Các loại cảm biến sử dụng cho ADAS

Trong bài viết này, bạn sẽ tìm hiểu về các loại cảm biến ADAS khác nhau. Chúng tôi sẽ đề cập đến chủ đề đủ sâu để bạn có thể hiểu các loại cảm biến ADAS chính đang được sử dụng hiện nay, tìm hiểu về các cảm biến và công nghệ đứng sau ADAS, cũng như xem các cảm biến ADAS được sử dụng như thế nào trong xe hiện đại và xe tự hành.

Đây là PHẦN 2/4 trong loạt bài ADAS:

• Phần 1: ADAS là gì?
• Phần 2: Các loại cảm biến ADAS được sử dụng hiện nay (bài viết này)
• Phần 3: Hệ thống ADAS và xe tự hành được thử nghiệm như thế nào?
• Phần 4: Tiêu chuẩn ADAS và giao thức an toàn

Để đi thẳng vào vấn đề, đây là danh sách các loại cảm biến ADAS chính được sử dụng hiện nay:

• Video cameras
• SONAR, còn gọi là cảm biến siêu âm
• RADAR
• LiDAR
• Cảm biến GPS / GNSS

Chúng ta sẽ xem xét kỹ hơn từng loại trong các phần sau.

Hình minh họa cảm biến ADAS trong xe tự hành hiện đại

Một chiếc xe cần cảm biến để thay thế hoặc tăng cường các giác quan của người lái xe. Đôi mắt của chúng ta là cảm biến chính mà chúng ta sử dụng khi lái xe, nhưng những hình ảnh lập thể mà chúng cung cấp cần phải được xử lý trong não để suy ra khoảng cách tương đối và các vectơ trong không gian ba chiều.

Chúng ta cũng sử dụng tai để phát hiện còi báo động, tiếng còi inh ỏi từ các phương tiện khác, chuông cảnh báo băng qua đường sắt, v.v. Tất cả dữ liệu cảm giác này được bộ não xử lý và tích hợp với kiến thức về các quy tắc lái xe để chúng ta có thể vận hành xe một cách chính xác và phản ứng với những điều bất ngờ.

Các hệ thống ADAS cũng cần phải làm như vậy. Ô tô ngày càng được trang bị cảm biến RADAR, SONAR và LiDAR, đồng thời nhận dữ liệu vị trí tuyệt đối từ cảm biến GPS và dữ liệu quán tính từ cảm biến IMU. Các máy tính xử lý tiếp nhận tất cả thông tin này và tạo đầu ra để hỗ trợ người lái hoặc thực hiện hành động trực tiếp, đang tăng đều đặn về sức mạnh và tốc độ để xử lý các nhiệm vụ phức tạp liên quan đến lái xe.

Lượng dữ liệu cảm biến tuyệt đối mà ô tô và xe thương mại ngày nay đang xử lý là đáng kinh ngạc và nó đang tăng lên mọi lúc. Ngay cả những con số ấn tượng hiện nay cũng sẽ bị vượt xa bởi các phương tiện tự trị hoàn toàn trong tương lai.

Khi hệ thống ADAS ngày càng tiên tiến hơn, khối lượng dữ liệu đòi hỏi phải được thu thập, đồng bộ và xử lý theo thời gian thực cũng tăng theo. Đây là lý do vì sao ADAS không chỉ là câu chuyện về cảm biến, mà còn là câu chuyện về xử lý dữ liệu, phần mềm, thuật toán nhận dạng và năng lực tính toán.

Giải thích về cảm biến ADAS trong xe tự hành

Cơn lũ dữ liệu sắp tới trong các phương tiện tự trị, như hình dung của Intel

Máy quay video, còn gọi là cảm biến hình ảnh quang học

Việc sử dụng máy ảnh đầu tiên trong ô tô là camera dự phòng, hay còn gọi là camera lùi. Kết hợp với màn hình video phẳng trên bảng điều khiển, camera này cho phép người lái xe lùi xe an toàn hơn vào chỗ đậu xe hoặc khi thực hiện bất kỳ thao tác nào liên quan đến việc lái xe ngược lại.

Động lực ban đầu chính là cải thiện sự an toàn cho người đi bộ. Theo Bộ Giao thông Vận tải Hoa Kỳ, hơn 200 người thiệt mạng và ít nhất 12.000 người khác bị thương mỗi năm vì một chiếc xe lùi vào họ. Những nạn nhân này chủ yếu là trẻ em và người già với khả năng di chuyển hạn chế.

