汽车自动化在全世界被广泛推广，驾驶辅助系统的开发可以提高汽车安全性和便利性，虽然人们对全自动驾驶系统的实现充满了期待，但是限于成本和安全性的考量，目前广泛用于量产的智能系统主要是ADAS驾驶辅助系统(L2级别)。比较高级一些系统是诸如特斯拉Autopilot一样的自动驾驶系统，这些系统虽然被称作是自动驾驶系统(L3级别)，但是严格意义上讲，并没有实现L3级别规定的功能，而为了表明其高于L2的性能，我们常把他们定义为L2.5，L2.6等L2.x系统，车厂还会四舍五入后变成一个准L3自动驾驶汽车。这种汽车都会惯以Pilot之名，在市场上十分走俏，各大车厂纷纷效仿，赚的盆满钵满。
L2.x有什么功能？
关于这个L2-3的中间产品，其具体功能并没有明确的定义，各家车厂都会提出自己的产品需求。如果希望参考一些量产实例，我们推荐您参加牛喀网举办的技术培训，该课程由十余年ADAS开发经验的主任工程师主讲，不仅亲历过定于Tier 1的产品开发，也负责了多个自主、合资品牌整车级别的系统开发，经验非常丰富。
其中，自适应巡航ACC（Adaptive cruise control）就是一个功能。这是通过安装在车辆前部的车距传感器（激光雷达和雷达），持续扫描车辆前方道路来得知前车的车速与相对距离，行驶中会自动侦测车速，当与前车的距离越来越小时，会对应调整自身车速，与前方车辆保持安全距离，减少碰撞意外的发生，目前许多车款上都已可看见此系统的踪影。
拥有单独的驾驶辅助系统的自适应巡航控制（ACC）系统在控制车辆速度的同时能够在高速驾驶期间保持安全的行车间距。
图1 控制范围和车辆的三大功能
通过将驾驶辅助系统投入实际应用，我们希望将其从1级发展到4级，如图1所示。1级和2级ACC系统已投入实际应用中，其中2级包括制动控制。3级系统将控制区域扩展到低速区域; 4级开发系统实现了近乎自动操作的功能。
然而，从2级到3级的过渡包括减速控制以及在高速行驶期间完全制动。对用户而言，这种类型的自动驾驶系统并不具备转向控制功能，而对汽车制造商而言，这种过渡很难保证足够的安全性。用户和汽车制造商之间的这个矛盾导致该技术在实际应用中形成了很大的障碍。
因此，我们得出结论，如果我们将系统限制在2~3级，特别是限制在低速时段（交通拥堵期间），这将大大减少其作为全自动驾驶系统的特征，减少技术问题的发生，并促进系统的实用性开发。
以此概念为基础，我们认定该系统应主要实现以下几个目标：
1) 缓解在拥挤期间反复踩刹车和加速的烦恼，从而减轻驾驶员的负担；
2) 在危险情况下发出警报以避免或减少由疲劳驾驶或疏忽引起的事故；
3) 在高速场景下实现自动跟车和自动车道保持或居中。
图2 低速下系统操作（示例）
通过降低驾驶员操作的次数可以提高驾驶的便捷性、增强驾驶员的理解力、并且使系统更容易被市场接受。系统L2-3，包括其启动和关闭装置，仍需以驾驶员为核心前提。
当然，为了实现上述的系统，我们首先要开发一款适用于该系统的传感器。
L2.x需要什么样的传感器
系统所需的传感器不仅需要对距离进行精确识别，还必须能够保证足够的可见角度和精确确定横向位置的角度。
1.所需开发参数
首先，我们创建了交通拥堵辅助系统控制模型，并通过仿真得出传感器所需的规格参数（表1做为一种参考，实际量产产品要求ADAS数据融合和功能实现培训中会详细介绍）。
表1 系统操作（示例）
图像识别传感器能够实现更广角度的可见度。然而，随着角度变宽，图像识别传感器的长距离测量精度会变差。
实际上我们会注意到，量产的ACC的车辆上，已经配备了能够保证长距离测量精度的雷达系统，通过将广角图像识别传感器与雷达相结合可以满足所需的规格。
在雷达方面，我可以使用ACC专门开发的毫米波雷达，其特点是它可以探测所有类型的物体，并且不受天气影响。
如果将这些优点组合（融合）在一起，则有可能实现甚至更高的性能。
2.传感器融合
传感融合的目标如下：
1)实现单个传感器无法实现的距离精度、检测范围和角度精度。提高可靠性；
2)降低图像识别传感器所需的性能和价格；开发低成本传感器将是系统推广过程中的一个要素。
为了满足系统性能要求，毫米波雷达需要保持长距离检测的精度，虽然其检测宽度较窄。
图3 融合的概念
为此，图像识别传感器的规格参数着重于实现横向位置（目标物体边缘）的识别精度而不是距离测量的精度。通过将这些横向位置和毫米波雷达间距相结合，可以准确识别目标距离和位置（图3和图4）。
基于这一概念，我们有信心降低图像识别传感器的处理量和成本。
图4 检测区域
显然，"传感器融合”可以提升距离和角度精度，这是独立传感器无法实现的。目前广泛采用的是把毫米波雷达与图像识别技术相融合。但是数据融合也是一项复杂的工作，涉及融合的算法、目标的筛选、目标的跟踪等问题，虽然大部分情况下，我们说80%的问题都可以比较容易的满足规格要求，但是要完成剩余20%的性能提升，却要付出巨大的努力，并且有可能不能完成目标。所以开发数据和经验的积累十分重要。
