早在二十年前，汽車制造商就已經開始使用MEMS（微機電系統）傳感器中的加速計來測量行駛過程中的加速度并且觸發(fā)安全氣囊。如今，一項具有前瞻性的微小裝置——慣性傳感器為加速計在駕駛員輔助系統中得到更廣泛的應用開辟了全新的道路。

　　目前的駕駛員輔助系統中已包含多種MEMS慣性傳感器，如陀螺儀、壓力傳感器和磁力計。陀螺儀能夠監(jiān)測側翻車輛的繞X軸旋轉——這也是碰撞監(jiān)測算法中最重要的一環(huán)。事實上，如果沒有這項技術帶來的防側翻安全性能，也就不會出現如今廣受大眾喜愛的SUV車型了。

　　慣性傳感器對于未來自動駕駛的重要性毋庸置疑，它們能夠實現諸多駕駛員輔助功能，這些功能有些已經來到了我們的身邊，有些在不久的未來即將面世。

　　工程師們在設計駕駛員輔助系統時需要對MEMS慣性傳感器有哪些了解呢？這些技術在未來十到二十年內，對汽車制造商和消費者們又意味著什么呢？讓我們來共同探討一下這些不同類型的微小傳感器在當前以及未來的汽車技術中將如何發(fā)揮作用。

　　側翻傳感，作為一項被動安全技術，主要用于監(jiān)測車輛是否遭遇傾翻，進而觸發(fā)安全氣囊。這樣的慣性傳感器能為碰撞監(jiān)測算法提供最關鍵的數據反饋（滾轉角速度、橫向及縱向加速度）。

　　然而，在這一過程中將會存在一個難點，就是如何在各種不同的條件下，比如在極低或極高的溫度下，在高速公路上，或是在碎石路上，保持可靠的傳感信號。另一項主動安全技術——車身電子穩(wěn)定系統ESC，通過控制和觸發(fā)制動來避免車身打滑，也同樣要求在不同條件下提供可靠的傳感信號。

　　應對這一難點的一種解決方法就是精心設計出一套既整合了MEMS的設計特點同時又滿足汽車系統需求的裝置。首先需要根據不同規(guī)格來設計產品，樣品也必須先在實驗室中進行測試并且能夠滿足文件中的所有要求。最后，傳感器還需要通過一些實際的駕駛測試，比如在寒冬季節(jié)或是在碎石路上行駛。

　　如今的車主早已熟悉了內置導航系統，這樣的系統免去了駕駛員在不熟悉的城市中自己規(guī)劃路線的煩惱。依靠地圖、全球導航衛(wèi)星系統以及路徑算法和慣性導航系統等，車主能夠通過諸如“道路擁堵輔助”這樣的互聯服務，獲取實時的道路擁堵信息。

　　汽車工程師們通常青睞于在導航系統中加入慣性傳感器，因為這樣，無論是在各種建筑鱗次櫛比的城市中，或是在全球導航衛(wèi)星系統信號較弱甚至會中斷的地區(qū)，他們的系統依然可以運行。通常慣性傳感器在獲取了最后一條可靠的衛(wèi)星信號之后仍然可以更新位置信息。

　　譬如當一位駕駛員正在隧道里行駛，定位系統信號無法被接收，慣性傳感器就會以單位距離來計算汽車行駛的方向。航位推算法則會計算車輛的位移，繼而依據慣性傳感器的信號，推測出車輛當前的具體位置。

　　駕駛員輔助系統絕不僅限于我們日常所熟悉的定速巡航或是倒車影像。自適應巡航、車道保持和變道輔助、預測性緊急制動系統（AEBS）以及主動前輪轉向系統等，這些都屬于駕駛員輔助系統，并且它們都依賴于慣性傳感器與攝像頭、雷達或激光雷達這些感應系統的智能融合。

　　自適應巡航比人們熟知的傳統的定速巡航要更以經驗為導向。盡管傳統的定速巡航省油且能為長途駕駛提供更高的舒適性，但駕駛者需要根據周圍車輛的車速，不停地手動打開或關閉巡航功能。相較于在巡航過程中始終保持恒定速度，自適應巡航則能根據實際需求來自動調整車速，以便與周圍車輛保持安全距離。

　　自適應巡航主要通過雷達、攝像頭以及射線來測量與物體之間的距離。同一種用于車身電子穩(wěn)定系統的慣性傳感器同樣也能用于自適應巡航。這種傳感器能夠幫助預測路線并且傳達給障礙物探測器。

　　另一種類似的慣性裝置則應用于坡道輔助系統，用來防止上坡的車輛向后溜車。裝置內的小量程重力加速度傳感器能夠通過測量重力來確定傾斜度。

　　主動轉向系統則是另一項駕駛員輔助技術，用以更快地減少轉向輪胎每次移動時轉向角度的變化量。這一特性為更精確安全的駕駛提供了保障，尤其是在高速公路上。其中偏航角速度傳感器能夠提供關于車輛位移的信息。