Từng chỉ được lắp đặt trên những chiếc xe cao cấp, camera dự phòng đã được yêu cầu trên tất cả các xe được bán tại Mỹ kể từ tháng 5/2018. Canada cũng áp dụng yêu cầu tương tự. Ủy ban châu Âu cũng tiến tới yêu cầu camera lùi hoặc hệ thống giám sát tương tự trên ô tô, xe tải và xe buýt. Bộ Giao thông vận tải Nhật Bản cũng yêu cầu các cảm biến dự phòng như camera, cảm biến siêu âm hoặc cả hai trên tất cả ô tô bán tại Nhật Bản.

Hình ảnh camera dự phòng trên bảng điều khiển của Toyota 4Runner

Trong các phương tiện ADAS ngày nay có thể có nhiều camera, nhìn theo các hướng khác nhau. Và chúng không chỉ để đảm bảo an toàn khi lùi nữa: đầu ra của chúng được sử dụng để xây dựng mô hình ba chiều của môi trường xung quanh xe trong hệ thống máy tính ADAS.

Camera được sử dụng để nhận dạng biển báo giao thông, vạch đường và các dấu hiệu khác trên đường, phát hiện người đi bộ, vật cản và nhiều hơn nữa. Chúng cũng có thể được sử dụng cho mục đích bảo mật, phát hiện mưa và các tính năng tiện lợi khác.

Trong ảnh chụp màn hình từ hệ thống camera Mobileye, bạn có thể thấy cách hệ thống xác định và dán nhãn xe cộ và người đi bộ, đồng thời xác định rằng đèn giao thông có màu xanh lá cây.

Đầu ra của hầu hết các camera này không hiển thị cho người lái xe. Thay vào đó, nó đưa vào hệ thống máy tính ADAS. Các hệ thống này được lập trình để xử lý luồng hình ảnh và xác định các biển báo dừng, hiểu rằng một chiếc xe khác đang báo hiệu rẽ phải, hoặc đèn giao thông vừa chuyển sang màu vàng.

Chúng cũng được sử dụng nhiều để phát hiện vạch kẻ đường, điều này rất quan trọng để hỗ trợ giữ làn đường. Đây là một lượng dữ liệu và sức mạnh xử lý khổng lồ, và nó chỉ tăng lên trong cuộc hành trình hướng tới xe tự lái.

Kiến trúc CCD điển hình

Một số loại cảm biến đang được sử dụng ngày nay, chủ yếu là CMOS và CCD. Cảm biến CCD cung cấp dải động và độ phân giải vượt trội. Tuy nhiên, cảm biến CMOS không đòi hỏi nhiều năng lượng và có thể ít tốn kém hơn do kiến trúc silicon của chúng.

Cả hai công nghệ đều được xây dựng xung quanh một mảng pixel hình chữ nhật tạo ra dòng điện tương ứng với cường độ ánh sáng tập trung vào pixel đó.

Nhiều camera trên xe đã được điều chỉnh để nhìn rõ hơn trong bóng tối so với con người, thay thế cấu hình màu thông thường để cải thiện hiệu suất trong điều kiện ánh sáng yếu. Các nhà sản xuất cảm biến camera xe hơi lớn bao gồm Mobileye và OmniVision.

Mobileye đã tuyên bố rằng nếu một người có thể lái một chiếc xe hơi chỉ bằng tầm nhìn, thì máy tính cũng vậy. Và không giống người lái xe, camera có thể nhìn theo mọi hướng cùng một lúc.

Xem video này do Mobileye sản xuất, cho thấy 40 phút lái xe hoàn toàn tự động qua Jerusalem sử dụng hệ thống 12 camera của họ. Một người lái xe đã cầm lái để đảm bảo an toàn, nhưng không hề chạm vào các nút điều khiển cho đến khi cuộc thử nghiệm kết thúc.

Tesla đã quyết định sử dụng cảm biến quang học thụ động, tức máy quay video, được bổ sung bởi radar thay vì phụ thuộc chính vào LiDAR. Quan điểm của họ là LiDAR hoạt động bằng cách chiếu photon trong phổ nhìn thấy hoặc cận hồng ngoại nên dễ bị ảnh hưởng bởi mưa, bụi, tuyết và các vật cản khác trong khí quyển. Dĩ nhiên máy ảnh cũng bị ảnh hưởng, nhưng Tesla sử dụng RADAR có thể “nhìn xuyên” tốt hơn qua các vật cản đó để bổ sung phạm vi của các vật thể được phát hiện lên mô hình 3D do camera tạo ra.

