一、ADAS传感器在智能汽车中的重要性

ADAS（Advanced Driver Assistance System）即高级驾驶辅助系统，是智能汽车中至关重要的组成部分。它利用各种传感器收集车内外环境数据，经过运算分析后，为驾驶者提供预警提示或辅助控制，从而提高驾驶安全性和舒适性。例如，ADAS最高可提前1.5秒提示潜在危险，能让驾驶者及时防范，有效减少事故发生率，像提前0.5秒预警就能避免至少60%的追尾碰撞事故等。

二、智能汽车ADAS传感器关键技术概述

（一）感知技术

1. 摄像头技术

• 摄像头是ADAS系统中常见的传感器之一。它具有获取图像信息量大、投入成本低、作用范围广等优点。按照镜头和布置方式不同，可分为单目摄像头、双目摄像头、三目摄像头和环视摄像头。例如单目摄像头可通过计算机视觉与人工智能算法对获取的信息进行分析，识别车道线、物体、交通标识等，在车辆的前方碰撞预警、车道偏移报警、行人检测等功能中发挥重要作用。然而，摄像头的识别能力受环境影响非常大，雨雪雾沙尘霾等恶劣天气都会降低其识别能力，并且抵抗强光的能力也不够强，对于模棱两可的目标以及没见过的目标识别能力有限。

2. 雷达技术

• 毫米波雷达：毫米波雷达工作在毫米波频段（30 - 300GHz），其波长在1 - 10mm之间。毫米波兼有微波和红外波的优点，相比微波，毫米波分辨率高、指向性好、抗干扰能力强和探测性能好；相比于红外波，毫米波的大气衰减小、对烟雾灰尘具有更好的穿透性、受天气影响小，具有全天时、全天候的工作能力。毫米波雷达通过发射毫米波，根据反射波的频率变化来检测与目标物体的距离、速度和方向等信息。例如在自适应巡航控制（ACC）中，毫米波雷达持续扫描车辆前方道路，当与前车距离过小时，可与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动并降低发动机输出功率，以保持安全距离；在盲点检测（BSD）、辅助停车（PA）等功能中也有广泛应用。不过，毫米波雷达对运动的金属物体比较敏感，对于静止的金属或非金属物体、运动的非金属物体不太敏感，分辨率也比较低，不太容易得到障碍物的轮廓。

• 激光雷达（LiDAR）：激光雷达通过向目标发射激光束，接收目标反射回来的信号并与发射信号比较，经过处理后可获得目标的距离、方位、高度、速度等参数。激光雷达的测距精度非常高，可达到正负一两厘米甚至毫米级，分辨率也非常高，机械激光雷达可以360度旋转，角分辨率比其他雷达高。但目前机械旋转激光雷达成本比较高，容易受到阳光雨雾和互干扰的影响，工作温度一般在 - 10°到 + 60°左右，且目前其市场仍存在技术路线不确定、价格高、难以满足车规级要求等问题。不过，Flash激光雷达以及MEMS激光雷达等新型激光雷达朝着降低成本和功耗的方向发展。

3. 超声波雷达

• 超声波雷达利用传感器内的超声波发生器发出40KHz的超声波，接收探头接受经障碍物反射回来的超声波，利用时间差计算与障碍物的距离。其优点是超声波能量消耗慢，穿透力强，成本低，主要用途是停车辅助和自动停车系统。但是它容易受天气影响，不同天气超声波传播速度不一样。

• 
  

（二）信号处理技术

1. 数据融合技术

• 由于不同传感器各有优缺点，如摄像头受环境影响大，毫米波雷达分辨率低等，为了提高ADAS系统的准确性和可靠性，数据融合技术至关重要。它将来自不同传感器（如摄像头、雷达等）的数据进行融合处理。例如将毫米波雷达的距离和速度信息与摄像头的图像识别信息相结合，可以更准确地判断车辆周围的环境和潜在危险。数据融合技术需要解决传感器之间的校准、数据格式统一、信息互补等问题，以实现1 + 1>2的效果。

