Entwicklung und Konstruktion von fortschrittlichen Fahrerassistenzsystemen

Von Johnny Liu, CEO bei Dowway Vehicle | Veröffentlicht: 6. März 2026

Mit über zehn Jahren praktischer Erfahrung in der Automobiltechnik und der Entwicklung von autonomen Fahrsystemen der Stufe L2+ haben mein Team bei Dowway Vehicle und ich den komplexen Übergang von einfachen Fahrerassistenzsystemen zu hochkomplexen Systemen erfolgreich gemeistert. Dieser technische Leitfaden erläutert die technischen Gegebenheiten, Systemarchitekturen und Kalibrierungsmethoden, die für die Serienproduktion der heutigen Kernfunktionen von Fahrerassistenzsystemen erforderlich sind.

Einführung

Die Automobiltechnologie entwickelt sich rasant in Richtung L2+-Automatisierung und darüber hinaus. Die Funktionspalette von Fahrerassistenzsystemen (ADAS) wächst stetig. Während Spurhalteassistenten (LKAS) und automatische Parkassistenten (APA) die Grundlage schufen, konzentriert sich die Branche heute auf hochkomplexe, realitätsnahe Fahrszenarien. Zu den Kernkonfigurationen in der Serienproduktion gehören heute: Adaptive Geschwindigkeitsregelung (ACC), Autonomes Notbremssystem (AEB), Stauassistent (TJA), Spurverlassenswarnung (LDW), Und Spurwechselassistent (LCA)Die

Dieser Leitfaden untersucht die Systemarchitektur, die Hardwareauswahl, die Algorithmenentwicklung und die Kalibrierung an realen Fahrzeugen, die erforderlich sind, um diese Systeme in die Massenproduktion zu überführen.

Kernfunktionen von Fahrerassistenzsystemen

Basierend auf Normen wie ISO 21448 (SOTIF) und GB/T 39222-2020 bilden diese fünf Kernfunktionen von ADAS einen umfassenden Schutzschild für die Fahrsicherheit.

Adaptive Geschwindigkeitsregelung (ACC)

Der adaptive Tempomat (ACC) steuert automatisch Antriebsstrang und Bremsen, um eine voreingestellte Geschwindigkeit und einen sicheren Abstand zum vorausfahrenden Fahrzeug einzuhalten. Er eignet sich hervorragend für Autobahnen und freie Stadtstraßen und reduziert die Ermüdung des Fahrers bei längeren Fahrten.

• Betriebsbereich: 0-130 km/h (Der adaptive Tempomat (ACC) deckt den Bereich von 0-30 km/h für den Stadtverkehr ab).
• Wichtigste Leistungsindikatoren (KPIs): 3-5 Distanzregelungsstufen, Reaktionszeit ≤ 0,5s, Geschwindigkeitsregelungsgenauigkeit ±1 km/h und Zuverlässigkeit von ≥ 50 kontinuierlichen Stopp-Start-Zyklen ohne Ausfall.

Autonomes Notbremssystem (AEB)

Das automatische Notbremssystem (AEB) nutzt die Datenfusion mehrerer Sensoren, um Hindernisse (Fahrzeuge, Fußgänger, Radfahrer) zu erkennen. Es aktiviert automatisch das Bremssystem, um Kollisionen zu verhindern oder deren Folgen abzumildern, wenn der Fahrer nicht sofort reagiert.

• Betriebsszenarien: Beinhaltet plötzliche Hindernisse bei niedrigen Geschwindigkeiten (≤ 50 km/h) und Notbremsungen bei hohen Geschwindigkeiten.
• KPIs: Kollisionswarnzeit ≥ 1,5 s, Bremsreaktionszeit ≤ 0,3 s, Kollisionsvermeidung bei Geschwindigkeiten ≤ 40 km/h (für Fußgänger) und eine Kollisionsgeschwindigkeitsreduktionsrate von ≥ 30 % (für Fahrzeuge).