　　如今，部分駕駛員輔助系統已經在一些中端車型中得以應用，而非僅限于豪華車型。寶馬很早就已經引入了主動轉向系統，福特也在其SUV車型“銳界”中應用了該系統，不久的將來，勢必會有更多汽車制造商將緊隨其后。

　　就好比慣性傳感器可以通過與攝像頭、雷達和激光的結合來實現駕駛員輔助功能一樣，預測技術則可以通過預測車輛的位移來實現自動駕駛。

　　“媽媽快看，我沒用手！”

　　當前的自動駕駛結合了一系列現有的駕駛員輔助功能。全自動的車輛需要對車身周圍的環(huán)境了如指掌，并且能夠預測其他車輛和行人的舉動。預測技術能夠通過高精度地圖和視覺系統來預知車輛在高速公路上的行駛路線，這要比在城市道路中來得容易地多，不過后者也將在不久的未來得以實現。這種類似“深度學習”的人工智能技術對于未來全自動駕駛車輛來說必不可少。

　　在全自動駕駛中，汽車好比一個機器人，回答著各類問題，例如：“我在哪兒？”“我想去哪里？”以及“我該如何去那里？”這些問題的答案主要來自于英寸級的精準定位，它們對于未來自動駕駛和全自動車輛來說都至關重要。我們日常使用的導航系統能夠直接規(guī)劃好去距離最近的星巴克的路線，相比較而言，定位系統要來得更為精確，甚至能夠準確定位車輛在哪根車道上。

　　在自動駕駛的車輛中，定位功能主要來源于以下兩個領域所應用的技術：機器人和交通運輸。

　　運用攝像頭、激光和雷達這樣的感知系統，機器人研究者已經研發(fā)出了一種全新的方法來確定駕駛員和物體之間的相對位置。舉例來說，機器人汽車可以依據實時定位與地圖系統，繪制出車身周圍的環(huán)境，并且將自己的位置與這些環(huán)境相關聯。利用周圍的地標性建筑，并且在內置的高精度地圖上確定這些地標的位置，就能相應地獲取到車輛的位置。

　　慣性導航系統，能夠通過測量加速度和旋轉角度來確定車輛絕對位置的變化，這一技術已經在交通運輸業(yè)中得到了充分的實踐。以起初的絕對位置（可以通過全球定位導航系統、地標定位或是實時定位與地圖系統得出）為起點，捷聯算法能夠基于慣性傳感器的讀數來計算出變化后的位置。

　　依據定位的不同精確度，慣性導航系統有時會需要高性能的傳感器，來避免細微偏差引發(fā)的嚴重后果，類似環(huán)形激光陀螺儀和光纖螺旋儀這樣的光學傳感器就能夠滿足最高要求。近年來，高性能MEMS已經成功進入了戰(zhàn)略規(guī)劃市場。

　　那視覺和感知系統又是如何從慣性傳感器中獲益的呢？視覺或是感知傳感器能夠察覺到正在運動的物體，正確判斷出運動物體的結構，同時估測車輛的移動情況以及和周邊運動物體之間的距離。

　　慣性傳感器則完全不受感知傳感器的限制因素所影響，比如天氣條件、光照、雪地或是被遮擋的地標。慣性傳感器不會依賴于周圍環(huán)境的亮度，因為它們測量的是物理性運動，而且并不是從圖像中計算數據。此外，慣性傳感器要來得更為可靠，因為它們不需要與車身以外的設備有任何的互聯和數據交流。近期有一項研究就分別討論了動覺慣性傳感器和視覺感知系統在弱耦合和緊耦合兩種程度下的不同合作模式。

　　在弱耦合程度下，感知系統和慣性傳感器會各自獨立地定位車輛，隨后相互比對信息，修正結果。緊耦合則是另一種結果，此時對物體直接的（像素級別）視覺測量會與慣性測量裝置的讀數相互結合。

　　在兩種情況下，MEMS慣性傳感器都可以提高感知系統幀到幀跟蹤物體的兼容度，從而得到更精準的定位。

　　在自動駕駛功能演變革新的道路上，駕駛員輔助系統，例如車道保持和變道輔助、預測性緊急制動系統以及主動前輪轉向系統等，都將成為人們越來越熟悉的部分。部分自動駕駛功能，譬如交通擁堵輔助系統，目前已經上市，在未來幾年也將逐步得到擴展。高級自動駕駛功能則會緊隨其后。

　　在2020年之前，我們期望能在高速公路上實現全自動駕駛。在城市中的自動駕駛，預計還需十到十五年來完成。

　　有如此豐富的技術可供使用，相信汽車制造商將會持續(xù)滿足消費者對于駕駛員輔助系統廣泛推行的需求，直到全自動或部分自動駕駛功能可以惠及大部分的消費者。盡管全自動駕駛尚需時日才能徹底實現，不過MEMS以及一系列由傳感器創(chuàng)造的駕駛員輔助系統已經給我們的生活帶來了諸多益處。