ADAS采用的传感器主要有摄像头、雷达、激光和超声波等，可以探测光、热、压力或其它用于监测汽车状态的变量， 通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。早期的ADAS技术主要以被动式报警为主，当车辆检测到潜在危险时， 会发出警报提醒驾车者注意异常的车辆或道路情况。本文线束工程师之家主要介绍智能座舱与ADAS传感器。
一、高级辅助驾驶ADAS介绍
1.感知层-多传感器融合
毫米波雷达测距远，精度高，不受天气和光线影响，对运动金属物体敏感而对静止物体和非金属物体不敏感，分辨率低。文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
摄像头的信息丰富且有识别功能，如检测行人、形变物体、停车场横杆、识别各类交通标识，受成像条件和学习样本限值。文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
激光雷达测距远精度高，分辨率高，但成本高、受阳光、雨雾和胡干扰影响，对工作温度等环境要求也高。文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
- 摄像头系统 ：有效覆盖范围：0-100m。
- 激光雷达： 360°扫描环境，实时构建3D全景图像，测量距离。
- GPS定位器： 识别方向、速度、行驶状态、地图位置。
- 惯性传感器： 检测行驶方向。
- 高精度地图： 与GPS配合可实现LBS服务。
- 雷达测距器： 毫米波/微米波/厘米波雷达。短程雷达：0.2–20m，远程雷达：1-120m。
- 夜视红外： 夜雨、雨雾恶劣天气也可保持清晰视野，有效覆盖范围：0-200m。
ADAS四种传感器对比：文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
2.决策层
视觉软件算法和ADAS芯片的成本占到整个ADAS系统成本的的15%–20%左右，技术门槛高。但对与L1-L2级别的ADAS来说，算法和芯片的技术需求相较L4-L5级别的无人驾驶较低，但却是不可缺少的一环。文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
3.执行层
智能驾驶的落地需要精准的控制系统参与，其与汽车底盘控制密切相关，且涉及到驱动控制系统、转向控制系统、制动控制系统等。执行机构的电子化、线控化是实现汽车主动安全的重要保证。
由于执行层功能的实现需要精密的电控技术作为依托，同时需要对整车车身、底盘系统有充分的了解，而且通常是一整套配套的解决方案。文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
二、高级辅助驾驶ADAS传感器介绍
下面我们逐一介绍一下相关的ADAS传感器。文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
1.毫米波雷达
毫米波雷达的种类及特征文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
文章源自线束工程师之家-https://suncve.com/introduction-to-smart-cabin-and-adas-sensors/
毫米波雷达的工作原理
毫米波雷达是通过毫米频段的电磁波测量与前方物体的相对距离、方向、相对速度等信息的雷达传感器。
行驶的过程中向前方发射毫米波段的电波，分析反射回来的电波的频率变化来检测与前方车辆的相对距离、相对速度、方向等信息。
毫米波雷达的分类
车辆中用到的毫米波雷达一般是以下两种波段：76GHz波段的电波和24GHz波段的电波。
毫米波： 是介于微波与光波之间的电磁波，通常毫米波频段是指30GHz～300GHz，相应波长为1mm～10mm。
毫米波通信就是指以毫米波作为传输信息的载体而进行的通信。毫米波通信分毫米波波导通信和毫米波 无线电通信 两大类。