2. 滤波与降噪技术

• 在传感器采集数据过程中，不可避免地会受到各种噪声干扰。例如，车辆电子系统自身的电磁干扰、外界环境的电磁噪声等。滤波与降噪技术可以对采集到的信号进行处理，去除噪声，提高信号的质量。常用的滤波方法有低通滤波、高通滤波、带通滤波等。通过滤波和降噪，可以使传感器数据更准确地反映实际的车辆和环境状态，从而提高ADAS系统的决策准确性。

（三）传感器的可靠性与耐久性技术

1. 硬件可靠性设计

• ADAS传感器需要在复杂的汽车环境下长期稳定工作，因此在硬件设计上需要考虑很多因素。例如，对于摄像头传感器，要保证镜头的光学性能在不同温度、湿度和振动条件下的稳定性；对于雷达传感器，要确保其发射和接收模块的可靠性，防止在长期使用过程中出现性能下降或故障。在电路设计方面，要采用高质量的电子元件，具备过压、过流、过热保护等功能，以应对汽车电气系统的波动。

2. 软件鲁棒性设计

• 传感器的软件系统也需要具备很高的鲁棒性。在面对各种异常情况（如传感器数据丢失、数据错误、软件故障等）时，软件能够进行有效的处理，保证ADAS系统的正常运行。例如，当摄像头图像出现部分遮挡或失真时，软件能够通过算法进行补偿或判断，避免系统误判。同时，软件需要具备良好的兼容性，能够适应不同版本的硬件和不同的汽车平台。

三、智能汽车ADAS传感器的工作原理

（一）信息采集

1. 传感器类型与采集内容

• ADAS系统中的传感器类型多样，每种传感器采集的内容有所不同。摄像头主要采集车辆周围的图像信息，包括车道线、交通标志、行人、车辆等目标的视觉信息。毫米波雷达发射毫米波并接收反射波，采集车辆与周围物体之间的距离、速度和方向等信息。激光雷达通过发射和接收激光束来获取目标的距离、方位等信息。超声波雷达则是采集车辆与近距离障碍物之间的距离信息。例如在自动泊车系统中，超声波雷达会对车辆周围的停车位边界等进行距离测量，为泊车操作提供数据支持。

2. 采集的范围与精度

• 不同传感器的采集范围和精度也有差异。毫米波雷达的探测距离较远，例如77GHz的毫米波雷达可实现200米以上的长距离探测，但其角度分辨率相对较低；激光雷达的测距精度高，能达到毫米级，但受成本和技术限制，其探测范围可能有限；摄像头的视场范围较广，但在距离测量的精度上不如雷达类传感器。这些传感器在采集信息时，需要综合考虑其各自的特性，以实现对车辆周围环境的全面感知。

（二）信息分析与指令下达

1. 电子控制单元（ECU）的作用

• 传感器采集到的数据会被传送到电子控制单元（ECU）。ECU是ADAS系统的核心处理单元，它具有强大的计算和分析能力。ECU会对来自不同传感器的数据进行整合和分析。例如，在车道保持辅助（LKA）系统中，摄像头采集到车道线的图像信息，毫米波雷达采集到车辆与车道边界的距离信息，ECU会根据这些数据判断车辆是否偏离车道以及偏离的程度。如果车辆有偏离车道的趋势，ECU会进行相应的计算，确定需要采取的纠正措施。

2. 算法与模型的应用

• 在信息分析过程中，ECU会应用各种算法和模型。例如，在目标识别方面，会使用图像识别算法对摄像头采集的图像进行处理，识别出交通标志、行人、车辆等目标。在车辆轨迹预测方面，会基于车辆的动力学模型和传感器采集的速度、方向等信息，预测车辆未来的行驶轨迹。这些算法和模型的准确性和效率直接影响ADAS系统的性能。

