1、什么是AEB自动紧急制动
自动紧急制动
Advanced/Automatic Emergency Braking; AEB
AEB是一种汽车主动安全技术，能够实时检测车辆前方行驶环境，并在可能发生碰撞危险时自动启动车辆制动系统，使车辆减速，辅助驾驶员避免碰撞或减轻碰撞后果。
当系统计算出会有碰撞可能时，首先会通过声音、图标等警示驾驶员，若驾驶员没能对预警起到正确反应，再轻微震动制动踏板或方向盘来二次预警，过程中提前填充制动油路油压，以便全力制动能快速准确的完成。
简单点说AEB，就像你副驾驶的教练，能在危险的时候帮你踩刹车。
AEB常见变化：
自动紧急制动（AEB）： 当车辆感知到即将发生碰撞时，车辆会独立停车，以避免发生碰撞，或者降低无法避免的严重程度。
向前自动紧急制动（AEB）： 在汽车向前行驶时，会自动应用制动，以防止碰撞或减小冲击力。
后方自动紧急制动（AEB后部）： 当汽车在倒车方向行驶时，会自动施加制动以防止碰撞或减小冲击力。
具有行人检测功能的自动紧急制动（AEB踏板）： 在汽车前进时，会自动施加制动，以防止与行人或骑自行车的人发生碰撞或减少冲击力。
城市速度AEB（AEB-city）： 在城市速度（通常为80公里或以下）下，会自动应用制动器以防止碰撞或减小冲击力。
高速公路速度AEB（高速公路AEB）： 在高速公路速度（每小时80公里以上）时，会自动应用制动器以防止碰撞或减小冲击力。
2、AEB是如何工作的
AEB系统和其他辅助系统一样，由感知、决策、执行三大部分组成，具体来说就是由雷达、摄像头作为传感器构成感知部分，传感器内置ECU或独立的外置ECU完成决策，并将制动请求通过总线发送至执行器，通常是ESP，也可以是其他装置，例如线控制动系统或独立的高压蓄能器控制器对车辆进行制动。
【感知】
常见的感知方案有三种。
视觉摄像头：
摄像头就像人眼一样，可跟踪识别行人障碍物等，感知距离大概在120米左右，但是不能精确计算与物体的相对距离，而且受不良天气的影响，因此单独采用摄像头方案的AEB系统非常少
障碍物识别，主流的主机厂一般使用Mobileye的成熟算法，测距主要是利用被识别障碍物在图像中的像素大小以及短时间差内的图像障碍物视差来实现。
毫米波雷达：
毫米波雷达的感知距离大概在150米以上，但是因为天线和尺寸的特性，雷达的角度分辨率也有限，但是较难识别行人等障碍物，而且雷达存在二次反射问题，容易出现误识别，因此单独采用雷达的AEB方案，也非常少。通过多普勒效应计算距离/差速。
| _ |
视觉摄像头 |
毫米波雷达 |
|
作用距离 |
100-120m |
150-250m |
|
测距精度 |
近/远 0.1m/1m |
0.3m(远近一致) |
|
光线与天气影响 |
显著 |
很小 |
|
物体高宽测量 |
精度高 |
精度低 |
|
车道线标识识别 |
有 |
无 |
|
行人识别准确度 |
高 |
低 |
|
成本 |
一般 |
一般 |
视觉摄像头与毫米波雷达系统对比
视觉摄像头融合雷达
为了能做出更可靠的AEB方案，大部分车厂将毫米波雷达与视觉摄像头结合起来，两者优势互补，视觉摄像头识别目标类型，用雷达较好的角度分辨率感知距离，判断与障碍物距离信息，然后相互确认，大幅度降低误判断
|
可靠性 |
目标真实可靠性高 |
|
互补性 |
全天候应用与远距离提前预警 |
|
高精度 |
大视角全距离条件下的高性能定位 |
|
识别能力 |
复杂对象的分类处理 |
|
成本 |
高性价比与选择灵活性 |
视觉与毫米波雷达融合方案优势
【决策】
决策就是用汽车的大脑（ECU）做判断，ECU能够根据传感器信息，然后按照设定的逻辑计算，得出执行命令，最后将执行命令发送给执行机构。
这里我们要提到一个词——碰撞时间TTC(Time-To-Collision)。
TTC是Time-To-Collision的缩写，直译为碰撞时间。海沃德（1972）将TTC定义为：“如果两个车辆以现在的速度和相同的路径继续碰撞，则需要碰撞的时间”。在交通冲突技术的研究中，TTC已被证明是衡量交通冲突严重程度和区分关键行为与正常行为的有效手段。一些研究的结果指出直接使用TTC作为交通决策的线索。车辆之间未来相互作用的预测涉及为受试车辆以及所有可能发生相互作用的车辆创建预测轨迹，以查看是否可能发生碰撞。
在TTC算法中，车辆被视为二维平面。每一辆都由位于平面中特定位置的矩形表示。每辆车都有速度和加速度，速度与加速度都是矢量。
每辆“主体”车辆与附近的车辆会发生相互作用，不存在先导车辆或跟随车辆。主体车辆的动作遵循三条规则：
1. 跟随前方的车辆
2. 避免碰撞
3. 基于TTC的数值来调整所采取的动作的强度
