adas环境感知方案？

1.传感器融合

因为传感器有各自的优缺点，所以需要融合来扬长避短。摄像头与毫米波雷达是ADAS中最常用的传感器是。

摄像头 - 优势：目标识别能力强，可以对车辆，自行车，行人等目标进行分类。劣势：距离信息不是直接测量得到的。特别是在恶劣天气和光照环境环境下距离信息不准确。

毫米波雷达 - 优势：直接测量目标的位置和速度。受到天气及环境的影响小。劣势: 于雷达的信号较为稀疏，不便通过雷达进行目标识别。这些性质正好与摄像头形成互补。

信息融合又可分为目标级融合和信号级融合。

目标级融合: 每个传感器先各自处理原始信号生成目标。在目标的基础上进行融合。- 优势: 对控制器的算力和通信传输要求低。劣势: 是传感器在独立处理信号时会有信息丢失。

数据级融合: 在原始数据级就进行融合。- 优势：信息丢失少，精度高，劣势：对控制器的算力和通信传输要求高。

在架构设计时需要找到精度和算力分布的平衡点。

L2级别ADAS采用前视摄像头和雷达目标级融合的方案。雷达输出target信号，摄像头为类似mobileye的智能摄像头，输出track信号。

模块分为数据有效性验证，时间补偿，雷达聚类，目标匹配，新目标生成，航迹追踪，目标管理等子模块：

2.雷达聚类

毫米波雷达通过分析雷达反射的回波进行目标的定位测速。雷达底层信号处理回波通过快速傅里叶变换fft，反射点，恒虚警处理cfar，关键点。这些步骤一般在内雷达部件内部完成。

雷达输出的信号分为：target，object，track。target信号为未经过聚类的反射点。由于回波反射，特别是在旁边车辆，隧道，或者有路边栅栏的情况，回波多次反射噪音较大。一个目标也会出现多个target信号。

object为聚类之后的目标点。置信度高于object。track是object进行追踪后，带有ID，置信度最高, 但因为目标稳定追踪后才会输出，所以新目标出现会有延时。

-目标聚类

雷达target聚类得到object。雷达target先需要进行目标进行滤除。

因为不知道雷达簇的个数，并且对算法实时性要求高，一般采用基于距离或密度的聚类。如eclidean clustering和dbscan。

在簇核心的选择上可以选择反射能量大的点，或者以上次聚类的结果做为核心。在距离参数上，除了空间距欧式离外，或者采用马氏距离。雷达只能提供径向距离和速度，不