（三）执行动作

1. 执行器的类型与功能

• ADAS系统的执行器包括油门、刹车、灯光、声响等系统。当ECU下达指令后，这些执行器会执行相应的动作。例如，在自动紧急制动（AEB）系统中，如果ECU根据传感器数据判断车辆即将发生碰撞，会向刹车执行器发送指令，使车辆自动刹车，以避免或减轻碰撞的严重程度。在车道偏离预警（LDW）系统中，如果车辆偏离车道，除了可能通过转向系统进行微调外，还会通过声响或灯光等方式提醒驾驶者，使驾驶者注意并纠正车辆行驶方向。

2. 执行动作的协调与控制

• 不同执行器之间需要进行协调和控制。例如在自适应巡航控制（ACC）系统中，当车辆接近前车时，需要协调油门和刹车执行器，使车辆减速并保持与前车的安全距离；当车辆前方道路畅通时，又需要控制油门执行器，使车辆恢复到设定的巡航速度。这种执行动作的协调和控制需要精确的算法和可靠的控制系统，以确保车辆行驶的安全性和舒适性。

四、常见的智能汽车ADAS传感器类型

（一）按功能分类

1. 主动控制类ADAS相关传感器

• 对于自适应巡航（ACC）、自动紧急刹车（AEB）、车道保持系统（LKS）、自动泊车、智能大灯控制（AFL）等主动控制类ADAS功能，常用的传感器有毫米波雷达和摄像头。在自适应巡航中，毫米波雷达用于检测前车的距离、速度等信息，摄像头可辅助识别车道线等。自动紧急刹车系统利用毫米波雷达或激光雷达测量与前方障碍物的距离，当距离小于安全距离时启动刹车动作。车道保持系统主要依靠摄像头识别车道线，同时毫米波雷达也可辅助判断车辆与车道边界的位置关系。

2. 预警类ADAS相关传感器

• 前车防撞预警（FCW）、车道偏离预警（LDW）、行人碰撞预警（PCW）、疲劳预警等预警类ADAS功能中，摄像头和毫米波雷达是常见的传感器。车道偏离预警系统通常使用安装在前挡风玻璃中上部的摄像头感知前方道路的车道线，结合车辆当前行驶状态以及驾驶员意图来判断车辆是否无意识偏离车道。前车防撞预警系统通过毫米波雷达时刻监测前方车辆，判断本车与前车之间的距离、方位及相对速度，当存在潜在碰撞危险时对驾驶者进行警告。疲劳预警则可以通过摄像头观察驾驶员的面部表情、眼睛开闭状态等来判断驾驶员是否疲劳驾驶。

3. 辅助类ADAS相关传感器

• 在盲区监测（BSM）、远近光灯辅助（ADB）、夜视系统、泊车辅助（PA）、全景泊车（SVC）、注意力检测（DMS）、抬头显示（HUD）、行人检测（PDS）等辅助类ADAS功能中，不同传感器发挥着各自的作用。盲区监测系统常采用毫米波雷达监测车辆侧后方的盲区，当有车辆进入盲区时向驾驶者发出警告。泊车辅助和全景泊车系统多使用超声波雷达来检测车辆周围的障碍物距离。夜视系统可能会采用红外摄像头等特殊传感器，在夜间或低光照条件下增强驾驶者对前方路况的视觉感知。

（二）按传感器原理分类

1. 光学传感器（摄像头）

• 摄像头作为光学传感器，基于光学成像原理工作。镜头采集车身周围图像，摄像头内的相关组件对图像进行处理，将图像信息转换为数字信号进行模式识别。摄像头的分辨率、视场角、帧率等参数会影响其性能。高分辨率的摄像头能够提供更清晰的图像，有利于准确识别目标；较大的视场角可以覆盖更广泛的区域；较高的帧率能够更及时地捕捉动态目标。不同类型的摄像头（单目、双目、三目、环视）适用于不同的ADAS功能，例如环视摄像头可以为驾驶者提供车辆周围360度的全景视图，方便泊车和在狭窄空间内行驶时的操作。