Stauassistent (TJA)

Als Erweiterung des ACC bewältigt TJA den Stop-and-Go-Verkehr (≤ 30 km/h) durch die automatische Steuerung des Abstands zum vorausfahrenden Fahrzeug, des Anfahrens/Anhaltens und kleinerer Lenkkorrekturen und bietet so teilautonomes Fahren im dichten Verkehr.

• KPIs: Nach einer Abstandsgenauigkeit von ±5 cm, sanften Stopp-Start-Übergängen (ohne Ruckeln), einem Lenkkorrekturwinkel von ≤ 5°/s und einer Aktivierungserfolgsrate von ≥ 95%.

Spurverlassenswarnung (LDW)

Der Spurhalteassistent (LDW) nutzt Kameras zur Überwachung der Fahrbahnmarkierungen und gibt akustische oder haptische Warnungen (Lenkrad- oder Sitzvibrationen) aus, wenn das Fahrzeug ohne Blinker von der Fahrbahn abweicht.

• Betriebsbereich: ≥ 60 km/h (einige Modelle werden bereits ab 40 km/h aktiviert).
• KPIs: Genauigkeit der Fahrspurerkennung ≥ 98 % (bei normalem Wetter) und ≥ 95 % (nachts bei ausreichender Straßenbeleuchtung), Warnreaktionszeit ≤ 0,2 s und eine Fehlalarmrate ≤ 1 Mal/100 km.

Spurwechselassistent (LCA)

Der Spurwechselassistent (LCA) nutzt Millimeterwellenradar (MMW-Radar) zur Überwachung des toten Winkels. Er warnt den Fahrer über Blinker in den Außenspiegeln oder Vibrationen, wenn ein Spurwechsel eingeleitet wird, während sich ein Fahrzeug auf der Nachbarspur gefährlich nahe befindet.

• KPIs: Totwinkel-Erkennungsbereich 3-5 m, Erkennungsgenauigkeit ≥ 97 %, Warnreaktionszeit ≤ 0,2 s und eine Fehlalarmrate ≤ 0,5 Mal/100 km.

Systemarchitektur für die ADAS-Serienproduktion

Diese Funktionen arbeiten nach einem strengen Prinzip “Wahrnehmung-Entscheidung-Ausführung” Architektur. Wir verwenden einen Ansatz aus Domänencontroller und Multi-Sensor-Fusion, um Echtzeitzuverlässigkeit und die Einhaltung von ISO 26262 (Funktionale Sicherheit) und ISO 21448 (SOTIF) zu gewährleisten.

Wahrnehmungsschicht: Multisensorfusion

Die Massenproduktion zu vernünftigen Kosten beruht auf der Datenfusion zur Beseitigung von Einzelsensorfehlern, typischerweise unter Verwendung adaptiver Kalman-Filter-Algorithmen.

• Millimeterwellenradar (MMW): Kern für ACC, AEB und LCA. Erfasst Entfernung, Geschwindigkeit und Azimut (0,5–200 m). Für eine höhere Genauigkeit bei hohen Geschwindigkeiten und widrigen Wetterbedingungen (Regen, Schnee, Nebel) wird eine Frequenz von 77 GHz gegenüber 24 GHz dringend empfohlen.
• HD-Kameras: Kern für LDW, TJA und AEB (Fußgänger-/Radfahrererkennung). Erfordert eine Auflösung von ≥ 1280×720, ≥ 30 Bilder pro Sekunde, starke Lichtunterdrückung und Nachtsichtverbesserung, um die Radarbeschränkungen bei nicht starren Zielen auszugleichen.
• Ultraschallradar: Vier Sensoren vorne und vier Sensoren hinten unterstützen AEB und TJA bei der Erkennung von Hindernissen im Nahbereich (0,1-5 m) bei niedrigen Geschwindigkeiten.
• IMU (Inertial Measurement Unit): Funktioniert mit GPS/Beidou, um Fahrzeugbeschleunigung, Gierrate und Lage mit einem Positionsfehler von ≤ 1 m zu erfassen.

