限制，如何才能提高AEB系統(tǒng)的實(shí)用性。

再簡單重復(fù)一下目前AEB系統(tǒng)的局限性。首先AEB系統(tǒng)有明顯的速度上限和下限，一般來說單純以毫米波雷達(dá)為傳感器的AEB系統(tǒng)最高工作上限為時(shí)速30公里，以單目攝像頭為核心傳感器的AEB系統(tǒng)最高工作上限為時(shí)速40公里，單目與毫米波雷達(dá)融合的AEB最高工作上限為時(shí)速70公里，以雙目為核心傳感器的AEB系統(tǒng)最高工作上限為時(shí)速90公里。同時(shí)還有一個最低下限。以單目為核心傳感器的工作下限為時(shí)速8-10公里，毫米波雷達(dá)為時(shí)速5公里，攝像頭與毫米波雷達(dá)融合為時(shí)速3公里，雙目為3公里。

其次，目前絕大多數(shù)AEB都是只針對車輛的，對行人和騎車人無效或不明顯?；蛘哒f探測行人需要比較長的時(shí)間，碰撞時(shí)速度仍然較高。

第三，AEB對突然出現(xiàn)的靜止物體無效。車輛、大型動物、行人和騎車人，在被前車或側(cè)車遮蓋住視線，前車不再遮擋后突然出現(xiàn)，AEB系統(tǒng)無法及時(shí)識別，特斯拉幾次事故都是如此。

第四，盲區(qū)明顯，車輛轉(zhuǎn)彎時(shí)，AEB基本是無效的。迎面而來的交叉車流或轉(zhuǎn)彎車流，對面來車突然變道等等，AEB也是無效的。

第五，天氣和光線的局限。對于攝像頭為核心的AEB系統(tǒng)，低照度情況下基本無效，高亮度如正對陽光也會無效。

典型的AEB系統(tǒng)構(gòu)成如下：

  對于靜止物體，傳感器融合是不可缺少的。

首先要說融合的三個層次，分別是傳感器數(shù)據(jù)級（Data）、傳感器特征級（Feature）、決策級（Decision）。一般情況下都是數(shù)據(jù)級融合，主要是原始數(shù)據(jù)（可不是最原始的數(shù)據(jù)，是從傳感器ECU輸出的數(shù)據(jù)）融合，一般采用加權(quán)平均或卡爾曼濾波器算法實(shí)現(xiàn)融合。特征級融合則把形狀、深度、速度等數(shù)據(jù)融合，通常采用霍夫變換算法。決策級則對比多個決策，算法一般是貝葉斯算法。

上圖是Matlab的仿真模型，數(shù)據(jù)級融合通常都是以圖像傳感器為核心，用卡爾曼濾波器對雷達(dá)測量的距離信息進(jìn)行濾波后，得到世界坐標(biāo)系下前方車輛與攝像頭之間各個坐標(biāo)軸上的距離估計(jì), 通過坐標(biāo)映射對它們在二維圖像上進(jìn)行實(shí)時(shí)描述。這就是傳感器視覺化。

決定AEB系統(tǒng)反應(yīng)時(shí)間的，首先是執(zhí)行器的反應(yīng)時(shí)間，其次是處理器的反應(yīng)時(shí)間。

目前AEB系統(tǒng)的執(zhí)行器都依賴ESC或ESP，其從接到信號到輪缸有剎車油進(jìn)入需要大約300毫秒，到剎車力度達(dá)到最大需要550毫秒時(shí)間，而人類駕駛員只需要大約350毫秒，這個時(shí)間對速度為72公里的汽車意味著增加了4米的剎車距離。

下一代EHB系統(tǒng)可以將時(shí)間縮短400毫秒，僅需120-150毫秒就達(dá)到最大剎車力度，安全系數(shù)大大提高，同時(shí)也可以回收幾乎100%的剎車能量。目前正式量產(chǎn)使用的下一代EHB系統(tǒng)只有博世的iBooster和日立的e-Act。目前只用于新能源車領(lǐng)域。執(zhí)行器的反應(yīng)時(shí)間限制了AEB系統(tǒng)的工作上限。執(zhí)行器領(lǐng)域門檻很高，獨(dú)立廠家只有3家，分別是博世、天合（ZF）和大陸。

   除了執(zhí)行器所花的時(shí)間，還有處理器所花的時(shí)間。對AEB開發(fā)系統(tǒng)者來說，ESP(ESC)是無法選擇的，因?yàn)槟鞘堑妆P工程師的領(lǐng)域，AEB開發(fā)者只能被動接受，處理器所花的時(shí)間一部分是圖像識別與距離輸出的時(shí)間，一部分是數(shù)據(jù)融合花費(fèi)的時(shí)間。如果是針對行人的圖像識別和數(shù)據(jù)融合，那么總共花費(fèi)的時(shí)間在150-450毫秒之間。