FM-CW方式： Frequency Modulated-Continuous方式的简称，即调频连续波方式。
2.激光雷达
激光雷达的分类
根据距离可以分为FLASH激光雷达和扫描式激光雷达
FLASH激光雷达原理
在短时间内向前方发射大面积的激光，依靠高灵敏度的探测器对回波信号进行收集并绘制成像；
扫描式激光雷达
在行驶过程中，对自身的位置，与目标物的距离，目标物的形状进行识别，也可以识别车道线等道路特征。
3.超声波雷达
超声波传感器的原理和位置
超声波可以被任何材质反射，并接收和放大障碍物反射的超声波脉冲，将超声波脉冲转换成数字信号。安装位置一般是车头和车尾各四个短距雷达，车两侧各两个长距雷达。
注：超声波所在的频段人耳是无法听到的
超声波雷达的工作原理
但是强大如超声波传感器很怕脏污，应始终保持表面干净。因为当其被异物附着时，超声波喇叭的震动(残响时间)会发生 异常 。例如超声波喇叭上附着霜（冰）、雪、泥等异物时，会影响超声波喇叭的正常功能。
4.摄像头
摄像头的分类和结构
摄像头分为单目摄像头和多目摄像头，单目摄像头仅能查看一个平面，而多目摄像头除了可以识别立体物体，还可以测算到目标物体的距离。
摄像传感器的工作原理
摄像头传感器通过获取摄像头拍摄的车辆周边的实景画面，从实景画面中抽取场景特征信息、调整显像浓度，对画面进行预处理。根据预处理结果，更容易辨别对象的特征及形状、颜色等信息，从而提高检测速度。
目标物的处理流程：
检测车道信息：
从经过处理的图像上抽取边缘画面（亮度变化大的区域），从边缘画面中找出行车线标记（车道两侧的实线及虚线，直道显示为直线），通过行车线标记测定车道。
基于行车线信息获取车道中央位置、车辆行进方向及测算距离，从而识别、判断、控制车辆。
检测道路标识：
从经过处理的图像上抽取对应的候补点，寻找由各点分布构成的直线、曲线、平面等任意图形，按照特定的 模板 推定标识。通过标识信息进行判断并控制车辆。
检测行人信息：
人物图像由于体型、姿势、衣着等因素影响较难识别。因此，从图像中区分出静止的背景和运动的人物，需要根据 模型 化部位（手脚等较大部位的图形）以及统计性特征（全身图像等）进行识别，符合特征的则被判定为行人。根据车辆与行人间的位置关系及测算的距离，识别、判断、控制车辆。
多目摄像头
单镜头摄像头拍摄到的某一个图像，在转化成二次元画面时，由于缺少目标物体纵深数据导致无法进行立体识别。而多镜头立体摄像头融合了2个摄像头拍摄的图像从而获得视觉差，并利用视觉差使用三件测量的方式计算出纵深数据。因此，立体地识别目标物体的大小及形状
三、系统实现
以上提到的每个系统主要包含3个程序： 信息采集，分析，指令执行。
信息采集：不同的系统需要使用不同类型的车用传感器，包含毫米波雷达、超声波雷达、红外雷达、激光雷达、CCD CMOS影像传感器及轮速传感器等，来收集整车的工作状态及其参数变化情形，并将不断变化的机械运动变成电子参数（电压、电阻及电流）。
举例来说，车道偏离警告系统使用CMOS影像传感器、夜视系统则使用红外线传感器、适应性定速控制通常使用雷达、停车辅助系统则会使用超声波等。
ADAS系统需先透过不同类型的车用传感器，包含毫米波雷达，超声波雷达、红外雷达、激光雷达、CCD CMOS影像传感器及轮速传感器等协助，就可让汽车掌握外界车况，才能进行后续的警示或反应动作。
信息分析与指令下达：电子控制单元（ECU）会针对传感器所收集到的信息进行分析处理，然后再向控制的执行装置下达动作指令。
执行动作：包含油门、刹车、灯光、声响等系统都是属于执行器的范畴内，会依据ECU输出的讯号，来执行各种反应动作，让汽车安全行驶于道路。
目前ADAS系统的主要功能并非完全控制汽车，而是为驾驶人提供车辆的工作情形，与车外环境变化等相关信息分析，且预先警告可能发生的危险情况，让驾驶人采取必要的措施，避免意外的发生。
成为无人驾驶智慧车技术基础的目的，当然也是ADAS系统目前积极追求的方向，不过这需在不断积累使用经验与盲点克服后，同时加入更多的侦测系统，甚至是物联网功能后，才有机会进一步实现的目的，毕竟自动驾驶所具备的汽车技术层面更高、更复杂。