Entscheidungsschicht: Domänencontroller und Algorithmen

Der ADAS-Domänencontroller fungiert als zentrale Steuereinheit und integriert CPU-, GPU- und FPGA-Chips. Er benötigt eine ISO 26262 ASIL-B-Zertifizierung (ASIL-C für bestimmte AEB-Funktionen), eine Taktfrequenz von mindestens 1,5 GHz, einen Arbeitsspeicher von mindestens 4 GB sowie CAN/LIN/Ethernet-Unterstützung. Die Gesamtreaktionszeit darf maximal 100 ms betragen.

• Wahrnehmungsalgorithmen: Deep-Learning-Frameworks (z. B. YOLOv5, CNN) für eine präzise Zielerkennung.
• Entscheidungsplanung: Bewertet Geschwindigkeit, Entfernung und Fahrspuren anhand der Verkehrsregeln.
• Steuerungsalgorithmen: Zur präzisen und reibungslosen mechanischen Ausführung wird eine PID-Regelung (Proportional-Integral-Differential-Regler) eingesetzt.

Ausführungsschicht: Fahrzeugsteuerungsschnittstellen

• Antriebsstrang: Schnittstellen zu den Motorsteuergeräten/Motorreglern für ACC/TJA-Beschleunigung (Schnittstellenreaktionszeit ≤ 50 ms).
• Bremsen: Schnittstellen zu ABS/ESP für AEB, die in Notfällen eine Bremskraft von ≥ 80 % der maximalen Bremskraft anwenden können.
• Lenkung: Schnittstellen mit EPS für geringfügige TJA-Korrekturen (Lenkwinkelgenauigkeit ≤ 0,5°).

Der technische Entwicklungsprozess

Von der Konzeption bis zur Auslieferung überwindet die ADAS-Entwicklung vier Haupthürden durch einen rigorosen Prozess:

1. Anforderungsdefinition: Festlegung von Grenzen, Aktivierungs-/Deaktivierungsbedingungen und Sicherheitszielen gemäß den Normen GB 7258-2017.
2. Hardwareauswahl: Wählen Sie etablierte Massenproduktionslieferanten (z. B. Bosch/Continental für Radar, Sunny/O-Film für Kameras, Horizon/Huawei für Domänencontroller).
3. Software-Algorithmenentwicklung: Um die Zuverlässigkeit zu verbessern, muss sichergestellt werden, dass die Algorithmen innerhalb strenger Zeitvorgaben arbeiten (Wahrnehmung ≤ 50 ms, Entscheidung ≤ 30 ms). Hierfür werden Simulationstools wie Prescan und Carsim verwendet.

4. Kalibrierung am realen Fahrzeug: Die Montagewinkel der Sensoren anpassen (Verzerrungen der Kameralinse und Radarwinkel korrigieren) und die PID-Parameter für verschiedene Straßenbedingungen feinabstimmen.
5. Testen & Validieren: Führen Sie Funktions- und Leistungstests in realen Szenarien durch, um sicherzustellen, dass die Sicherheitsprotokolle bei Sensor- oder Befehlsfehlern erfolgreich aktiviert werden.

Überwindung zentraler technischer Herausforderungen

• Wahrnehmungsungenauigkeiten in komplexen Szenarien: Regen, Dunkelheit und Blendung können Sensoren beeinträchtigen. Lösungen hierfür sind der Einsatz von 77-GHz-Radargeräten, redundante Sensordesigns und adaptive Kalman-Filterung zur dynamischen Anpassung der Sensorgewichte an die Umgebungsbedingungen in Echtzeit.
• Zuverlässigkeit des Algorithmus: Grenzfälle (kontinuierliche, scharfe Kurven, plötzlich auftretende Fußgänger) führen zu Fehlern. Lösungen umfassen die Erweiterung der Trainingsdatensätze um reale und simulierte Daten sowie die Festlegung strenger Betriebsgrenzen, die Funktionen automatisch und sicher deaktivieren, sobald diese überschritten werden.
• Kalibrierungseffizienz: Die manuelle Kalibrierung dauert 1-2 Monate. Die Umstellung auf automatisierte OBD-basierte (On-Board-Diagnose) Kalibrierungswerkzeuge verkürzt diesen Zyklus auf 2-3 Wochen und ermöglicht die Erstellung standardisierter Parametervorlagen für die Serienproduktion.
• Funktionale Sicherheit (SOTIF): Implementieren Sie redundante Hardwarearchitekturen (zwei Controller/Sensoren) und OTA-Update-Funktionen (Over-The-Air), um die Algorithmen auf Basis der nach dem Start gesammelten Daten kontinuierlich zu verbessern.