Tầm nhìn là hoàn toàn cần thiết cho con người để lái xe, nhưng có nhiều cách khác để “nhìn”. Dơi, cá voi và cá heo sử dụng một hình thức định vị bằng tiếng vang để điều hướng. Tàu ngầm phát ra SONAR và đo sự phản hồi của chúng từ đáy đại dương và các vật thể khác. Máy bay sử dụng RADAR để phản xạ tín hiệu tần số vô tuyến tương tự để phát hiện và đo khoảng cách đến mặt đất, máy bay khác, v.v.

Video Mobileye về các ổ đĩa tự trị qua Jerusalem

Cảm biến SONAR

SONAR, tức Sound Navigation and Ranging, hay còn gọi là cảm biến siêu âm, tạo ra âm thanh tần số cao khoảng 48 kHz, cao hơn gấp đôi phạm vi nghe thông thường của con người. Khi được điều khiển bởi ECU của xe, các cảm biến này phát ra một vụ nổ siêu âm và sau đó “lắng nghe” các phản xạ trở lại từ các vật thể gần đó.

Bằng cách đo sự phản xạ của âm thanh này, các cảm biến có thể phát hiện các vật thể ở gần xe. Cảm biến siêu âm được sử dụng nhiều trong phát hiện vật cản khi lùi và cảm biến tự đỗ xe trong ô tô, xe tải và xe buýt. Chúng được đặt ở phía trước, phía sau và các góc của xe.

Vì chúng hoạt động bằng cách di chuyển không khí và sau đó phát hiện phản xạ âm thanh, chúng lý tưởng cho các ứng dụng tốc độ thấp, khi không khí xung quanh xe thường không di chuyển rất nhanh. Bởi vì chúng có bản chất âm thanh, hiệu suất siêu âm có thể bị suy giảm khi tiếp xúc với môi trường cực kỳ ồn ào.

Sử dụng cảm biến sonar và âm thanh để cảm nhận các vật thể phía sau xe

Cảm biến siêu âm là những “đĩa” tròn ở phía sau chiếc xe này

Cảm biến siêu âm có phạm vi hạn chế so với RADAR, đó là lý do tại sao chúng không được sử dụng để đo các yêu cầu khoảng cách như kiểm soát hành trình tự động hoặc lái xe tốc độ cao. Nhưng nếu vật thể nằm trong phạm vi khoảng 2,5 đến 4,5 mét của cảm biến, siêu âm là một lựa chọn thay thế ít tốn kém hơn RADAR.

Cảm biến siêu âm không được sử dụng để điều hướng vì phạm vi của chúng bị hạn chế và chúng không thể phát hiện các vật thể nhỏ hơn khoảng 3 cm. Thật thú vị, Tesla đã phát minh ra một cách để chiếu siêu âm qua kim loại, cho phép họ giấu các cảm biến này trên khắp xe của họ để duy trì tính thẩm mỹ của xe.

Cảm biến RADAR

Cảm biến RADAR, tức Radio Detection and Ranging, được sử dụng trong các phương tiện được trang bị ADAS để phát hiện các vật thể lớn phía trước xe. Chúng thường sử dụng tần số khoảng 76,5 GHz, nhưng các tần số khác từ 24 GHz đến 79 GHz cũng được sử dụng.

Hai phương pháp phát hiện RADAR cơ bản được sử dụng là lan truyền trực tiếp và lan truyền gián tiếp. Tuy nhiên, trong cả hai trường hợp, chúng hoạt động bằng cách phát ra các tần số vô tuyến này và đo thời gian lan truyền của các phản xạ được trả về. Điều này cho phép hệ thống đo cả kích thước và khoảng cách của một vật thể cũng như tốc độ tương đối của nó.

Bởi vì tín hiệu RADAR có thể vươn tới khoảng 300 mét phía trước xe, chúng đặc biệt quan trọng trong quá trình lái xe tốc độ trên đường cao tốc. Tần số cao cũng có nghĩa là việc phát hiện các phương tiện và chướng ngại vật khác rất nhanh. Ngoài ra, RADAR có thể “nhìn thấy” thông qua thời tiết xấu và các tắc nghẽn tầm nhìn khác.

Ứng dụng cho cảm biến RADAR ô tô

Cảm biến LiDAR

LiDAR, tức Light Detection and Ranging, được sử dụng để phát hiện các vật thể và lập bản đồ khoảng cách của chúng trong thời gian thực. Về cơ bản, LiDAR là một loại RADAR sử dụng một hoặc nhiều tia laser làm nguồn năng lượng. Các laser được sử dụng là loại an toàn cho mắt.

