📚 课程目录第1章 ADAS系统概述

1. ADAS 系统概述：从辅助到自动驾驶的进化之路

大家好，我是这门课的主讲人。在嵌入式视觉和 ADAS 领域摸爬滚打了十几年，踩过不少坑，也积累了一些心得。今天咱们正式开始《ADAS 融合显示开发实战》的第一章。

这一章，我不会跟你念教科书。咱们聊聊 ADAS 到底是什么，它怎么一步步走到今天，以及那些藏在车上的传感器，到底谁在「看路」，谁在「听声」，谁又在「画地图」。

ADAS，全称是 Advanced Driver Assistance Systems，高级驾驶辅助系统。说白了，就是帮人开车，甚至替人开车的技术集合。

最早的量产 ADAS 功能，我记得是 90 年代末的定速巡航。那时候觉得这玩意儿真神奇，脚能离开油门了。但本质上，它只是个机械执行器。

真正的转折点，是摄像头和雷达开始上车。2000 年左右，丰田、奔驰开始搞车道偏离预警和自适应巡航。那时候的传感器性能很差，摄像头只有几十万像素，雷达也只能探测几十米。我在 2010 年参与过一个项目，用单目摄像头做前车检测，一到隧道就丢目标，因为光线变化太大。嗯，那时候的算法确实很「脆弱」。

到了 2015 年以后，Mobileye 的 EyeQ 系列芯片和深度学习算法爆发，ADAS 才真正进入「智能」阶段。现在，L2+ 级别的功能已经非常成熟，L4 的 Robotaxi 也在部分城市落地了。

我把这段历程整理成了一个时间线，方便你理解：

我的经验： 别小看早期的「笨」算法。很多现在的融合策略，比如卡尔曼滤波、匈牙利匹配，都是那时候打下的基础。理解历史，才能理解为什么今天我们要用这种架构。

ADAS 系统离不开三种核心传感器：摄像头、毫米波雷达、激光雷达。它们各有各的脾气，也各有各的绝活。

摄像头负责「看」。它能识别车道线、交通标志、行人、车辆。优点是信息丰富，缺点是对光照敏感，晚上基本半瞎。

我做过一个测试：在夜间无路灯的高速上，单目摄像头的目标检测距离直接缩水 60%。所以，摄像头必须和雷达配合。

雷达用电磁波测距和测速。它不怕雨雪雾，能直接测量目标的速度（多普勒效应）。但缺点也很明显：点云稀疏，无法识别物体类别。

举个例子：雷达能告诉你前方 50 米处有一个静止物体，但它分不清那是一个纸箱还是一辆故障车。这时候就需要摄像头来「认」一下。

激光雷达通过发射激光束，生成高精度的 3D 点云。它能精确描绘出物体的轮廓，甚至地面的起伏。但成本高，且在雨雪天气下性能下降严重。

我记得 2018 年做 L4 项目时，一颗 64 线激光雷达要 8 万美元。现在国产 16 线雷达已经降到几千块了。技术迭代真的很快。

    关键认知： 没有一种传感器是完美的。摄像头怕黑，雷达怕静（静止目标），激光雷达怕雨。所以，融合才是王道。

SAE（国际自动机工程师学会）把自动驾驶分成了 6 个等级。这个分级是行业通用语言，面试必考，做产品也绕不开。

我直接给你画了一张图，把每个等级的核心特征和典型场景标出来了。你一看就明白。

避坑指南： 我曾经见过不少团队，把 L2+ 的功能吹成 L3，结果出了事故被起诉。记住：L3 意味着系统在责任上「接管」了驾驶。只要人还需要盯着路，那就是 L2，不是 L3。别在宣传上玩文字游戏，这是底线。

这一章我们聊了三个核心点：

为什么要先讲这些？因为后面我们要做的「融合显示」，本质上就是把摄像头、雷达、激光雷达的数据，在屏幕上用最直观的方式呈现给驾驶员。如果你不理解传感器的特性，你就不知道什么时候该显示什么，什么时候该隐藏什么。

举个例子：摄像头检测到行人，但雷达没看到。这时候你该显示吗？显示吧，可能误报；不显示吧，万一真有人呢？这就是融合显示要解决的「信任度」问题。我们后面会详细讲。

好，第一章就到这里。记住这些基础概念，后面我们就要开始动手写代码了。