1. 课程导入与Mobileye EyeQ ADAS系统概览
在智能驾驶从“功能演示”走向“规模量产”的过程中，真正决定产品能否交付的，往往不是算法在理想工况下跑得多好，而是它在真实道路、极端天气、传感器污染、标定偏差和整车电磁环境中的稳定性。Mobileye EyeQ 系列芯片正是这一转变中最具代表性的量产计算平台之一：它把感知、融合、决策与安全监控集成到一颗车规级 SoC 中，并通过严格的验证与诊断体系保证功能安全与法规合规。本课程围绕 EyeQ 平台的 ADAS 量产验证与故障诊断展开，目标是让读者既能理解系统架构，也能动手完成验证用例设计、数据判读和故障定位。
一、EyeQ 芯片家族演进：从辅助感知到中央计算
EyeQ 的发展可以按“算力—集成度—安全等级”三条主线理解。早期 EyeQ1/EyeQ2 主要面向单目前视 LDW、FCW 等基础功能，算力有限，感知与决策边界清晰；EyeQ3 开始支撑 LKA、AEB 等更复杂的横向与纵向控制，并引入更完整的视觉处理流水线；EyeQ4 显著提升深度学习推理能力，支持多摄像头输入与更丰富的 ADAS 功能组合，成为大量量产车型的主力平台；EyeQ5 面向更高阶的辅助驾驶与多域融合，采用 7nm 工艺，提供更强的 AI 算力与更丰富的高速接口；EyeQ6 则进一步向集中式架构演进，强调可扩展性与软件定义能力。
对验证与诊断而言，代际差异带来的关键变化是：接口更多、数据量更大、安全机制更复杂。例如 EyeQ4 与 EyeQ5 在摄像头输入通道数、CAN/FlexRay/以太网接口、功能安全监控机制上都有明显不同，验证用例不能简单复用，必须按平台重新设计边界条件与故障注入点。
二、典型 ADAS 功能与 EyeQ 的对应关系
EyeQ 平台承载的 ADAS 功能可以按“感知—决策—执行”三层理解。感知层由摄像头、雷达等传感器输入，EyeQ 完成车道线检测、车辆/行人/骑行者识别、交通标志识别、可行驶区域分割等任务；决策层根据感知结果计算本车与目标的相对位置、速度、碰撞时间（TTC）等参数，判断是否触发预警或控制；执行层通过 CAN 或以太网向 EPS、ESP、发动机/电机控制器发送指令，完成转向、制动或驱动扭矩调节。
以几个典型功能为例：LDW（车道偏离预警）在车速高于约 60 km/h 且未打转向灯时，若车辆压线或即将越线，通过仪表或方向盘振动发出预警；LKA（车道保持辅助）在 LDW 基础上增加横向控制，通过 EPS 施加小扭矩使车辆回到车道中心；ACC（自适应巡航）根据前车距离和设定车速，通过纵向控制维持安全跟车距离；AEB（自动紧急制动）在 TTC 低于阈值且驾驶员未响应时，通过 ESP 主动建压制动。这些功能的验证重点各不相同：LDW/LKA 关注车道线识别与横向控制精度，ACC 关注跟车距离与加减速平顺性，AEB 关注目标识别距离、制动响应时延和误触发率。
三、量产验证与故障诊断在 V 模型中的位置
汽车电子开发普遍遵循 V 模型：左侧从整车需求、系统需求、软件需求逐层分解，右侧从单元测试、集成测试、系统测试到整车验证逐层集成。EyeQ ADAS 的量产验证与故障诊断贯穿 V 模型右侧，但并非只在末端出现。具体来说：
- 软件单元与集成阶段：验证感知算法在离线数据集上的精度，检查诊断服务（UDS）能否正确响应 0x19 读取故障码、0x14 清除故障码等请求。
- 系统测试阶段：在 HIL（硬件在环）台架上注入摄像头视频流、CAN 报文和故障信号，验证功能触发条件、降级策略和故障码存储。
- 整车验证阶段：在试验场和公开道路上验证真实光照、天气、道路结构下的功能表现，同时用诊断仪读取故障码、冻结帧和扩展数据，定位偶发问题。
故障诊断的核心逻辑是：监测—判断—响应—记录。EyeQ 内部对摄像头信号丢失、图像质量下降、CAN 通信超时、内部温度过高等异常进行监测，按严重程度分为不同等级，触发相应的降级策略（如关闭 LKA、仅保留 LDW、点亮故障灯），并将故障码、发生时刻、环境数据和冻结帧写入非易失存储器。验证人员需要确认：故障是否被正确检测、响应是否符合安全需求、故障码是否可读且信息完整、故障恢复后能否自动清除或需要手动清除。
四、本课程学习路径与实战目标
本课程共 30 章，按“系统认知—验证方法—诊断实操—案例复盘”四条主线推进。前几章建立 EyeQ 平台、ADAS 功能、V 模型和诊断协议的基础认知；中间章节深入量产验证的具体方法，包括测试用例设计、HIL 台架搭建、数据采集与判读、故障注入与覆盖率评估；后续章节聚焦故障诊断实操，涵盖 UDS 诊断服务、DTC 管理、冻结帧分析、CAN 总线故障排查和典型故障树；最后通过综合案例复盘，把验证与诊断串成完整闭环。
学习完本课程，读者应能独立完成以下任务：根据功能需求设计 ADAS 验证用例；在 HIL 或实车环境采集并判读 EyeQ 输出数据；使用诊断仪读取和解析故障码；针对典型故障（如摄像头遮挡、CAN 丢帧、AEB 误触发）定位根因并提出整改建议。课程中的参数、数据和案例均为教学示例或合理假设，实际项目需以具体车型的标定和诊断规范为准。