本文引用了地址：交通安全是一个重大挑战 - 每年有110万人在道路交通事故中丧生，大约有20至5000万人受伤。这些事故的主要原因之一是驾驶员的错误。政府汽车制造商和监管机构一直在寻找改善安全性的方法，近年来，高级驾驶援助系统在帮助减少道路伤亡方面做出了巨大发展。在本文中，我们发现了ADA在改善道路安全方面的作用，以及对实现这一目标至关重要的各种传感器技术。自1970年代首次引入反锁制动系统（ABS）以来，ADA的演变和重要性，ADAS技术在乘用车上的应用始终如一，而TheSafety也有所改善。根据国家安全委员会（NSC）估计，ADA有可能预防约62％的交通死亡仅美国，每年挽救20,000多人的生命。近年来，ADAS功能（例如自动紧急制动（AEB）和前碰撞警告（FCW））变得越来越受欢迎，其中有多个配备这些功能的车辆以上，以帮助驾驶员避免发生事故并最终挽救生命。 ADA需要各种技术才能共同努力。一组理解套件充当系统的“眼睛”，该套件可检测车辆周围的环境，并为系统的“大脑”提供数据，该数据使用这些数据来计算车辆执行决策来帮助驾驶员 - 例如，当驾驶员在前面注意到SASIT，并且驾驶员并没有在刹车上踩到刹车，而AEB自动构造了自动构造，从而阻止了车辆的时间和背景，并在背景下进行了背景和背景。 ADAS感知套件由一个视觉系统组成，中间带有级级摄像头，这是一个高性能的图像传感器，可捕获视频流的视频流用于检测车辆，行人，交通标志等的车辆周围环境，并以低速和停车的方式显示这些图片以帮助驾驶员。相机通常与深度理解系统相匹配，例如毫米 - 无雷达，激光雷达（LIDAR）或超声传感器，它们提供了深入的信息，以增强二维相机图像，增加冗余并消除对象距离尺寸的模糊。实施ADAS系统是MAIT将是汽车制造商及其层系统供应商的挑战：许多传感器生成的所有数据的处理是有限的，并且传感器本身具有性能限制。自动化行业的要求确定每个组件的可靠性不仅包括硬件，而且还应具有相关的软件算法，因此需要许多测试以确保安全性。该系统还应在最坏的照明和天气条件下保持稳定的性能，ABLE可以应付极端的温度并在整个汽车生命周期中可靠。现在，ADAS系统中的基本传感器方法，现在让您研究ADA中使用的一些主要传感器技术，包括图像传感器，LIDAR（LIDAR）和超声传感器。每个传感器都提供特定类型的数据，并通过软件算法输入数据。并将数据相互结合，以产生对环境的准确，全面的了解。该过程称为Fusion传感器，可以提高通过多种传感器模式中冗余意识到软件的算法的准确性和可靠性，从而通过更高的置信度决策实现了更高水平的安全性。这些多传感器套件的复杂性很可能会迅速上升，并且算法需要更强的处理强度。同时，传感器本身变得越来越先进，与中央ADAS处理器相比，局部传感器级别处理。汽车图像传感器是车辆的ANG“眼睛” - 可以说是配备ADA的任何车辆中最重要的传感器类型。从“机器视觉”辅助工具（例如自动紧急制动，前向警告和线路拆卸警告）中，具有“人类透视”（例如人类透视”（例如360度），围绕着视图的相机，用于停车援助的摄像头和电子后视镜的相机监控系统，用于驾驶员的监控系统或ADAS的ADAS中的ADAS中的驾驶员后视镜。 Onsemi提供了广泛的图像传感器，包括HyperLux家族，可提供低功耗的出色图像质量。 HyperLux传感器像素体系结构包括成像超级曝光的创新图像，该图像具有LED闪光灯缓解（LFM）的高动态范围（HDR）帧，克服了由LED前后大灯或LED交通信号引起的脉搏频道引起的错误问题。 HyperLux图像传感器旨在应对自动化场景的挑战性条件，例如高架桥上方的阳光直射，捕获动态的能力最大为150分贝（DB）。