TTC是针对每两辆相互足够接近车辆来计算相互时间长。根据其老位置、新速度矢量和新加速度矢量计算车辆的新坐标。它的新速度矢量同样是从它的旧速度和新加速度矢量计算出来的。通过对期望轨迹、道路几何形状、交通控制（例如，停止标志、交通信号和速度限制）以及邻近车辆的接近来确定加速度矢量。如果不引起任何碰撞，加速度被认为是可接受的。
在车辆行驶时，实时地计算出本车与前车在当前运动状态下，继续运动直到发生碰撞所需要的时间（即TTC），来与事先设定好的阀值进行比较：当 TTC 值小于 FCW 阀值时，系统采用视觉、听觉或触觉向驾驶员报警；当 TTC 小于 AEB 阀值时，系统以一定的减速度采取紧急制动。
【执行】
执行可以简单的理解为驾驶员帮你踩刹车。
执行机构，通常是通过ESP或其它装置，例如i—Booster或者独立的高压蓄能器控制器——对车辆刹车系统进行控制制动。
但是在执行刹车之前，一般都会有碰撞预警系统做提示，让你自己处理危险，或者有个心理准备。
提醒阶段主要是通过声学和光学的方式提醒驾驶者对车辆即将可能发生碰撞进行接管，并对制动系统进行提前减压。同时还会根据车辆实际的配置对一些功能进行调节，比如可变悬架。
到了预制动阶段，AEB系统首先会试图通过短促的制动来唤醒驾驶员，同时车辆也会对安全带进行预紧。此时制动系统开始对刹车盘施加制动力，但通常只有全部制动能力的30%。此阶段仍然可以通过驾驶员的干涉来完全避免碰撞。
而部分制动阶段时AEB系统开始使用50%的制动力来为车辆减速，同时配备自动车窗和天窗的车辆会开始主动关闭，避免驾驶员在接下来可能发生的碰撞中被抛出窗外，在进入部分制动时，AEB系统也会打开双闪警示灯提醒后车。此时如果驾驶员进行干预，仍然有可能避免发生碰撞。
最后是全力制动阶段，在这一阶段AEB系统将会放弃依靠驾驶员的制动行为，并通过执行器进行100%刹车力度的制动。与此同时车辆也会收到信号开始着手为接下来可能存在的碰撞风险做好准备，比如将安全带收紧等。
整个执行过程的持续时间通常只有两三秒钟，我们甚至很难通过身体的感受来区分第二和第三阶段的区别。通常来说AEB系统会根据危险等级依次进入四个阶段，但也有一些情况会跳过其中某个或某几个阶段。比如面对突然出现的行人，或是前方障碍物与当前车辆的距离迅速缩短。
3、AEB工作范围
可以工作在不同的道路上。
目前大部分车厂采用视觉融合毫米波雷达的方案，具有车辆识别和行人识别的功能。
车辆识别：
在40km/h以内，可以做到避免与静止车辆碰撞
在与前方运动的速度差小于40km/h以内，可以做到避免碰撞
如果运动时速与前车大于40km/h时，降低事故损伤程度
行人识别：（只能探测到身高80cm以上的人）
时速30km/h以内，避免与行人发生碰撞
时速在30km/h-90km/h之间，有可能会撞上，但是可以降低损伤事故
时速超过90km/h，行人识别功能关闭
车速过低＜5km/h时，AEB不工作，速度太高＞150km/h时，也不工作，目前的AEB并不是任何车速下都能刹车
除了速度范围，一般车型的AEB也只能识别车辆和行人两种，虽然部分AEB带有骑行识别功能，但识别率很低
4、AEB的技术重点是什么
传感器融合方案
传感器数据融合的基本原理主要是综合多个传感器获取的数据和信息，把多传感器在空间和时间上冗余或互补信息依据某种准则来进行组合，获得对被测对象的一致性描述
传感器融合的优势：
1.增强系统生存能力
2.扩展空间覆盖范围
3.扩展时间覆盖范围
4.提高可信度
5.降低信息的模糊度
6.改进探测性能
7.提高空间分辨率
8.增加了测量空间维数
9.成本低、质量轻、占空小
首先摄像头和毫米波雷达分别针对观测目标收集数据，然后对各传感器的输出数据进行特征提取与模式识别处理，并将目标按类别进行准确关联，最后利用融合算法将同一目标的所有传感器数据进行整合，从而得出关于目标威胁性的一致性结论。
数据融合也有不同的策略，比如有的方案会选择将不同传感器各自处理生成的目标数据进行融合，有些会选择将不同传感器的原始数据进行融合，避免一些原始数据的丢失。在智能驾驶场景下，传感器的数据融合大致有3种策略：数据级、特征级和决策级。
数据级融合
数据级融合是最低层次的融合，直接对传感器的感测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。这种融合处理方法的主要优点是：只有较少数据量的损失，并能提供其他融合层次所不能提供的其他细微信息，所以精度最高。他的局限性包括：
1.所要处理的传感器数据量大，故障处理代价高，处理时间长，实时性差
2.这种融合是在信息的最底层进行的，传感器信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力
