對(duì)于無(wú)人駕駛汽車(chē)高度自動(dòng)化的汽車(chē)來(lái)說(shuō)，它們必須依靠很多傳感器，包括攝像頭、雷達(dá)、超聲波、GPS天線(xiàn)和利用光脈沖測(cè)距的激光雷達(dá)。每種傳感器都有其自身的弱點(diǎn)和優(yōu)勢(shì)。

2018年無(wú)人駕駛汽車(chē)傳感器創(chuàng)新技術(shù)展望，預(yù)計(jì)自動(dòng)駕駛技術(shù)于2022年將專(zhuān)業(yè)化。
未來(lái)15年內(nèi)整個(gè)行業(yè)將圍繞自動(dòng)駕駛汽車(chē)技術(shù)進(jìn)行構(gòu)建。傳感器將成為自動(dòng)駕駛技術(shù)的奠基石，但你又是否知曉？

2018年造就現(xiàn)代無(wú)人駕駛汽車(chē)的傳感器創(chuàng)新最新技術(shù)是什么？儀商網(wǎng) 帶你深入解析！

ADAS型智能汽車(chē)的主要部件包括傳感器(雷達(dá)、攝像頭等)、電力控制單元、制動(dòng)器等。越高階的自動(dòng)駕駛汽車(chē)需要的傳感器就越多。

自動(dòng)駕駛汽車(chē)對(duì)現(xiàn)有傳感器廠(chǎng)商和技術(shù)的影響是巨大的，因?yàn)橐恍└叨藗鞲衅魇袌?chǎng)，如激光雷達(dá)或工業(yè)級(jí)慣性測(cè)量單元，在未來(lái)幾年內(nèi)將增加一倍以上。工業(yè)攝像頭制造商也將強(qiáng)烈地感受到這種影響。

安裝在汽車(chē)上的一系列傳感器技術(shù)

我們首先應(yīng)弄清楚，如何最好地填補(bǔ)傳感器固有的缺陷。第二步可能更為重要，即制定最好的策略，將不同的數(shù)據(jù)流結(jié)合起來(lái)，而不會(huì)丟失關(guān)鍵信息。每種傳感器以其自身的幀速率傳送數(shù)據(jù)就相當(dāng)有問(wèn)題。傳感器融合則變得更加復(fù)雜——因?yàn)橐恍﹤鞲衅魈峁┰紨?shù)據(jù)，而其他傳感器則提供它們自己的對(duì)象數(shù)據(jù)答案。

2017年，我們看到了感知技術(shù)方面的一系列進(jìn)步。感知是自動(dòng)駕駛汽車(chē)軟件棧的一個(gè)主要領(lǐng)域，而且這里還有很多創(chuàng)新?？萍脊?、一級(jí)供應(yīng)商和OEM廠(chǎng)商一直在忙于搶奪它們沒(méi)有或無(wú)法自主開(kāi)發(fā)的傳感器技術(shù)。與此同時(shí)，僅在過(guò)去兩年就出現(xiàn)了許多感知傳感器創(chuàng)業(yè)公司，它們中有許多都在關(guān)注尚處于萌芽階段的自動(dòng)駕駛汽車(chē)市場(chǎng)。

英特爾收購(gòu)Mobileye

2017年最大的汽車(chē)行業(yè)交易是英特爾以153億美元收購(gòu)Mobileye。

考慮到Mobileye已經(jīng)在ADAS和自動(dòng)駕駛汽車(chē)的汽車(chē)視覺(jué)中占據(jù)了明顯的領(lǐng)先地位，Mobileye的收購(gòu)使英特爾在自動(dòng)駕駛汽車(chē)的競(jìng)爭(zhēng)中穩(wěn)穩(wěn)地站在了有利地位。特別是，考慮到視覺(jué)是自動(dòng)駕駛汽車(chē)中唯一不可或缺的傳感器技術(shù)，這個(gè)交易非常重要。