2. 电磁传感器（雷达）

• 毫米波雷达：毫米波雷达是利用毫米波频段的电磁波进行探测的传感器。其通过发射毫米波，当信号遇到障碍物后反射回来，根据反射波与发射波之间的频率差（由于存在时延）来计算与障碍物的距离，同时还能获取目标的速度和方向信息。毫米波雷达具有良好的穿透性和抗干扰能力，适用于各种天气条件下的车辆探测。

• 激光雷达：激光雷达以激光为工作光束，通过向目标发射激光束，然后接收从目标反射回来的信号，经过处理获得目标的距离、方位、高度、速度等参数。激光雷达的激光束具有高度的方向性和聚焦性，因此测距精度非常高，但激光雷达容易受到天气（如雾、雨、雪）和环境光（如强烈阳光）的影响，成本也相对较高。

3. 声学传感器（超声波雷达）

• 超声波雷达利用超声波进行探测。传感器内的超声波发生器发出40KHz的超声波，当超声波遇到障碍物反射回来后，接收探头接收反射波，根据发射和接收的时间差计算与障碍物的距离。超声波雷达成本低、能量消耗慢、穿透力强，主要用于近距离的探测，如车辆的泊车辅助系统，能够准确检测车辆周围的障碍物距离，为驾驶者提供泊车引导。

五、ADAS传感器关键技术的发展趋势

（一）传感器融合技术的深化

1. 多传感器融合的优势

• 随着ADAS功能的不断扩展和对安全性、可靠性要求的提高，单一传感器已难以满足需求。多传感器融合将摄像头、毫米波雷达、激光雷达、超声波雷达等不同类型传感器的数据进行融合，可以充分发挥各传感器的优势，弥补各自的不足。例如，摄像头可以提供丰富的视觉信息用于目标识别，毫米波雷达可以准确测量距离和速度，激光雷达能高精度测距和构建三维环境模型，超声波雷达可用于近距离检测。通过融合这些传感器的数据，可以更全面、准确地感知车辆周围的环境，提高ADAS系统的决策准确性和可靠性。

2. 融合算法的改进与创新

• 为了实现更有效的传感器融合，融合算法不断得到改进和创新。传统的融合算法如卡尔曼滤波等在一定程度上能够实现数据融合，但在复杂的交通场景和车辆动态环境下存在局限性。新的融合算法正在不断研发，例如基于深度学习的融合算法，可以更好地处理不同传感器数据之间的非线性关系，提高融合的精度和效率。这些算法能够自动学习不同传感器数据的特征和模式，从而更智能地融合数据，为ADAS系统提供更准确的环境感知结果。

（二）传感器的小型化与集成化

1. 满足汽车设计需求

• 汽车制造商越来越注重汽车的外观设计和内部空间布局，要求ADAS传感器在不影响车辆性能和美观的前提下进行安装。传感器的小型化和集成化能够满足这一需求。例如，将多个传感器集成到一个小型模块中，可以减少传感器的占用空间，方便在车辆的有限空间内进行安装，如在车辆的前保险杠、后视镜、挡风玻璃等位置。小型化和集成化的传感器还可以降低车辆的风阻，提高燃油经济性（对于传统燃油汽车）或续航里程（对于电动汽车）。

2. 技术创新推动

• 随着半导体技术、微机电系统（MEMS）技术等的不断发展，传感器的小型化和集成化成为可能。例如，MEMS技术可以将机械结构和电子电路集成在微小的芯片上，制造出微型的传感器。在ADAS传感器中，毫米波雷达、加速度传感器等都可以利用MEMS技术实现小型化和集成化。同时，芯片制造工艺的不断进步也为传感器的集成化提供了技术支持，例如将多个传感器的信号处理电路集成到一个芯片上，提高传感器的性能和可靠性。