Cảm biến LiDAR cao cấp có thể xoay và phát ra chùm tia laser an toàn theo nhiều hướng. LiDAR sử dụng bộ thu “thời gian bay” để đo thời gian phản xạ. IMU và GPS thường được tích hợp với LiDAR để hệ thống có thể đo thời gian cần thiết để các chùm tia bật trở lại và tính đến sự dịch chuyển của xe trong khoảng thời gian đó, từ đó xây dựng mô hình 3D có độ phân giải cao của môi trường xung quanh xe, được gọi là “đám mây điểm”.

Hàng tỷ điểm có thể được chụp trong thời gian thực để tạo ra mô hình 3D này, quét môi trường lên đến 300 mét xung quanh xe với độ chính xác ở mức vài centimet. Cảm biến LiDAR có thể được trang bị tới 128 tia laser bên trong. Càng nhiều laser, đám mây điểm 3D có độ phân giải càng cao.

Cảm biến LiDAR trạng thái rắn điển hình được sử dụng trong ô tô tự hành

Ngoài công nghệ LiDAR quay cơ khí truyền thống, còn có LiDAR trạng thái rắn trên thị trường hiện nay. Một số nhà phát triển như Velodyne và Quanergy đã thương mại hóa những giải pháp LiDAR khác nhau, trong đó có các thiết kế dựa trên CMOS và mảng pha quang học để điều hướng từng xung laser mà không cần quay gương cơ khí.

LiDAR có thể phát hiện các vật thể với độ chính xác cao hơn nhiều so với cảm biến RADAR hoặc siêu âm. Tuy nhiên, hiệu suất của chúng có thể bị suy giảm bởi khói, sương mù, mưa và các tắc nghẽn khác trong khí quyển. Dù vậy, vì chúng hoạt động độc lập với ánh sáng xung quanh, chúng không bị ảnh hưởng bởi bóng tối, ánh sáng mặt trời hoặc đèn pha đang tới.

Cảm biến LiDAR thường đắt hơn RADAR vì độ phức tạp cơ học tương đối của chúng. Chúng ngày càng được sử dụng cùng với máy ảnh vì LiDAR không thể phát hiện màu sắc như màu đèn giao thông, đèn phanh đỏ hay biển báo đường bộ, cũng không thể đọc văn bản tốt như camera. Camera có thể làm được điều đó, nhưng đòi hỏi nhiều sức mạnh xử lý hơn ở phía sau.

Khoảng tần số của các chòm sao GNSS phổ biến nhất hiện nay

Cảm biến GPS / GNSS

Để biến xe tự lái thành hiện thực, chúng ta cần một hệ thống định vị có độ chính xác cao. Các phương tiện ngày nay đang sử dụng Hệ thống vệ tinh dẫn đường toàn cầu, tức GNSS. GNSS không chỉ là GPS mà mọi người quen thuộc.

GPS, viết tắt của Global Positioning System, là một chòm sao gồm hơn 30 vệ tinh quay quanh hành tinh. Mỗi vệ tinh phát ra dữ liệu thời gian và vị trí cực kỳ chính xác liên tục. Khi một máy thu nhận được tín hiệu có thể sử dụng từ ít nhất bốn vệ tinh, nó có thể định vị vị trí của nó. Càng nhiều tín hiệu có thể sử dụng, kết quả càng chính xác.

Nhưng GPS không phải là hệ thống định vị toàn cầu duy nhất. Có nhiều chòm sao GNSS đang quay quanh Trái Đất hiện nay:

• GPS - USA
• GLONASS - Nga
• Galileo - Châu Âu
• BeiDou - Trung Quốc

Các hệ thống GNSS tốt nhất được cài đặt trong các phương tiện ngày nay có khả năng sử dụng hai hoặc ba trong số các chòm sao này. Sử dụng nhiều tần số và nhiều chòm sao giúp giảm lỗi do độ trễ tín hiệu, nhiễu khí quyển, đồng thời hạn chế ảnh hưởng của các vật cản như tòa nhà cao tầng và địa hình.

Cảm biến GNSS INS1000

GNSS loại tiêu dùng cung cấp độ chính xác vị trí khoảng một mét, điều này đủ tốt cho hệ thống định vị điển hình trong một chiếc xe do con người vận hành. Nhưng để tự chủ thực sự, chúng ta cần độ chính xác ở cấp độ centimet. Độ chính xác của GNSS có thể được cải thiện bằng cách sử dụng các hệ thống tăng cường khu vực hoặc cục bộ, như SBAS và GBAS.

