创来科技的创始人陈茂在本次论坛上为大家分享了ADAS关键技术以及难点和重点，结合工程实践，分享了自己的在研发LDW产品过程中的感悟与体会，并对本土ADAS行业发展提出了一些个人的展望。

按照技术实现的过程，LDW系统可以分为感知，认知，决策，和执行几个环节：

所谓感知，也就是传感器，目前国内是比较薄弱的。在硬件上，国内有几家做感知芯片的公司，但是其技术标准还没有达到ADAS的要求。大家知道，ADAS对摄像头的要求和行车记录仪对摄像头的要求是完全相反的。ADAS追求的是低分辨率，比较窄的视野，不一定要非常高的清晰度（我指的是车道偏离这一块），非常模糊也不影响ADAS功能，而且要很高的动态范围。而行车记录仪对摄像头的要求正好相反，需要宽视角，高分辨率，动态范围不一定要求很大。

在感知里面另外一块是软件，也就是图象采集。这块有些公司在用第三方公司来做，但是会受到很大的限制。如果真正要做ADAS，必须要自己做图象采集，因为ADAS图象采集有很多特殊的地方。采集数据要相当快，而且要有合理的算法去和认知的算法匹配。不能说采集完了，理论值还没做完。

所谓认知就是图象采集完毕后怎么去识别。里面是否有车道，是否有车辆，是否有行人。认知技术是ADAS里面最难的。难在里面涉及很多的算法。所以目前国内各家公司如果各有各的不同，各有各的高低之分，就体现在认知上面。认知有以下几个步骤：

1）是图象分割，图象分割技术目前在业内很多还是采用传统的做法。图像检测分为边缘检测和阈值分割。所谓边缘检测就是根据图象边缘的灰度跳变来检测物体、道路、车辆、行人的边缘。这两种算法各有特点。所谓阈值分割法，就是认为在整个图象里面车道线是最亮的地方，基于这样的假设。阈值分割法的问题是很难确定阈值，因为转化成灰度有256级，很难界定从哪个级去分割。灰度在不断的变化，所以采用阈值分割法难度是很大的。

2）车道拟合，车道模型分两段，在近端我们认为是直线段，在远端我们认为是曲线段，两部分结合。如果仅仅是车道偏离的话，有近端数据已经足够了。因为如果摄像头焦距选择合适的话，在近端50m到80m范围内，这段可以保持直线。车道拟合典型的方法有霍夫变换和最小二乘法。但是如果是使用标准的霍夫变换和最小二乘法，会把芯片“干死”，所要要进行算法改进改良。

3）跟踪，常见的方法是卡尔曼滤波法，在t时刻预测t+1时刻车道线位置。

决策难度次于认知。所谓决策就是判断什么时候是无意识偏离车道，系统发出的警示时机很重要，既不能太早，也不能太晚，要恰到好处。在决策里，要做两件事：

1）    坐标变换（映射）。

2）    判断车辆运动的轨迹。车道偏离有人认为很简单。实际上不是那么回事。这里涉及很多力学问题。实际的运动轨迹是比较复杂的，算法中会进行简化。如果方向盘转角是恒定的，车辆轨迹会简单一点。如果转方向时是变速的，这个轨迹曲线就很复杂。所以要准确预测运动轨迹是比较困难的。

执行是相对比较简单的。执行就是检测到车道偏离之后以什么样的方式提醒驾驶者。如果是预警就比较简单，目前有语音，振动和图形电子三种方式。如果不是预警，而是控制，就要执行控制指令。这就涉及到车辆控制。

那么在ADAS车道偏离中关键技术的难点和重点在哪里呢？我想重点来谈一谈。

第一个是道路模型的选择问题。道路模型有很多种，有直线型的，抛物线型的有双曲线型的等等，一般来说都是采用分两段，在近端认为是直线的，实际上，只要弯道不是过大，这个假设是成立的。而高速公路上基本在100m范围内都是直线。

