下一代 AEB 技术

由Martin Booth和Luc Bourgeois编写，DVN传感与应用高级顾问

高级紧急制动（AEB）系统从 2010 年代初开始出现在车辆中。随着组件技术的发展，AEB随着时间的推移不断改进，已经能够处理各种道路场景。EuroNCAP（欧洲新车碰撞测试）评级将其作为获得最高安全评分（即五星）的关键。欧洲 GSR 第 2 阶段法规最近将其定义为必须项，这意味着自 2024 年 7 月起，在欧洲销售的任何新车都必须配备 AEB 系统。

这些 AEB 最常见的感知配置有两种类型：

采用单一感知技术的配置：摄像头或雷达。此设置符合 2024 年 7 月 GSR2 法规要求的性能和稳健性水平，或在 2023 年 EuroNCAP 中达到高达 4 星的要求。
采用摄像头和雷达两种感知技术进行配置，并实时融合它们的信息。这种设置可以在 EuroNCAP 中获得 5 星，并可获得较高水平的性能和稳健性。即在最高时速约 65 公里时，检测并避免与部分或所有在路径中的移动或静止车辆发生碰撞。对于弱势道路使用者（行人、骑自行车者、骑摩托车者）也是如此。

很明显，AEB 主要是为城市和城郊场景开发的。事故统计数据表明，相比未配备 AEB 的车辆，配备 AEB 的车辆发生事故减少约40%。

EURONCAP 中评估 AEB 功能的典型场景：

AEB 车对车： EuroNcap 安全辅助测试场景列表：

接近穿过路口的汽车
迎面接近汽车
转弯穿过迎面而来的汽车
接近静止的汽车
接近行驶较慢的汽车
接近制动的汽车

AEB 行人：EuroNcap “弱势道路使用者”测试场景列表

汽车倒车靠近成人或儿童
成人穿过汽车正在转弯的道路
儿童从停放的车辆后面跑出
路边的成人

AEB骑自行车者 ：EuroNcap “弱势道路使用者”测试场景列表

靠近从停放的车辆后面横穿的骑自行车者
转弯横穿迎面而来的骑行者前方道路
接近过马路的骑自行车者
接近路边骑自行车者

AEB 骑摩托车者：EuroNcap “弱势道路使用者”测试场景列表

接近静止的摩托车手
接近刹车的摩托车手
转身穿过迎面而来的摩托车手前方道路

在部署 AEB 超过 15 年的初始阶段之后，我们现在见证了 AEB 的预期性能在 EuroNCAP 2030 愿景和 NHTSA 的 2029 年 FMVSS 127 标准下有所提高，这可能推动感知技术和 AEB 系统的发展。

最新美国FMVSS 127法规要求 AEB 系统在高时速下避免碰撞：100 公里时速下避免与静止物体碰撞。这意味着需要“远程”雷达或激光雷达技术。此外，在白天和黑夜条件下，在高达 72 公里时速下避免与行人发生碰撞，并且驾驶场景中无道路照明也是FMVSS127要求的一部分。具体来说，这意味着汽车必须具有能够照亮驾驶场景的照明系统，或者必须配备确保夜间行人检测的感知技术（例如，激光雷达或红外摄像头）。

为了量化到 2029 年 AEB 所需的额外性能，让我们分析在时速高达 100 公里时避免与静止车辆发生碰撞的情况，并将其与 AEB 目前法规（2025 年）进行比较，目前的要求是平均时速 65 公里。

在最佳附着力条件（Mu of 1）下，通过施加 1g 的减速，以 65 km/h 的速度停车大约需要 25 米。在相同的附着力条件下（Mu of 1），基于100 公里时速停车大约需要 50 米（制动系统反应时间 10 米 + 1g 时减速 40 米）。

因此，未来在撞击前大约需要 1.8 秒才能实现完全制动，而现在是 1.2 秒。这 0.6 秒的增加对检测系统的性能提出了挑战，尤其是其避免意外制动的能力。

这表明，AEB 系统的新性能要求对传感器的性能提出了要求，这是融合其信息的最佳方式，同时保持不存在严重误报的能力。

供应商和汽车制造商为这些新配置而进行的高级工程设计阶段正在进行中，我们很快就会看到确保有利风险收益比的妥协，以实现 EuroNCAP 和 FMVSS 127 设定的减少交通事故目标。

正如本报告第一部分所述，我们可以总结美国的情况，并提出提高 AEB 感知能力的不同技术。

新的美国 NTSHA 法规（FMVSS 127）要求到 2029 年改进 AEB，包括夜间和更高的速度性能。NHTSA 预计，新标准每年将至少挽救 360 人的生命，每年至少防止 24,000 人受伤。许多此类事故发生在夜间或其他低能见度条件下。

新标准要求汽车能够在最高 100 公里时速下停车并避免与前方车辆接触，在高达 130 公里时速下，能在即将与前车发生碰撞时自动制动。在白天和黑夜条件下，都必须能够在高达 72 公里时速下避开行人。

当今的 AEB 系统通常使用摄像头和某种图像处理器以及 AI 检测算法，并且通常是 L2 驾驶员辅助系统的一部分，使用相同的组件。然而，基于可见光摄像头的系统在夜间、雾、阳光直射和其他具有挑战性的天气条件下表现不佳。NHTSA 要求的 0.2 勒克斯要求使得在 45 英里/小时的速度下停车变得困难（包括检测和区分物体的时间）——车辆前灯只能照亮前方这么远的距离。

