我们在此以 ACC 为例解释 ADAS，不过选择传感器、然后根据传感器数据设计算法是一种通用方法，适用于所有 ADAS 功能。

ADAS 功能中最常用的三种传感器类型是相机、雷达以及激光雷达。

相机适合用于与检测相关的 ADAS 任务。车辆侧边的相机可用于检测盲点。位于前方的相机可检测车道、其他车辆、路标、行人以及骑车人。相关 ADAS 检测算法一般使用传统计算机视觉和深度学习算法进行构建。相机的优势有：

与其他传感器类型的数据相比，相机数据的缺点是不太适合用于检测与目标之间的距离。因此，ADAS 开发人员通常会将相机与雷达搭配使用。

雷达传感器会发射高频波，并记录波从环境中的目标上反射回来的时间。这种数据可用于计算与目标之间的距离。ADAS 中的雷达传感器通常安装于车辆前部。

雷达可在不同的天气条件下工作，这使其成为实现自动紧急制动和自适应巡航控制等 ADAS 功能时非常实用的传感器选项。

雷达传感器数据非常适合距离检测算法，但并不太适合对检测到的目标进行分类的算法。因此，ADAS 开发人员通常将雷达与相机搭配使用。

激光雷达（光学检测和距离测定）传感器向环境发射激光并记录信号返回的时间。返回的信号将被重构以创建显示激光雷达周遭环境的三维点云。激光雷达数据可用于计算传感器与三维点云中目标之间的距离。

ADAS 应用中会用到两种类型的激光雷达传感器：

激光雷达数据可用于实现 ADAS 中的距离检测和目标分类功能。不过，与相机数据和雷达数据相比，激光雷达数据的处理需要更强的计算能力，这也给 ADAS 算法开发人员带来一些挑战。

在硬件上进行测试成本高昂，所以工程师们会先使用虚拟仿真技术来测试其 ADAS 解决方案。仿真环境既可以是二维的，也可以是三维的。

二维仿真可用于相机与雷达的 ADAS 算法的开发和测试。我们首先创建包含道路、行人、骑车人和其他车辆的虚拟场景。然后将我们的车辆放入场景，并将虚拟的相机和雷达传感器装载在车辆上。接下来就可以对汽车的运动进行编程，从而生成虚拟传感器数据以进行 ADAS 算法的开发和测试。

三维仿真建立在二维仿真的基础上，不仅支持测试相机和雷达，还可测试激光雷达。三维环境的复杂度相对较高，所以需要更强的算力。

在仿真环境中完成 ADAS 算法的开发工作后，下一个阶段是硬件在环 (HIL) 测试。该阶段需要将真实汽车硬件（如真实制动系统）连接到仿真环境，以对 ADAS 算法进行测试。HIL 测试能够让我们对车辆的 ADAS 组件在现实世界中的运作情况有很好的了解。

除此以外，还有驾驶员在环等其他 ADAS 测试，而车载测试则是最终的测试，该阶段将考察所有部件组合在一起时车辆的性能表现。这是成本最高的 ADAS 测试，但同时也是结果最准确的测试，它是车辆投产前必不可少的环节。