@基于AutoSAR的汽车电控系统开发之PREEvision之功能分析

PREEvision之ADAS功能分析

不知你有没有发现PREEvision之所以在各大主机厂盛行的原因，其实PREEvision节省了OEM和Tier1之间的文件交互时间，提高了工作效率，本质上缩短了研发周期和开发成本，更重要的是，每家OEM可以结合项目实际情况开发专属ADD-ins，所以VECTOR才能成为主流。

今天博主继续带你学习如何使用PREEvision来创建系统的功能逻辑架构，我们以ADAS为例进行分析讲解，图示是来自PREEvision官网的部分截图，官方链接已经在之前的章节分享过了，这里就不再重复了。

ADAS功能分析

目前ADAS域控制器一般基于机器视觉决策算法，随着对功能安全的考虑以及功能安全标准的推行，对ADAS系统功能的可靠性和复杂度有一定的影响：辅助驾驶、前向感知安全预警、环视观察、环境感知、功能安全、信息安全、物体追踪和识别、大数据融合、人工智能深度学习、数据迭代。

接下来，博主挑几个重点来分析下：
1） 图像传感器：关于摄像头这个部件，自博主加入汽车行业以来，其在车辆上的使用数量越来越多，且有单目布置与双目布置之分，在自动驾驶车型上的使用数量不唯一，比如特斯拉model3总共配备了8个摄像头。图示为摄像头传感图的简易块图，ADAS系统接收到图像信息，可以通过warning，显示，启动雨刮功能，加速，制动，转向等一系列相关动作。在算法设计时，功能安全等级越高，对摄像头的性能要求越高，比如需要考虑错误图像识别、时钟延迟、颜色识别错误、图像扭曲等对功能安全的潜在风险评估。

2）D-TOF&I-TOP激光雷达
博主先来解释一下字面的区别和含义:
D-TOF：D-Direct直接的，TOF：Time of flight飞行时间
I-TOF: I-Indirect间接的，TOF：同上。
其实就是一个直接模式一个间接模式，所采用的的算法都是飞行时间算法，本质上没有太大的区别。
图示为Lidar TOF原理示意图：

（待续）

‘小扇引微凉，悠悠夏日长’— 顾太清