据 Teledyne-Flir 称，在 8 款 2023-2024 美国车型的 VSI Labs 测试报告中，只有一款汽车能够基于现有摄像头和雷达传感器通过 FMVSS127 所有测试，这表明通过现有传感器套件来满足下一代性能要求仍然存在挑战。

RCCG 彩色滤光片阵列、深沟槽隔离、复合金属条和其他先进的 CMOS 处理技术，以及先进的图像处理，提高了低光传感器的性能和动态范围，但仍然没有提供理想的解决方案。

Mobileye 认为，仅采用摄像头方法可以满足下一代要求，但这在很大程度上取决于车辆前照灯设计和 AI 处理。

来自索尼等供应商的短波红外（SWIR）传感器使用与读出电路粘合到 CMOS 硅衬底的 InGaAs 光电二极管层。实现细间距键合，从而实现更小的像素是提高分辨率的关键。可以使用同时覆盖可见光谱和 SWIR 的单台摄像头，但成本高昂。SWIR Vision Systems 等公司的新型基于胶体量子点（CQD）的传感器有望通过使用更标准的 CMOS 处理技术来显着降低成本，但 SWIR 可能更适合车内传感，因为该波长的检测能力并不比雾中的可见光好得多。SWIR 还需要主动照明，这给远距离检测带来了成本和功耗挑战。

Tri-Eye 还具有基于 CMOS 的高清 SWIR 传感器，可在所有能见度条件下对道路进行 2D 成像和 3D 映射，并显著降低 LiDAR 的成本。它使用 1135nm 激光照明器，无需 InGaAs 检测器。

激光雷达有可能克服目前摄像头的夜视性能限制，因为它使用“主动照明”，虽然中国市场的成本开始接近 200 美元，但 LiDAR 装置仍然被认为太昂贵，无法作为独立的 AEB 系统部署。随着越来越多的汽车制造商使用 LiDAR 进行 L3 驾驶（或中国的 L2），LiDAR 单元也可用于 AEB 功能。事实上，在当今的中国市场，激光雷达的主要功能是 AEB。

FMCW LiDAR 具有能够即时测量速度和距离的优势，并且与 ToF 激光雷达相比具有更好的恶劣天气性能。与摄像头系统相比，激光雷达的感知精度大大提高，并且更擅长对“不规则”物体进行分类，还可以减少“错误激活”，例如在陡峭的斜坡上，或在地面上使用金属板时。Swiss-Re 对带和不带激光雷达的汽车的防撞进行了研究，发现启用激光雷达后，性能提高了 25%+。

高清雷达的分辨率也在提高，使其成为 LiDAR 的替代品，作为 L2+ 驾驶的第二个传感器，并可能具有 AEB 功能——还有一个优势是它不受照明或天气条件的影响。基于下一代“空气波导”天线的雷达的探测范围可达 300 米，可以探测到近距离的物体，如摩托车。这些 4D 雷达不仅可以扫描水平面，还可以测量物体的高度（使用 2D 天线阵列），这有助于减少井盖等物体的误报。两个角雷达可以提供 250o 的视野。然而，在许多小物体检测场景中，LiDAR 的性能仍然优于雷达，角度分辨率提高了 10 倍。

另一种可能的解决方案是 FIR（远红外）或热像仪。传统上，这些摄像头价格昂贵，用于国防和监控应用，但改进的微测辐射热计传感器技术可以降低成本并提高分辨率。

例如，美国猫头鹰自主成像公司(Owl Autonomous Imaging)的 Thermal Ranger以 120fps 的速度在整个 LWIR 光谱上提供 1Mp 的分辨率，并且不依赖于主动照明。“芯片堆栈”允许将读出逻辑（ROIC）直接放置在传感器下方，目前通常将 FPGA 用于数字逻辑。Owl 摄像头也不需要传统的 ISP，这些功能可以在 ROIC 中执行，并允许无快门操作。热像仪不需要激光、扫描系统或光学对准，Owl 认为，到 2029 年，当 NHTSA 法规生效时，VGA 分辨率热像仪的成本应低于 90 美元，而高清摄像头的成本应低于 250 <。Owl 首席执行官 Chuck Gershman 向DVN传感与应用社区反馈：“自从 NHTSA 新法规出台以来，我们看到汽车制造商对热像仪的兴趣大幅增加，并相信这将是下一代 ADAS 设计的最佳解决方案。“

传统上，热像仪需要昂贵的锗玻璃镜头来传输 FIR 波长。优美科等公司更新、先进的硫系玻璃材料和晶圆级成型制造技术也在降低成本方面取得了重大进展。

2024 年 9 月，VSI 实验室完成了 FMVSS 127 PAEB 测试，配备了 Teledyne FLIR 最新的汽车热像仪和 Prism™ AI 感知软件。长波红外摄像头可以看到比大灯照亮的距离更远的几倍，从而提高了检测能力，减少了误报，并减慢了减速速度。与摄像头、雷达或 LiDAR 相比，LWIR 更擅长检测您想要制动的物体，包括路上的动物，并且在雾和大雨中比 LiDAR 效果更好。