英特爾表示，其正在將Mobileye的“計(jì)算機(jī)視覺(jué)、傳感、融合、地圖構(gòu)建和驅(qū)動(dòng)策略”與英特爾的“開(kāi)放式計(jì)算平臺(tái)”相結(jié)合。

攝像頭被描述為“必備的傳感器”，能夠以高分辨率捕捉圖像，將能使攝像頭更好地分類(lèi)物體，攝像頭也增加了顏色。

激光雷達(dá)：“最熱門(mén)的領(lǐng)域”
在所有傳感器技術(shù)中，激光雷達(dá)是2017年交易量最大的市場(chǎng)。去年福特收購(gòu)了普林斯頓光波;通用汽車(chē)收購(gòu)了激光雷達(dá)公司Strobe;大陸公司收購(gòu)了AdvancedScientificConcepts(ASC)的激光雷達(dá)業(yè)務(wù)。
VSILabs的Magney稱(chēng)激光雷達(dá)“仍然是最熱門(mén)的領(lǐng)域”。部分原因是激光雷達(dá)在自動(dòng)駕駛中有相當(dāng)多的用途。

高度自動(dòng)化的汽車(chē)需要一個(gè)具有定位資產(chǎn)的基本地圖，對(duì)此沒(méi)有任何東西能夠取代激光雷達(dá)，這是高端產(chǎn)品競(jìng)爭(zhēng)的地方。

新的激光技術(shù)的出現(xiàn)也可以追溯到熱門(mén)的激光雷達(dá)市場(chǎng)。據(jù)了解，業(yè)界正在出現(xiàn)一種新的激光發(fā)射器技術(shù)——波長(zhǎng)大于1400nm。這種新的波長(zhǎng)在激光雷達(dá)上會(huì)有更高的分辨率和更長(zhǎng)的射程。普林斯頓光波、大陸(通過(guò)收購(gòu)ASC)和LuminarTechnologies三家公司都在研究新的激光器。

與此同時(shí)，供應(yīng)商通過(guò)開(kāi)發(fā)各種光束控制技術(shù)，不斷提高激光雷達(dá)的耐用性、尺寸和成本。這些技術(shù)既有機(jī)械也有MEMS和全固態(tài)。據(jù)Magney所述，機(jī)械激光雷達(dá)(例如Velodyne128通道產(chǎn)品)由于可以產(chǎn)生360度的點(diǎn)云，非常適合地圖構(gòu)建。但是對(duì)于量產(chǎn)汽車(chē)的部署，基于固態(tài)器件(MEMS或OPA(光學(xué)相控陣))的激光雷達(dá)非常好，它們也可以在自己的視野內(nèi)產(chǎn)生一個(gè)點(diǎn)云。成本更低Flash器件也在出現(xiàn)。它們中有一些被設(shè)計(jì)成接近探測(cè)器，成本低于100美元，缺點(diǎn)是分辨率有限，無(wú)法對(duì)物體進(jìn)行分類(lèi)。

毫米波雷達(dá)

當(dāng)激光雷達(dá)大步向前進(jìn)時(shí)，雷達(dá)也沒(méi)有停下腳步。繼恩智浦半導(dǎo)體在2016年首次推出CMOS工藝的77GHz微型雷達(dá)芯片后，德州儀器去年也進(jìn)入毫米波雷達(dá)市場(chǎng)。該公司現(xiàn)在宣稱(chēng)具有最小尺寸的CMOS傳感器產(chǎn)品組合。在雷達(dá)市場(chǎng)，競(jìng)爭(zhēng)的重點(diǎn)在于尺寸和精度。TI現(xiàn)在宣稱(chēng)是“分辨率小于4cm的高精度獨(dú)立傳感”。