Một số hệ thống SBAS đang được sử dụng ngày nay gồm WAAS do FAA điều hành tại Hoa Kỳ, EGNOS do Cơ quan Vũ trụ Châu Âu phát triển, MTSAT của Nhật Bản, cùng các dịch vụ thương mại như StarFire, OmniStar và Atlas. Ở phía mặt đất, các hệ thống GBAS như DGPS và NDGPS cũng được dùng để nâng cao độ chính xác định vị.

Một ví dụ điển hình về cách GNSS, IMU và các hệ thống tăng cường được tích hợp vào cảm biến ADAS ngày nay là cảm biến GNSS INS1000 của ACEINNA. Nó là một GNSS RTK tần số kép L1/L2 với IMU dựa trên con quay MEMS và gia tốc kế bên trong, tương thích với GPS, GLONASS, BeiDou và Galileo, đồng thời hỗ trợ SBAS. Với hiệu chỉnh RTK, độ chính xác vị trí được công bố ở mức 2 cm.

“Hẻm núi đô thị”, nơi các tòa nhà cao hơn chiều rộng đường, gây ra hiệu ứng đa đường, làm giảm khả năng tiếp nhận GNSS

Một vài ví dụ về cách GNSS và các cảm biến ADAS khác hoạt động cùng nhau

Khi chúng tôi lái xe vào một nhà để xe hoặc đường hầm có mái che, các tín hiệu GNSS từ bầu trời bị chặn hoàn toàn bởi mái nhà. Cảm biến IMU có thể cảm nhận những thay đổi về gia tốc ở tất cả các trục và thực hiện “tính toán chết” vị trí của xe cho đến khi các vệ tinh xuất hiện trở lại. Độ chính xác của tính toán chết trôi theo thời gian, nhưng nó rất hữu ích trong thời gian ngắn khi hệ thống GNSS bị “mù”.

Trong các thành phố, các tòa nhà tạo ra cái gọi là “hẻm núi đô thị”, nơi tín hiệu GNSS dội lại xung quanh, dẫn đến nhiễu đa đường. IMU có thể tính toán trong những điều kiện này để cung cấp dữ liệu vị trí quan trọng, trong khi các cảm biến khác như camera, LiDAR, RADAR và SONAR tiếp tục cảm nhận thế giới xung quanh xe ở mọi phía.

Khi lái xe trong mọi điều kiện, máy ảnh, cảm biến LiDAR, SONAR và RADAR có thể cung cấp độ chính xác vị trí ở mức centimet mà GNSS đơn giản là không thể đạt được nếu không có tăng cường như RTK. Đồng thời, chúng có thể cảm nhận các phương tiện khác, người đi bộ và vật cản, điều mà GNSS không được thiết kế để làm.

Cảm biến quang học thụ động lập thể của chúng tôi

Suy nghĩ về cảm biến ADAS

Một chiếc xe do con người điều khiển hoạt động vì chúng ta có tầm nhìn lập thể và có thể suy ra khoảng cách và vận tốc tương đối trong não của mình. Ngay cả khi nhắm một mắt, chúng ta vẫn có thể suy ra khoảng cách và kích thước bằng cách sử dụng tầm nhìn một mắt khá chính xác vì bộ não được đào tạo bởi kinh nghiệm thực tế.

Mắt và não của chúng ta cũng cho phép chúng ta đọc và phản ứng với các dấu hiệu và đi theo bản đồ, hoặc đơn giản là nhớ phải đi con đường nào vì chúng ta biết khu vực. Chúng ta biết cách kiểm tra gương nhanh chóng để có thể nhìn theo nhiều hướng mà không cần quay đầu lại.

Bộ não của chúng ta biết các quy tắc lái xe. Tai của chúng ta có thể nghe thấy còi báo động, tiếng còi và các âm thanh khác, và bộ não biết cách phản ứng với những âm thanh này trong bối cảnh. Chỉ cần lái xe một quãng ngắn để mua sữa và bánh mì, một người lái xe đã đưa ra hàng ngàn quyết định và thực hiện hàng trăm điều chỉnh cơ học lớn nhỏ bằng tay và chân.

Thay thế các cảm biến quang học và âm thanh kết nối với một bộ não gồm khoảng 86 tỷ tế bào thần kinh không phải là điều dễ dàng. Nó đòi hỏi một bộ cảm biến và xử lý rất tiên tiến, nhanh chóng, chính xác và ổn định.

