自动驾驶车内惯性导航传感器全面解读

自从汽车制造商开始使用第一台微机电传感器(MEMS)加速计来测量加速的强劲力道以及启动安全气囊已经二十多年了。第一台惯性传感器早已为今日的先进驾驶辅助系统(ADAS)加速计的普及做好万全准备。

微型装置  提升汽车安全性和舒适性

目前的ADAS技术还包括陀螺仪、压力传感器和磁力仪等类型的MEMS惯性传感器的运用。事实上，要不是有MEMS的防翻车安全功能，也不会有那么受欢迎的SUV的存在。MEMS陀螺仪侦测围绕行进中车辆X轴的旋转。此为碰撞侦测运算法则的主要依据。

惯性传感器在自动驾驶中扮演举足轻重的角色，跟ADAS应用有着同等重要的零组件不是已经在使用，就是即将被开发出来。在设计ADAS时，工程师需要了解MEMS惯性传感器，以及这些技术在未来10到20年对汽车制造商和消费者代表甚么样的意义呢？首先，让我们来回顾一下传感器在今天和未来在汽车技术中扮演的角色。

AnalogDevices推出的全球第一个启动汽车安全气囊的加速计

翻履感测

属于被动安全防护功能的车辆翻覆感测可检测汽车是否正在翻覆并及时启动安全气囊装置。在车辆翻覆时，惯性传感器可为碰撞侦测运算提供滚动速率、横向和垂直加速度等主要数据。

然而，在各种条件下提供可靠的传感器讯号才是个大挑战：例如在极端的酷热或寒冷的温度下或在碎石路上。此项要求也适用于电子稳定控制系统(ESC)的惯性传感器，ESC属于主动汽车安全防护功能，透过控制和启动汽车剎车来防止车辆打滑。

为因应所面临的挑战，必须谨慎地设计出结合MEMS设计的专业知识以及对汽车系统的理解及要求的产品。这些产品必需根据规格进行设计，样品必须先在实验室进行测试，并与书面规划的内容一致。最后，传感器必须经过更多的实际驾驶测试，例如在冬季或碎石路上的行驶。

惯性导航

城市峡谷驾驶导航已经内建在导航系统的仪表板内，这些技术可降低在陌生城市中自动导航的压力。藉由地图，全球导航卫星系统(GNSS)的讯号、择路运算以及惯性导航系统甚至可透过车联网服务，提供交通堵塞时的即时消息。

汽车工程师喜欢在导航系统中加入惯性传感器，因为这些系统无论在「城市峡谷」，或是在GNSS讯号差、无效或根本就没有讯号的地方仍可继续运作。在这种情况下，惯性传感器可在失去讯号前最后一次GNSS的读数之后确定位置的变化。假使驾驶在隧道内无法接收到GPS讯号，惯性传感器就会以公尺数推算车辆的方向。推测导航运算再进行位置变化的计算，就可根据惯性传感器的讯号推断你当前所在的位置。

驾驶辅助

在各式驾驶辅助技术中，不仅只是巡航控制或后视摄影机。主动车距控制巡航系统、车道保持和变换辅助系统、先进紧急剎车系统及主动前轮转向系统都属于驾驶辅助技术的一部分。并是透过将MEMS惯性传感器以及摄影机、雷达和/或光学雷达(LIDAR)等感知系统的智能结合来实现。

主动车距控制巡航系统(ACC)比大家所熟悉的巡航控制功能更需具体经验。虽然传统的巡航控制技术可以节省油耗，且在长途驾驶可更轻松，但还是得依据附近车辆的速度不时地切换巡航控制开关。这样的困扰驾驶人应该都经历过吧？为了能与其他的车辆保持安全距离，ACC可根据需要调整车速，而非保持在定速状态下前进。

ACC主要是利用雷达、摄影机或雷射来测量与物体间的距离。能够强化ESC的同类惯性传感器，也能应用在ACC上。惯性传感器有助于预测路径，然后将该路径连接到障碍物侦测上。类似的惯性装置还能做到爬坡控制的特色，让低重力传感器利用向下的重力方向来确定倾斜度，使正在上坡的车辆不会往后滑动。

主动转向则是另一项驾驶辅助技术，在较高的速度下可减少车轮每次转动时转向角度的变化量。此功能可提高公路驾驶的准确性，偏航率传感器可提供突发状况的相关讯息。

好消息是，不仅是豪华房车，一些中价位车款也已配备驾驶辅助系统。BMW相当早以前就开始在市面上推出具有主动转向功能的车款，福特的Ford Edge也具有主动转向功能；相信其他汽车制造商也将很快跟进。