第二个是车道线的识别提取。车道线的识别提取有很多种方法。前面讲了最主要的两种方法。边缘检测通过灰度梯度识别，在灰度明显跳动的地方剔出来。另外就是阈值分割法，阈值高于某个值得地方认为是车道。一旦检测到车道，还要判断分析，会不会是文字图案，辅助线。因为中国的车道线复杂且不统一。不同省份，高速公路标识不一样。所以车道线识别还要结合具体标准进行。在车道线识别时候还有可能遇到很多斑马线，以及其他一些标志。需要通过不同的约束把它们过滤掉。

第三是预警模型。按照我们三年的经验来说，预警也是很难做的。当前的预警模式有四种1)基于当前位置的预警模型。车已经轧到车道线上才预警。这种方法比较保守，确信你已经轧到才预警。2)将要偏离的预警模式。假设一个虚拟车道，只要轧到虚拟车道，就开始预警。这样就相当于预留出200ms的时间。3)基于车辆即将横越车道边界的时机预警。这是国际上最主流的方式，这种方式可以做出很好的预警，恰到好处，即将轧到而没有轧到时做出预警。4)基于角度、角速度、角加速度的预警模式。是国内用得比较多的一种模式。这种模式的好处是不需要经过特殊变换，直接计算车道线夹角。一旦发现与车道角加速度超过某一阈值时，车道偏离即将发生。除了上面四种，还有一种图像模式识别预警。

车道识别对准确率要求是很高的，如果达不到准确率95%以上就不要拿出来秀了。国内的车道预警系统和国外的差别就在准确率上。还有就是在天气条件恶劣时，检测率会下降很多。这也是一个比较大的挑战。

我做LDW做了3年，2012年之前在做GPS跟踪定位导航，做了18年，那时候没有现在这么大的团队，做得很辛苦。虽然东西也卖到国外去了，但始终没有做大。所以2012年之后一直在想从什么别的地方找些切入点，半年之后，选择了车道偏离预警。做了三年下来有很多感触。如果今年是ADAS元年，想对新加入的同行谈谈我的感受。

ADAS是技术壁垒很高的行业。刚开始做了两年，感觉怎么做鲁棒性都不好。有时候跑着跑着就丢掉了。或者检测率极差，只有80%-90%。因为我用了Mobileye，就感觉那个东西做得太好了。我做了一个礼拜，在北京跑，感觉识别率很高。如果各位想在ADAS行业做出点东西来，必须沉下心来。现在很多高校也在做，但做出来效果不好。

首先，对单一算法期望不要太高。单一算法得到可靠结果很难。我们在用的差不多有5种算法。不能期望单一算法，要交替，在不同场合考虑某种算法是不是合适，让这种合适的算法去唱主角。环境是千变万化的，光线变化对结果的影响是相当可怕的。

其次，算法的高效与冗余之间要平衡。冗余越多，结果越准确，但是效率降低。在高速公路上1ms可以跑很远，时间是很重要的，不能为结果完美而让系统延时了。

第三，是静态与动态调试，离线与在线的路测相结合。不提倡在实验室里做ADAS，一定要上路，回来再分析，找到原因后再去路上测试。如果在实验室做，我估计能做到80%的预警已经很不错了。最后一点不要一味迷信经典算法的效果。曾经我也很迷信世界级大牛的经典算法。当然那算法的原理是很好的，很经典很美的东西，但是结合实际的应用，一定要结合具体的环境去改良，而不能照搬经典算法。

今年ADAS非常红火。过了年，每个礼拜都有一拨人来找我们。 首先我认为一定要走自主创新道路，一定要原创，不论是软件还是硬件。不要去用第三方的东西，不要用第三方函数，不要用第三方芯片。如果要控制成本，用第三方的东西是不行的。虽然不用第三方东西周期会长一点，但是可以很好的控制成本。第二做ADAS的企业不要停留在ADAS上，要往自动驾驶上去渗透。另外我也认为一定要联合。横向联合是实现本土ADAS弯道超车的捷径。最后我相信未来3-5年本土ADAS会爆发。

以上报告仅代表嘉宾个人观点，慧驭安行负责整理编辑。我们将陆续推送其他嘉宾的详细报告，敬请期待！