处理极端情况时，配备了超频图像传感器的摄像机比人眼的表现要好，并且在低于1勒克斯的光线水平上工作正常。在半超闭合图像中，传感器包括8百万像素AR0823AT和3百万像素AR0341AT。 CMOS数字传感器具有HyperLux 2.1 µM超曝光单光电二极管像素技术，可提供良好的低照明性能，同时在同一图像框架中的高和低照明场景中获得广泛的动态调整。超级曝光像素可以在图像框架中实现足够大的动态范围，以实现“无记忆的设置”曝光方法，该方法有效地消除了在光条件变化时自动调整曝光的需求，例如在驾驶隧道或停车日时。深度传感器（LIDAR）准确测量物体和传感器之间的距离称为深度理解。g。在深度信息中，信息可以消除现场的家具，并且对ADA的各种功能至关重要，并使ADA级别和完全自主驾驶。有多种可供深刻理解的方法。如果应该考虑深度性能，则最佳选择是光检测和范围（LIDAR，LIDAR）。 LIDAR允许深度深度和角度分辨率进行深度感知，并且在系统允许通过紧密红外（NIR）激光与传感器结合的所有光线照明时在所有周围的光条件下运行。它适用于近距离应用和遥远的应用。尽管当今的自动化应用程序在自动化应用中更为常见，但它们缺乏激光雷达分辨率，并且无法提供高分辨率的三维点云环境信息，即超出主要ADA的需求所需的较高自动驾驶所需的范围。激光雷达最常见的架构是直接飞行时间（TOF），它给出了直接计算距离bythis是释放一个短红外脉冲，并测量从对象回到传感器的信号所需的时间。 LIDAR传感器通过扫描磁场中的光线以捕获整个场景，类似于此测量过程。 ArrayRDM-0112A20硅光电倍增管（SIPM）范围是一个传感器传感器，在整体阵列中具有12个通道，并且在附近的905nm（例如905nm）中的光子检测（PDE）高效率（PDE），用于查看简介。该SIPM阵列与盖子集成在一起，这是世界上首批提供真正“视觉拆除”自主驾驶能力的乘用车之一，为车辆提供了超出主要驾驶援助的自动驾驶能力，也就是说，驾驶员不再能在道路条件下支付Pansin Pansin。迄今为止，在没有盖盖深度的无激光范围内，自主驾驶功能的水平尚未可靠地实现。另一种用于测量距离是超声波检测，它可以通过传感器释放声波，并通过传感器的听力范围释放频率，然后看到弹跳声音，从而通过飞行时间来测量距离。超声波传感器可用于密切的障碍检测发生率和低速控制应用，例如停车援助。超声传感器的优点之一是声音比光慢，因此显示声波返回传感器所需的时间通常是微秒，而点亮所需的时间是无秒秒，这意味着超声波传感器处理的处理较低，从而降低了系统的成本。超声波传感器的一个示例是测量ASSP的SEMI NCV75215停车距离。在车辆停车期间，该元素测量了压电超声转换器的飞行时间。它看到的物体距离为0.25米至4.5米，高灵敏度和低噪声。公司半决赛在开发ADA所需的技术传感器方面起着重要作用。半我发明了像素和HDR技术（高动态范围）模式的双重转换，这些模式现在被许多行业传感器和开拓性创新的超级曝光设计采用，允许传感器提供出色的照明性能，同时使用单个光电二极管采用HDR场景。没有饱和。由于这个市场和技术的领导，路上大多数ADAS图像传感器目前都是由Semi开发的。这些创新使该半数在过去的二十年中为自动应用提供了高性能传感器，从而使ADA对车辆安全性的改善产生了重大影响。自动化行业继续对ADA进行投资，并追求完整的自主工具的目的 - 克服主要的驾驶援助指定的捐款（即L1和L2），并朝着真正的自主驾驶趋势迈进IES（即SAE定义的L3，L4和L5）。减少道路上的伤亡是这一趋势背后的主要动力之一，技术传感器Ofonsemi将在这种自动化安全的变化中发挥重要作用。