對于AEB系統(tǒng)，視覺部分主要任務(wù)是計(jì)算出障礙物與車輛之間的距離，而不是識別障礙物是何類型的物體，路面上的大型障礙物都需要避免與之碰撞。對單目來說，要計(jì)算距離必須先識別物體，而雙目則是先計(jì)算距離，再識別或者不識別。

單目攝像頭的大致測距原理，是先通過圖像匹配進(jìn)行目標(biāo)識別（各種車型、行人、物體等），識別出物體的具體輪廓，特別是寬度，根據(jù)傳感器的尺寸，再通過目標(biāo)在圖像中的像素大小去估算目標(biāo)距離。這就要求在估算距離之前首先對目標(biāo)進(jìn)行準(zhǔn)確識別，是汽車還是行人，是貨車、SUV還是小轎車。準(zhǔn)確識別是準(zhǔn)確估算距離的第一步。要做到這一點(diǎn)，就需要建立并不斷維護(hù)一個龐大的樣本特征數(shù)據(jù)庫，保證這個數(shù)據(jù)庫包含待識別目標(biāo)的全部特征數(shù)據(jù)。比如在一些特殊地區(qū)，為了專門檢測大型動物，必須先行建立大型動物的數(shù)據(jù)庫；而對于另外某些區(qū)域存在一些非常規(guī)車型，也要先將這些車型的特征數(shù)據(jù)加入到數(shù)據(jù)庫中。對于車輛，這個數(shù)據(jù)庫還算好做，全球車型畢竟有限。對于行人，難度頗高，出了簡單的模型數(shù)據(jù)庫，先進(jìn)的要用HOG。識別準(zhǔn)確率越高，距離計(jì)算就越準(zhǔn)確。

而雙目檢測的方式就是通過對兩幅圖像視差的計(jì)算，直接對前方景物（圖像所拍攝到的范圍）進(jìn)行距離測量，而無需判斷前方出現(xiàn)的是什么類型的障礙物。雙目是測量距離，而不像單目是估算距離，理論上雙目精度可以達(dá)到毫米級。

11款車AEB測試數(shù)據(jù)對比

很明顯，雙目的計(jì)算距離所花費(fèi)時(shí)間遠(yuǎn)低于單目系統(tǒng)，因此雙目的斯巴魯有絕對優(yōu)勢，盡管斯巴魯?shù)碾p目系統(tǒng)推出于2008年，但是比目前任何一款單目的AEB系統(tǒng)要好，包括特斯拉的三目系統(tǒng)，比沃爾沃的XC60這種融合激光雷達(dá)、毫米波雷達(dá)和攝像頭三者融合的還要占優(yōu)。需要指出的是，XC60的激光雷達(dá)是簡易型非掃描型激光雷達(dá)，價(jià)格非常低廉，低于毫米波雷達(dá)。

目前汽車領(lǐng)域最先進(jìn)的行人識別都是使用HOG，而非深度學(xué)習(xí)。深度學(xué)習(xí)的嵌入式應(yīng)用完全無法實(shí)現(xiàn)，功耗和成本都太高，這并非其主要缺點(diǎn)，最重要的是深度學(xué)習(xí)是一個黑盒子，它在某一個測試集上（如Kitti）表現(xiàn)很好，但是換一個測試集就表現(xiàn)很差，而其中的原因卻無從得知。深度學(xué)習(xí)的表現(xiàn)非常不穩(wěn)定，這對要求高可靠性的傳統(tǒng)汽車廠家來說完全無法接受。

HOG（Histograms of Oriented Gradients）是一個手工設(shè)計(jì)特征的淺度學(xué)習(xí)模型，HOG不止可以用來檢測行人，也可以檢測狗、貓等等幾乎任何物體，所做的工作只是訓(xùn)練樣本的不同，所以HOG特征可以稱為object檢測方法。 

上面是HOG流程，最后一步需要行人分類器，根據(jù)大量的樣本構(gòu)建行人檢測分類器。提取的特征主要有目標(biāo)的灰度、邊緣、紋理、顏色、梯度直方圖等信息。OpenCV里有行人檢測分類器（線性SVM）的開源代碼，OpenCV自帶的分類器使用的是2005年CVPR那篇文章中作者訓(xùn)練好的分類器，所以設(shè)計(jì)起來并不難， 部分誤檢可以通過差分解決，但是在擁擠的人群里，誤檢率很高。不過不要怕，低速工況下搞個免責(zé)條款就OK啦。

上圖是東芝針對ADAS尤其是行人HOG檢測推出的一款A(yù)SIC，代號為Visconti2，用在豐田的大型車和普銳斯上，效果非常好。它采用了硬件加速器，速度遠(yuǎn)遠(yuǎn)超過IP軟內(nèi)核。