Fallstudie zur Serienproduktion: Implementierung von L2+ ADAS

Bei Dowway Vehicle haben wir kürzlich eine L2+ Suite für eine kompakte Familienlimousine entwickelt, die die Fahrsicherheit verbessern und die Ermüdung des Fahrers verringern soll.

Hardwarearchitektur

• Domänencontroller: Horizon Journey 3 Chip (1,5 GHz, 4 GB, ASIL-B-konform).
• Sensoren: Bosch MRR3 (77-GHz-Frontradar), Sunny 1080P Frontkamera, 4x Continental ARS408 (24-GHz-Eckradare), 8x Bosch Ultraschallsensoren und Bosch BMI088 IMU.
• Ausführungsschnittstellen: Vollständig ausgestattet mit EPS, ABS/ESP und einem 1,5T-Motorsteuergerät.

Behebung realer Engpässe

1. AEB-Fußgängererkennung bei Regen: Wir optimierten den Fusionsalgorithmus, um MMW-Radardaten ein höheres Gewicht zuzuweisen, und verbesserten die Algorithmen zur Regenbildverarbeitung der Kameras. Durch umfangreiches Training mit realen Daten konnte die Fußgängererkennung im Regen deutlich verbessert werden. 88 % bis 97 %Die
2. TJA Stop-and-Go-Rütteln: Durch die Anwendung einer progressiven Beschleunigungs-/Verzögerungsstrategie und die Neuabstimmung der PID-Parameter mit dem Antriebsstrangteam konnten wir die Bewertung der Sanftheit des Start-Stopp-Verhaltens verbessern. 3,2 bis 4,5 (von 5).

Ergebnisse der Validierung mit realen Fahrzeugen

Nach dreimonatigen, intensiven Straßentests im Stadt-, Autobahn- und ländlichen Gelände unter verschiedenen Wetterbedingungen erzielte das Serienmodell folgende Ergebnisse:

• Genauigkeit der ACC-Geschwindigkeitsregelung: ±1 km/h
• Geschwindigkeitsreduzierung durch automatische Notbremsung: ≥ 35 %
• Fehlalarmrate des Spurhalteassistenten: 0,8 Mal/100 km
• LCA-Erkennungsgenauigkeit: 98 %

Das Fahrzeug ging erfolgreich in die Serienproduktion und erreichte dabei einen 92 % Kundenzufriedenheitsrate für diese Kernfunktionen und damit die Machbarkeit unserer technischen Lösungen unter Beweis stellen.

Zukunftstrends

Mit Blick auf L3+ und darüber hinaus wird sich die Entwicklung von Nicht-LKAS/APA-Funktionen auf drei Hauptsäulen konzentrieren:

1. Verbesserte Sensorfusion: Die Integration von LiDAR zur drastischen Verbesserung der 3D-Wahrnehmung in komplexen Szenarien.
2. Intelligente Algorithmen: Integration von KI-Großmodellen zur menschenähnlichen Umgebungserkennung und personalisierten Entscheidungsplanung.
3. Synergistische Ökosysteme: Integration von ADAS mit hochauflösenden Karten und Navigationssystemen für autonomes Fahren in allen urbanen Szenarien.

Häufig gestellte Fragen zu Fahrerassistenzsystemen (ADAS)

1. Was sind Fahrerassistenzsysteme (ADAS)?

Kurze Antwort: Es handelt sich um elektronische Fahrzeugsysteme, die den Fahrer unterstützen und die allgemeine Verkehrssicherheit verbessern sollen.

