ADAS进阶：采用早期融合技术，提升夜间检测性能
在最近关于 ADAS 进阶 的讨论中，我们探讨了如何通过整合摄像头、雷达等不同ADAS 组件，增强安全功能并帮助制造商应对成本和可扩展性挑战。基于这些见解，我们现在更深入地研究融合技术，尤其是早期融合技术，该技术结合热成像传感，能提升系统性能并减少夜间行人死亡事故。
行业对高性能感知系统的需求日益增长，同时又要求成本不能相应增加。独立处理每个传感器不仅增加了计算负担，而且限制了可提取信息的总量。通过融合来自多个传感器和模态的数据，我们可在现有硬件基础上提高检测精度与计算效率。此外，我们已经看到客户提出此类技术需求，这表明需要着手开发相关解决方案，以在未来的询价中保持竞争力。
融合技术
融合多传感器、多感知模态的传感器数据流，旨在实现比单独使用各传感器更优的系统性能。这不仅体现在检测精度和可靠性上，还包括计算吞吐量。随着机器学习和人工智能工具的引入，融合技术已从传统方法逐步演进。本文将重点介绍两种对 ADAS 具有重要意义的融合技术：
- 后期融合（Late Fusion）
这是传统融合方法，融合过程发生在传感器系统数据处理链的后期，通常也被称为 “高级别融合”，二者本质含义相同。
在融合前，各传感器会对数据进行深度处理，处理节点通常是感知算法将目标归类为 “物体” 的阶段。这些物体将被划分到与交通场景相关的不同语义类（如汽车、行人、骑行者）。随后，带有衍生属性（如位置、朝向、速度）的物体数据会被传输至融合算法。
这些信息可用于跟踪算法，系统通过跟踪算法计算路径预测，可用于自动紧急制动 （AEB） 等防撞功能。
采用晚期融合的系统优势在于，当两个数据源均提供某一物体的信息时，输出结果的可信度更高，从而确保系统具备高可靠性。但其不足在于，每种传感器模态都需单独提供数据，而在有挑战性的工况下（如摄像头遭遇强光直射），有时会因信号不足无法完成检测。
该技术非常适合由智能传感器组成的 ADAS 架构，此类架构的决策过程呈分散式。
- 早期融合（Early Fusion）
对于早期融合，我们考虑了两种变体。一种是 “中级别融合”—— 其中一个传感器提供物体数据，另一个传感器提供处理链前期步骤生成的数据（通常是成像器的像素数据或雷达的检测数据）。
另一种是 “低级别融合”—— 所有传感器均提供处理链前期步骤生成的数据，且融合过程同时完成物体分类。早期融合的优势在于，无需每个传感器单独完成物体分类。在实际应用中，这意味着即使传感器系统处于复杂工况，也能将各感知模态的 “不确定性信息” 整合为可靠的检测结果。
随着集中式架构的发展，早期融合如今已更具应用价值：在集中式架构中，传感器可通过高带宽连接，将高密度数据传输至中央计算单元（无需将数据处理为物体信息）。总体而言，这种方式能打造更高效的感知系统，而系统级芯片（ SOCs ）和 AI 工具的性能提升，为该技术的发展提供了支撑。
热成像与成像雷达早期融合：保障行人安全
要理解早期融合对 ADAS 的潜在价值，可从“解决夜间行人事故问题”切入。美国汽车协会报告显示：过去 15 年间，美国夜间行人死亡事故数量持续上升，且增长几乎全部来自城市主干道 —— 夜间发生的致命事故占比高达 76%。当前基于可见光光谱的摄像头技术，在弱光环境下性能受限；且若提高灵敏度，又会增加误检风险。
麦格纳正将“热成像传感器与成像雷达的早期融合”作为一种可靠、高性价比的替代方案进行研发，该方案具备高可用性：热成像传感器通过热信号检测行人，成像雷达则提供精细的空间定位信息；二者原始数据融合后，可实现黑暗环境下的实时物体评估。
热成像与成像雷达的早期融合，既能提升行人安全，又能带来成本与可扩展性优势。但该技术的市场接受度仍面临挑战：行业需认可其在“可用性”与“可靠性”上的价值；同时，热成像与成像雷达的系统解决方案需通过高产量与市场普及，才能实现成本效益。
随着 ADAS 技术的演进及新安全法规的出台，行业已具备克服这些障碍的条件。ADAS 融合技术有望快速发展，进一步提升出行方案的安全性与效率。
*本文档是使用 Microsoft Translator 翻译的。
我们期待您的反馈
欢迎向我们发送您的问题、想法和咨询，或在社交媒体上参与讨论。
保持联系
订阅麦格纳新闻和故事，一旦有更新，你就会收到电子邮件提醒。