Visconti2的處理時(shí)間大約需要79.3毫秒，而一個1Ghz的CPU需要3.98秒。

Visconti2可能是目前最快的車用行人識別芯片，不過缺點(diǎn)也很明顯，太貴。東芝還推出了Visconti4芯片，速度更快，但是要到2018年量產(chǎn)。考慮到出貨量非常有限，東芝這款A(yù)SIC肯定是虧錢賣的，估計(jì)出貨量要達(dá)到500萬套才能覆蓋其研發(fā)成本。其他廠家多基于FPGA使用軟核IP做行人識別的，估計(jì)需要150-250毫秒，甚至300毫秒。優(yōu)點(diǎn)是芯片的價(jià)格可以便宜不少。

單目相對雙目缺點(diǎn)非常明顯，但優(yōu)點(diǎn)也很明顯，成本比較低，特別是邊際成本。雙目的缺點(diǎn)是計(jì)算量大，沒有合適的ASIC可用，只能選擇FPGA。而FPGA需用特別的VHDL/Verilog語言，這種類似于軟件畫電路圖的本事能掌握的人很少，所以限制了雙目的使用范圍。同時(shí)雙目系統(tǒng)對配對一致性要求極高，對于系統(tǒng)的機(jī)械加工精度要求高，雙目之間基線越長，性能越好，但機(jī)械精度和一致性要求就越高，因此只有斯巴魯敢用31厘米的基線，而寶馬的雙目都要遠(yuǎn)低于這個尺寸。

通常雙目是不識別物體類型的，當(dāng)然雙目也可以像單目那樣識別物體，不過雙目在行人檢測領(lǐng)域有獨(dú)特的方法，效率非常高，這就是Stixel（sticks above the ground in the image）。

所謂stixel就是指對圖片中地面以上的柱狀物體進(jìn)行建模，顯然，圖像中的樹木，人，海報(bào)之類的物體都可謂柱狀物。利用stereo image可以直接計(jì)算出stixel，而無需計(jì)算所有的深度（視差）信息。在進(jìn)行行人檢測時(shí)，對圖像中的地面和stixel進(jìn)行估計(jì)，并設(shè)置stixel的高度為1.75m，在CPU上可以達(dá)到135fps的速度，這是目前行人檢測領(lǐng)域最高效的算法。

AEB的盲區(qū)問題，主要源自攝像頭的FOV，就是視角的問題。FOV角度很寬，覆蓋面就很大，但有效距離就會縮短不少。FOV角度很窄，覆蓋面縮窄，近距離有明顯的盲區(qū)，但有效距離會增加不少。通常取一個中間值，就是45度。三目就完美解決這個問題，它使用三個攝像頭，F(xiàn)OV分別是45、25、150度。既有長的有效距離也有寬的覆蓋面，但是幾個攝像頭之間的轉(zhuǎn)換過渡，需要設(shè)置濾波器來濾除相同的信息，這就增加了處理時(shí)間。

毫米波雷達(dá)和攝像頭一樣，也有FOV的問題。遠(yuǎn)距離毫米波雷達(dá)的FOV很窄，會在車前形成明顯的盲區(qū)。解決辦法有兩種，一種是增加兩個短距離毫米波雷達(dá)，奧迪通常就采用這種做法。另一種是采用雙FOV的毫米波雷達(dá)，這種雷達(dá)擁有兩套系統(tǒng)，一套FOV很窄，一套FOV適中，德爾福有這種設(shè)計(jì)。

再有就是光照度的問題，低照度情況下，無論單目還是雙目，性能都會迅速下降。另外正對陽光時(shí)，攝像頭也會失明，即便是動態(tài)范圍再高的攝像頭也無法避免。雖然這個失明只有幾秒鐘，但這就埋下了安全隱患。另外，進(jìn)出隧道時(shí)，光照度的急劇變化也會讓攝像頭短暫失明，而這正是最危險(xiǎn)的階段。此外，雨雪霧霾也讓攝像頭幾乎無用武之地。

激光雷達(dá)可以彌補(bǔ)目前AEB系統(tǒng)中的大部分缺點(diǎn)，并且4線或8線激光雷達(dá)就可以。激光雷達(dá)在雨雪霧霾時(shí)，有效距離會下降，但仍然可保證準(zhǔn)確性和可靠性，只需要降低車速即可。即便是人類駕駛員，碰到雨雪霧霾也需要降低車速。而攝像頭，碰到雨雪霧霾幾乎無法工作。激光雷達(dá)也沒用盲區(qū)的問題，即使FOV很寬，有效距離也不會縮短，可以達(dá)到150米，而雙目（45度FOV)一般是50米。在距離計(jì)算上，激光雷達(dá)準(zhǔn)確度更高，效率也更高。當(dāng)然，激光雷達(dá)有個嚴(yán)重缺點(diǎn)，成本太高，不過只要需求旺盛，成本自然可以快速下滑。

   最后需要指出，一套完整的AEB開發(fā)系統(tǒng)最少需要2年的開發(fā)周期。

有些廠家急功近利，取消了最關(guān)鍵的驗(yàn)證測試和場地測試，直接上路，拿活人做小白鼠，這種藐視生命的態(tài)度，是萬萬不可取，早晚會有大麻煩的。