3.它要求传感器是同类的，即提供对同一观测对象的同类观测数据
4.数据通信量大，抗干扰能力差
此级别的数据融合用于多源图像复合、图像分析和理解以及同类雷达波形直接合成
特征级融合
特征级融合属于中间层次的融合，先由每个传感器抽象出自己的特征向量（可以是目标的边缘、方向和速度等信息），融合中心完成的是特征向量的融合处理。一般来说，提取的特征信息应是数据信息的充分表示量或充分统计量。其优点在于实现了可观的数据压缩，降低对通信的要求，有利于实时处理，但由于损失了一部分有用信息，使得融合性能有所下降。
特征级融合可以划分目标状态信息融合和目标特征信息融合两大类。
目标状态信息融合主要应用于目标跟踪，融合处理首先对传感器进行数据处理，完成数据校准，然后进行数据相关的状态估计。具体数学方法包括卡尔曼滤波理论、联合概率数据关联、多假设法、交互式多模型法和序贯处理理论。
目标特征信息融合实际属于模式识别问题，常见的数学方法有参量模板法、特征压缩和聚类方法、人工神经网络、K阶最近邻法等。
决策级融合
决策及融合是一种高层次的融合，先由每个传感器基于自己的数据做出决策，然后融合中心完成的是局部决策的融合处理。决策融合是三级融合的最终结果，是直接针对具体决策目标的，融合结果直接影响决策水平。这种处理方法数据损失量大，相对来说精度最低，但通信量小，抗干扰能力强，对传感器依赖小，不要求是同质传感器，融合中心处理代价低。常见的算法由Bayes推断、专家系统、D-S证据推理、模糊集理论等。
特征级和决策级的融合不要求多传感器是同类的。另外由于不同融合级别的融合算法各有利弊，所以为了提高信息融合技术的速度和精准，需要开发高效的局部传感器处理策略以及优化融合中心的融合规则。
【信息融合的主要技术和方法】
・信号处理与估计理论方法
信号处理与估计理论方法包括用于图像增强与处理的小波变换技术、加权平衡、最小二乘、Kalman滤波等线性估计技术，以及扩展Kalman滤波（EKF）,Gauss和滤波（GPS）等非线性估计技术等
・统计推断方法
统计推断方法包括经典推理、Bayes理论、证据推理、随机集理论以及支持向量机理论等
・信息论方法
信息论方法运用优化信息度量的手段融合多源数据，从而获得问题的有效解决。经典算法有熵方法、最小描述长度方法（MDL）等。
・人工智能方法
人工智能方法包括模糊逻辑、神经网络、遗传算法、基于规则的推理以及专家系统、逻辑模板法、品质因数法（FOM）等。
5AEB的品牌名称
阿尔法罗密欧：Autonomous Emergency Braking
奥迪：Automatic Brake Assist
宝马：Driving Assistant Plus
福特：Active City Stop
霍尔顿：Automatic Emergency Braking City Stop
本田：Collision Mitigation Braking System
现代：Autonomous Emergency Braking
起亚：Autonomous Emergency Braking
路虎：Autonomous Emergency Braking
雷克萨斯：Pre-collision Safety System with Brake Assist
马自达：Smart City Brake Support
梅赛德斯·奔驰：PRE-SAFE Brake
迷你版：City Collision Mitigation
三菱：Forward Collision Mitigation
日产：Intelligent Emergency Braking with Forward-Collision Warning
标致：Active City Brake
斯柯达：Multi-Collision Braking
斯巴鲁：Pre-Collision Braking System (Eyesight)
丰田：Pre-Crash Safety System
大众：City Emergency Braking
沃尔沃：City Safety
6、AEB使用注意事项
关于AEB大家有一个普遍的误解——好的AEB系统应该避免一切碰撞。
在目前的技术条件下，工程师并不能完全排除AEB系统发生各种故障或错误，却依然能发出减速度请求的情况，例如由于识别到错误的目标而导致AEB触发，车辆突然减速。特别地，在高速公路上行驶的时，如果过度减速，很容易导致追尾事故。出于功能安全（Functional Safety）的考虑，目前市场上的多数AEB系统最多允许车速降低60kph。当车辆减速达到这一限制的时候，制动干预应该逐渐退出（仅制动退出，并非AEB系统退出），由驾驶者接管。
来源：商用车诊断仪