相同地，惯性传感器也是利用摄影机、雷达和雷射来达到辅助驾驶。侦测技术则可藉由预测汽车的移动来达成自动驾驶。

迈向全自动驾驶

现今的自动驾驶装置结合一系列现有的ADAS功能。全自动驾驶汽车需要详细了解它们所处的环境，必须理解和预测车辆和行人的行为。使用高精度地图和视觉系统，感知技术必须能预测高速公路上的汽车路径。高速公路驾驶预测比在城市驾驶的汽车和行人路径预测容易得多(图2)。诸如「深度学习」的人工智能对于实现完全自驾车所需的认知至关重要。

Bosch从2013年即开始进行高速公路上的自动驾驶测试

定位和导航

在完全自动驾驶中汽车将成为一个可以回答以下问题的机器人：「我在哪里？」、「我想去哪里？」、和「我该如何到达我想去的地方呢？」对于自动驾驶和自主驾驶车辆，要回答这些问题，则以吋为单位的尺度(Inch-Scale)定位就显得相当重要。与引导我们到最近星巴克的导航不同，它是必须能作到精确定位一个人在街道巷弄中的位置。

MEMS 惯性传感器是执行定位和导航时不可或缺的零组件

在自驾车内，自我定位集合两种不同的技术方法：机器人和运输。利用摄影机、光学雷达和雷达等感知系统，机器人研究人员已经开发出用来确定人与物的相对位置的新方法。例如，当遵循同步定位与建构环境地图(SLAM)的方法时，机器人汽车会建构其周围环境的地图，并将其实际位置与该环境相对轮廓相联结。利用地图上显著的地标，并在存储的高精度图中找到它们的位置，因此一个人的绝对位置即可被确认。

运输业已验证，惯性导航系统(INS)可利用测量加速度和旋转来确定绝对位置的变化。系统可从GNSS读数、地标导航或SLAM中推断绝对位置开始，捷联式运算以惯性传感器的读数为基础计算出新位置。

根据目标精度的不同，INS可能会需要高效能传感器，因为它会迅速累积漂移和误差。光学传感器可满足最高要求，例如环形雷射陀螺仪和光纤陀螺仪。近年来，高效能MEMS传感器已成功进入战术级传感器市场。

融合惯性传感器和感知传感器的数据

视觉和感知系统如何从惯性传感器中获益？视觉或是感知传感器可感测到物体的移动，也就是「光流」。以便确实的判定从运动求得结构(Structure from Motion)，并计算汽车移动和交通伙伴间的距离。

惯性传感器完全不需理会感知传感器的限制因素，例如天气条件、合适的日光条件、雪道或模糊的地标。惯性传感器不需依赖现场的照明，因为它们可侦测到动觉运动，并且不用依据图像来计算。此外，比较安全的惯性传感器不需依赖汽车外部的任何链接和数据传输。目前的研究专注于如何融合动觉惯性和视觉讯息的松散耦合和紧密耦合。

当运用松散耦合时，感知系统和INS几乎各自定位汽车，随后再相互比较和彼此校正其结果。惯性和视觉传感器的紧密耦合提供第二种选择，其中物体的直接(像素级)视觉测量会结合惯性测量装置(IMU)的读数。

全自动驾驶未来可期

在这两种方法中，MEMS惯性传感器提升感知系统逐格追踪对象的能力，进而可提升驾驶辅助系统。例如：车道保持和变换辅助、AEBS和主动前轮转向将变得更加普及。诸如交通阻塞辅助的部分自动化功能，市场上早已看到。随着即将实现的自动化功能层次逐渐提高，未来几年交通阻塞辅助将越来越普及。

自动驾驶奖渐进式的方式实现

在2020年，预期可在高速公路上看到全自动驾驶。然而，都市地区的全自动驾驶可能要10到15年才能实现。

汽车制造商在完全自动化，甚至部分自动化之前将继续满足消费者对ADAS普遍实现的需求；凭借这些丰富的技术，让驾驶功能可涵盖广大消费者的需要。虽然全自动驾驶可能需要几年的时间才能达成，但是我们从家用车中已经透过MEMS和传感器享受ADAS所带来的便利。