Moderne Fahrerassistenzsysteme (ADAS) überwachen das Fahrumfeld und unterstützen die Fahrzeugsteuerung. Ihr Hauptziel ist die Reduzierung menschlicher Fehler und die Vermeidung von Unfällen durch Warnungen oder automatisches Eingreifen bei Bedarf in Brems-, Beschleunigungs- oder Lenkvorgänge. Typische Funktionen sind die adaptive Geschwindigkeitsregelung (ACC), der Notbremsassistent (AEB), der Spurhalteassistent (LDW), der Totwinkelassistent (BSD) und die Verkehrszeichenerkennung (TSR).

2. Wie funktionieren ADAS-Systeme?

Kurze Antwort: Sie arbeiten in einem kontinuierlichen dreistufigen Prozess: Wahrnehmung, Entscheidung und Ausführung.

Zunächst einmal die Wahrnehmungsschicht nutzt Sensoren (Kameras, Radar, LiDAR und Ultraschall), um Umweltdaten in Echtzeit zu erfassen. Als Nächstes Entscheidungsebene nutzt Prozessoren und Algorithmen, um diese Daten zu analysieren, Gefahren zu erkennen und Kollisionsrisiken zu bewerten. Schließlich die Ausführungsschicht Das Fahrzeug führt mechanisch Aktionen wie Bremsen, Beschleunigen, Lenken oder Warnmeldungen an den Fahrer aus. Um Genauigkeit zu gewährleisten, werden mehrere Sensoren durch „Sensorfusion“ kombiniert. Dabei werden verschiedene Datentypen integriert, um ein klares Bild der Fahrzeugumgebung zu erzeugen.

3. Sind ADAS-Systeme dasselbe wie autonomes Fahren?

Kurze Antwort: Nein. ADAS benötigt einen aktiven menschlichen Fahrer, vollautonomes Fahren hingegen nicht.

Fahrerassistenzsysteme (ADAS) arbeiten primär innerhalb der SAE-Automatisierungsstufen 0 bis 3 (Society of Automotive Engineers). Auf diesen Stufen muss der Fahrer das Fahrzeug weiterhin überwachen und bleibt rechtlich verantwortlich. ADAS automatisiert bestimmte Aufgaben (wie Geschwindigkeitsregelung oder Bremsen), während autonomes Fahren (Stufen 4 und 5) bedeutet, dass das Fahrzeugsystem alle Fahraufgaben selbstständig und ohne menschliches Eingreifen übernimmt.

4. Welche Sensoren werden üblicherweise in ADAS eingesetzt?

Kurze Antwort: Die vier gebräuchlichsten Sensoren sind Kameras, Millimeterwellenradar, LiDAR und Ultraschallsensoren.

• Kameras: Unverzichtbar für die Erkennung von Fahrbahnmarkierungen, Verkehrszeichen und Fußgängern.
• Radar (Millimeterwellen): Misst den genauen Abstand und die Geschwindigkeit von Fahrzeugen in der Nähe.
• LiDAR: Sendet Lichtimpulse aus, um eine präzise, ​​hochauflösende 3D-Umgebungskartierung zu ermöglichen.
• Ultraschallsensoren: Dient der Erkennung von Hindernissen im Nahbereich, insbesondere beim Parken.

5. Was sind die Grenzen von ADAS?

Kurze Antwort: Sie können mit extremen Wetterbedingungen, toten Winkeln, unvorhersehbaren Ereignissen und übermäßiger Abhängigkeit vom Fahrer zu kämpfen haben.

Aktuelle Fahrerassistenzsysteme (ADAS) stoßen an ihre Grenzen. Die Sensorleistung kann bei starkem Regen, dichtem Nebel, Schnee oder extrem schlechten Lichtverhältnissen nachlassen. Zudem haben Sensoren nur einen begrenzten Erfassungswinkel und können daher nicht jeden einzelnen toten Winkel um das Fahrzeug herum abdecken. Unvorhersehbare Situationen, wie beispielsweise plötzlich auftretende Fußgängerüberwege, können weiterhin Fehlalarme auslösen. Das größte Risiko stellt jedoch menschliches Versagen dar – wenn Fahrer fälschlicherweise annehmen, das Fahrzeug fahre autonom und die Aufmerksamkeit dem Straßenverkehr entziehen.