自從汽車制造商開始使用第一臺微機電傳感器(MEMS)加速計來測量加速的強勁力道以及啟動安全氣囊已經二十多年了。第一臺慣性傳感器早已為今日的先進駕駛輔助系統(ADAS)加速計的普及做好萬全準備。

微型裝置 提升汽車安全性和舒適性

目前的ADAS技術還包括陀螺儀、壓力傳感器和磁力儀等類型的MEMS慣性傳感器的運用。事實上，要不是有MEMS的防翻車安全功能，也不會有那么受歡迎的SUV的存在。MEMS陀螺儀偵測圍繞行進中車輛X軸的旋轉。此為碰撞偵測運算法則的主要依據。

慣性傳感器在自動駕駛中扮演舉足輕重的角色，跟ADAS應用有著同等重要的零組件不是已經在使用，就是即將被開發出來。在設計ADAS時，工程師需要了解MEMS慣性傳感器，以及這些技術在未來10到20年對汽車制造商和消費者代表甚么樣的意義呢？首先，讓我們來回顧一下傳感器在今天和未來在汽車技術中扮演的角色。

AnalogDevices推出的全球第一個啟動汽車安全氣囊的加速計

翻履感測

屬于被動安全防護功能的車輛翻覆感測可檢測汽車是否正在翻覆并及時啟動安全氣囊裝置。在車輛翻覆時，慣性傳感器可為碰撞偵測運算提供滾動速率、橫向和垂直加速度等主要數據。

然而，在各種條件下提供可靠的傳感器訊號才是個大挑戰：例如在極端的酷熱或寒冷的溫度下或在碎石路上。此項要求也適用于電子穩定控制系統(ESC)的慣性傳感器，ESC屬于主動汽車安全防護功能，透過控制和啟動汽車剎車來防止車輛打滑。

為因應所面臨的挑戰，必須謹慎地設計出結合MEMS設計的專業知識以及對汽車系統的理解及要求的產品。這些產品必需根據規格進行設計，樣品必須先在實驗室進行測試，并與書面規劃的內容一致。最后，傳感器必須經過更多的實際駕駛測試，例如在冬季或碎石路上的行駛。

慣性導航

城市峽谷駕駛導航已經內建在導航系統的儀表板內，這些技術可降低在陌生城市中自動導航的壓力。藉由地圖，全球導航衛星系統(GNSS)的訊號、擇路運算以及慣性導航系統甚至可透過車聯網服務，提供交通堵塞時的即時消息。

汽車工程師喜歡在導航系統中加入慣性傳感器，因為這些系統無論在「城市峽谷」，或是在GNSS訊號差、無效或根本就沒有訊號的地方仍可繼續運作。在這種情況下，慣性傳感器可在失去訊號前最后一次GNSS的讀數之后確定位置的變化。假使駕駛在隧道內無法接收到GPS訊號，慣性傳感器就會以公尺數推算車輛的方向。推測導航運算再進行位置變化的計算，就可根據慣性傳感器的訊號推斷你當前所在的位置。

駕駛輔助

在各式駕駛輔助技術中，不僅只是巡航控制或后視攝影機。主動車距控制巡航系統、車道保持和變換輔助系統、先進緊急剎車系統及主動前輪轉向系統都屬于駕駛輔助技術的一部分。并是透過將MEMS慣性傳感器以及攝影機、雷達和/或光學雷達(LIDAR)等感知系統的智能結合來實現。

主動車距控制巡航系統(ACC)比大家所熟悉的巡航控制功能更需具體經驗。雖然傳統的巡航控制技術可以節省油耗，且在長途駕駛可更輕松，但還是得依據附近車輛的速度不時地切換巡航控制開關。這樣的困擾駕駛人應該都經歷過吧？為了能與其他的車輛保持安全距離，ACC可根據需要調整車速，而非保持在定速狀態下前進。

ACC主要是利用雷達、攝影機或雷射來測量與物體間的距離。能夠強化ESC的同類慣性傳感器，也能應用在ACC上。慣性傳感器有助于預測路徑，然后將該路徑連接到障礙物偵測上。類似的慣性裝置還能做到爬坡控制的特色，讓低重力傳感器利用向下的重力方向來確定傾斜度，使正在上坡的車輛不會往后滑動。

主動轉向則是另一項駕駛輔助技術，在較高的速度下可減少車輪每次轉動時轉向角度的變化量。此功能可提高公路駕駛的準確性，偏航率傳感器可提供突發狀況的相關訊息。

好消息是，不僅是豪華房車，一些中價位車款也已配備駕駛輔助系統。BMW相當早以前就開始在市面上推出具有主動轉向功能的車款，福特的Ford Edge也具有主動轉向功能；相信其他汽車制造商也將很快跟進。