Mỗi cảm biến được sử dụng trong xe ADAS đều có điểm mạnh và điểm yếu:

• LiDAR rất tốt để xem ở chế độ 3D và hoạt động tốt trong bóng tối, nhưng không thể nhìn thấy màu sắc. LiDAR có thể phát hiện các vật thể rất nhỏ, nhưng hiệu suất bị suy giảm bởi khói, bụi, mưa và các yếu tố trong khí quyển. Chúng yêu cầu xử lý phía sau ít hơn máy ảnh, nhưng thường đắt hơn.
• Camera có thể biết đèn giao thông có màu đỏ, xanh lá cây hay vàng. Chúng rất giỏi trong việc “đọc” các dấu hiệu và nhìn thấy các đường kẻ cùng các dấu hiệu khác. Nhưng chúng kém hiệu quả hơn trong bóng tối hoặc khi bầu không khí dày đặc sương mù, mưa và tuyết. Chúng cũng yêu cầu xử lý nhiều hơn LiDAR.
• RADAR có thể nhìn xa hơn trên đường so với các cảm biến đo khoảng cách khác, rất cần thiết cho việc lái xe tốc độ cao. Chúng hoạt động tốt trong bóng tối và khi bầu không khí bị che khuất bởi mưa, bụi và sương mù. Tuy nhiên chúng không thể tạo ra mô hình chính xác như máy ảnh hoặc LiDAR, cũng không phát hiện các vật thể rất nhỏ tốt bằng một số cảm biến khác.
• SONAR rất tốt trong việc đo khoảng cách gần, chẳng hạn như thao tác đỗ xe, nhưng không phù hợp cho các phép đo khoảng cách xa. Chúng có thể bị ảnh hưởng bởi tiếng ồn của gió, vì vậy không hoạt động tốt ở tốc độ xe cao.
• GNSS, kết hợp với cơ sở dữ liệu bản đồ được cập nhật thường xuyên, rất cần thiết cho việc điều hướng. Nhưng độ chính xác GNSS thô từ một mét trở lên là không đủ để lái xe hoàn toàn tự động, và khi không có tầm nhìn lên bầu trời, chúng hoàn toàn không thể điều hướng. Đối với lái xe tự động, chúng phải được tích hợp với các cảm biến khác, bao gồm IMU và được tăng cường bằng RTK, SBAS hoặc GBAS.

Các hệ thống IMU cung cấp tính toán chết mà các hệ thống GNSS cần khi đường ngắm lên bầu trời bị chặn hoặc bị xáo trộn bởi tín hiệu đa đường trong “hẻm núi đô thị”.

Các cảm biến này bổ sung cho nhau và cho phép bộ xử lý trung tâm tạo ra mô hình ba chiều về môi trường xung quanh xe, để biết phải đi đâu và làm thế nào để đến đó, tuân theo các quy tắc lái xe và phản ứng với những tình huống dự kiến hoặc bất ngờ xảy ra trên mọi con đường và bãi đậu xe.

Nói tóm lại, chúng ta cần tất cả, hoặc cần sự kết hợp của chúng, để đạt được ADAS và cuối cùng là lái xe tự động.

Tóm tắt

Khi bạn còn là một đứa trẻ, bạn có bao giờ nghĩ rằng chiếc xe của gia đình mình sẽ được trang bị RADAR và SONAR như máy bay và tàu ngầm không? Bạn có từng tưởng tượng màn hình phẳng thống trị bảng điều khiển và hệ thống định vị kết nối với vệ tinh trong không gian không? Nghe có vẻ như khoa học viễn tưởng, nhưng ngày nay tất cả những điều đó và hơn thế nữa đều đã trở thành hiện thực.

ADAS là một trong những hướng phát triển quan trọng nhất đang diễn ra hiện nay. Tất nhiên, còn có sự phát triển song song của xe hybrid và xe điện, điều này cũng rất quan trọng trong việc giảm khí nhà kính và sử dụng nhiên liệu hóa thạch. Nhưng ADAS đi thẳng vào khía cạnh quan trọng nhất của du lịch và di chuyển: sự an toàn của con người.

Vì hơn 90% tai nạn đường bộ, thương tích và tử vong là do lỗi của con người, mọi tiến bộ trong ADAS đều có tác dụng rõ ràng và tuyệt đối trong việc ngăn ngừa thương tích và tử vong.