（三）高性能与低成本的平衡

1. 提高性能的需求

• 为了实现更高级别的ADAS功能，如向自动驾驶的逐步过渡，传感器需要具备更高的性能。例如，摄像头需要更高的分辨率、更广的动态范围和更好的低光照性能，以提高目标识别的准确性；激光雷达需要提高测距精度、降低成本并提高可靠性；毫米波雷达需要提高分辨率和目标识别能力。这些高性能的传感器能够为ADAS系统提供更精确的环境感知数据，从而支持更复杂的驾驶辅助功能和决策。

2. 降低成本的压力

• 在汽车市场竞争激烈的环境下，降低成本是汽车制造商的重要目标之一。ADAS传感器作为汽车的重要组成部分，也面临着降低成本的压力。一方面，通过大规模生产和技术改进来降低传感器的制造成本，例如优化传感器的生产工艺、采用更廉价的原材料等；另一方面，通过传感器融合等技术，减少传感器的使用数量或者使用相对低成本的传感器组合来实现相同的ADAS功能。例如，采用摄像头和毫米波雷达的组合来替代部分昂贵的激光雷达功能，在满足ADAS功能需求的同时降低成本。

（四）智能化与自适应能力提升

1. 智能化的决策与控制

• ADAS传感器将变得更加智能化，不仅能够采集和传输数据，还能够进行一定程度的自主决策和控制。例如，传感器可以根据车辆周围环境的实时变化，自动调整其工作模式和参数。在交通拥堵时，摄像头和雷达传感器可以降低数据采集频率以减少计算量，同时提高对近距离目标的检测精度；在高速行驶时，传感器可以提高数据采集频率并扩大检测范围。这种智能化的决策和控制能力可以提高传感器的工作效率，延长其使用寿命，并提高ADAS系统的整体性能。

2. 自适应不同环境和工况

• 传感器需要具备自适应不同环境和工况的能力。在不同的天气条件（如晴天、雨天、雪天、雾天）、光照条件（如白天、夜晚、强光、弱光）和道路条件（如平坦道路、崎岖道路、高速公路、

 功率器件芯片清洗剂选择：

水基清洗的工艺和设备配置选择对清洗精密器件尤其重要，一旦选定，就会作为一个长期的使用和运行方式。水基清洗剂必须满足清洗、漂洗、干燥的全工艺流程。

污染物有多种，可归纳为离子型和非离子型两大类。离子型污染物接触到环境中的湿气，通电后发生电化学迁移，形成树枝状结构体，造成低电阻通路，破坏了电路板功能。非离子型污染物可穿透PC B 的绝缘层，在PCB板表层下生长枝晶。除了离子型和非离子型污染物，还有粒状污染物，例如焊料球、焊料槽内的浮点、灰尘、尘埃等，这些污染物会导致焊点质量降低、焊接时焊点拉尖、产生气孔、短路等等多种不良现象。

这么多污染物，到底哪些才是最备受关注的呢？助焊剂或锡膏普遍应用于回流焊和波峰焊工艺中，它们主要由溶剂、润湿剂、树脂、缓蚀剂和活化剂等多种成分，焊后必然存在热改性生成物，这些物质在所有污染物中的占据主导，从产品失效情况来而言，焊后残余物是影响产品质量最主要的影响因素，离子型残留物易引起电迁移使绝缘电阻下降，松香树脂残留物易吸附灰尘或杂质引发接触电阻增大，严重者导致开路失效，因此焊后必须进行严格的清洗，才能保障电路板的质量。

研发的水基清洗剂配合合适的清洗工艺能为芯片封装前提供洁净的界面条件。

运用自身原创的产品技术，满足芯片封装工艺制程清洗的高难度技术要求，打破国外厂商在行业中的垄断地位，为芯片封装材料全面国产自主提供强有力的支持。

推荐使用 水基清洗剂产品。