相同地，慣性傳感器也是利用攝影機、雷達和雷射來達到輔助駕駛。偵測技術則可藉由預測汽車的移動來達成自動駕駛。

邁向全自動駕駛

現今的自動駕駛裝置結合一系列現有的ADAS功能。全自動駕駛汽車需要詳細了解它們所處的環境，必須理解和預測車輛和行人的行為。使用高精度地圖和視覺系統，感知技術必須能預測高速公路上的汽車路徑。高速公路駕駛預測比在城市駕駛的汽車和行人路徑預測容易得多(圖2)。諸如「深度學習」的人工智能對于實現完全自駕車所需的認知至關重要。

Bosch從2013年即開始進行高速公路上的自動駕駛測試

定位和導航

在完全自動駕駛中汽車將成為一個可以回答以下問題的機器人：「我在哪里？」、「我想去哪里？」、和「我該如何到達我想去的地方呢？」對于自動駕駛和自主駕駛車輛，要回答這些問題，則以吋為單位的尺度(Inch-Scale)定位就顯得相當重要。與引導我們到最近星巴克的導航不同，它是必須能作到精確定位一個人在街道巷弄中的位置。

MEMS慣性傳感器是執行定位和導航時不可或缺的零組件

在自駕車內，自我定位集合兩種不同的技術方法：機器人和運輸。利用攝影機、光學雷達和雷達等感知系統，機器人研究人員已經開發出用來確定人與物的相對位置的新方法。例如，當遵循同步定位與建構環境地圖(SLAM)的方法時，機器人汽車會建構其周圍環境的地圖，并將其實際位置與該環境相對輪廓相聯結。利用地圖上顯著的地標，并在存儲的高精度圖中找到它們的位置，因此一個人的絕對位置即可被確認。

運輸業已驗證，慣性導航系統(INS)可利用測量加速度和旋轉來確定絕對位置的變化。系統可從GNSS讀數、地標導航或SLAM中推斷絕對位置開始，捷聯式運算以慣性傳感器的讀數為基礎計算出新位置。

根據目標精度的不同，INS可能會需要高效能傳感器，因為它會迅速累積漂移和誤差。光學傳感器可滿足最高要求，例如環形雷射陀螺儀和光纖陀螺儀。近年來，高效能MEMS傳感器已成功進入戰術級傳感器市場。

融合慣性傳感器和感知傳感器的數據

視覺和感知系統如何從慣性傳感器中獲益？視覺或是感知傳感器可感測到物體的移動，也就是「光流」。以便確實的判定從運動求得結構(Structure from Motion)，并計算汽車移動和交通伙伴間的距離。

慣性傳感器完全不需理會感知傳感器的限制因素，例如天氣條件、合適的日光條件、雪道或模糊的地標。慣性傳感器不需依賴現場的照明，因為它們可偵測到動覺運動，并且不用依據圖像來計算。此外，比較安全的慣性傳感器不需依賴汽車外部的任何鏈接和數據傳輸。目前的研究專注于如何融合動覺慣性和視覺訊息的松散耦合和緊密耦合。

當運用松散耦合時，感知系統和INS幾乎各自定位汽車，隨后再相互比較和彼此校正其結果。慣性和視覺傳感器的緊密耦合提供第二種選擇，其中物體的直接(像素級)視覺測量會結合慣性測量裝置(IMU)的讀數。

全自動駕駛未來可期

在這兩種方法中，MEMS慣性傳感器提升感知系統逐格追蹤對象的能力，進而可提升駕駛輔助系統。例如：車道保持和變換輔助、AEBS和主動前輪轉向將變得更加普及。諸如交通阻塞輔助的部分自動化功能，市場上早已看到。隨著即將實現的自動化功能層次逐漸提高，未來幾年交通阻塞輔助將越來越普及。

自動駕駛獎漸進式的方式實現

在2020年，預期可在高速公路上看到全自動駕駛。然而，都市地區的全自動駕駛可能要10到15年才能實現。

汽車制造商在完全自動化，甚至部分自動化之前將繼續滿足消費者對ADAS普遍實現的需求；憑借這些豐富的技術，讓駕駛功能可涵蓋廣大消費者的需要。雖然全自動駕駛可能需要幾年的時間才能達成，但是我們從家用車中已經透過MEMS和傳感器享受ADAS所帶來的便利。