TI的汽車(chē)毫米波雷達(dá)傳感器將射頻(RF)和模擬功能與數(shù)字控制功能集成到了一個(gè)芯片中

毫米波雷達(dá)很熱。雷達(dá)的分辨率越來(lái)越高，現(xiàn)在也可以分類(lèi)物體，這是以前做不到的。
然而，更好的分辨率需要更多的通道，這意味著更多的數(shù)據(jù)需要處理。所以毫米波雷達(dá)需要有專(zhuān)門(mén)的處理器來(lái)處理這些數(shù)據(jù)，產(chǎn)生物體或者點(diǎn)云，此外，毫米波雷達(dá)需要有開(kāi)發(fā)工具來(lái)搭建應(yīng)用。否則，這些數(shù)據(jù)很難被理解。

雷達(dá)除了能全天候工作外，往往會(huì)受到負(fù)面評(píng)價(jià)。傳統(tǒng)的汽車(chē)?yán)走_(dá)看不到攝像頭或激光雷達(dá)所能看到的物體。更具體地說(shuō)，雷達(dá)看不到遙遠(yuǎn)的物體，不能辨別它們看到的東西。它們的處理速度不足以達(dá)到高速公路的要求。

模擬波束成形
2017年1月成立的創(chuàng)業(yè)公司metawave，希望通過(guò)開(kāi)發(fā)模擬波束成形技術(shù)來(lái)改變這種狀況。
利用PARC將超材料、雷達(dá)和天線(xiàn)商業(yè)化的獨(dú)家授權(quán)，metawave推出了該公司“全套雷達(dá)套件”的原型。該公司的超材料是布置在PCB板上的小型軟件控制工程結(jié)構(gòu)。據(jù)稱(chēng)，這些結(jié)構(gòu)能夠以特殊的方式控制電磁波束，這在以前通常只有在體積大得多、更強(qiáng)大和成本更高的軍用系統(tǒng)中才能實(shí)現(xiàn)。

metawave的模擬雷達(dá)技術(shù)是基于電子可控天線(xiàn)。它使用一根帶有兩個(gè)端口的天線(xiàn)：一個(gè)端口連接到Tx或Rx鏈路，另一個(gè)連接到MCU。MCU通過(guò)查找表來(lái)定義和控制天線(xiàn)波束寬度和方向，從而使metawave的模擬雷達(dá)能夠?qū)崿F(xiàn)微秒級(jí)速度的掃描。

metawave的全套雷達(dá)套件是雷達(dá)芯片不可知的。該公司宣稱(chēng)其基于超材料的模擬波束成形技術(shù)可以精確控制雷達(dá)波束，在不犧牲分辨率的情況下實(shí)現(xiàn)更快的工作速度和更好的信噪比。

面向機(jī)器使用的成像數(shù)據(jù)

盡管Mobileye仍然是汽車(chē)視覺(jué)領(lǐng)域的領(lǐng)導(dǎo)者，
任何人都可以獲得相同的成像器，構(gòu)建適合于圖像識(shí)別的攝像頭。但問(wèn)題是你需要合適的處理器和緊密集成的算法。

對(duì)此，現(xiàn)在你也可以從幾家芯片公司中的任何一家選擇一款高性能視覺(jué)處理器，并應(yīng)用自己的算法。或者，你也可以用CNN(卷積神經(jīng)網(wǎng)絡(luò))來(lái)完成這項(xiàng)工作。

目前，自動(dòng)駕駛汽車(chē)的制造商在攝像頭方面有了選擇。許多公司會(huì)將AI應(yīng)用于圖像來(lái)獲得結(jié)果。

Chronocam。這家總部位于巴黎的創(chuàng)業(yè)公司的傳感器技術(shù)不是面向人類(lèi)使用，而是面向機(jī)器傳感和檢測(cè)設(shè)計(jì);該公司認(rèn)為，這項(xiàng)技術(shù)可以徹底改變當(dāng)今CMOS圖像傳感器市場(chǎng)。Chronocam的事件驅(qū)動(dòng)傳感器還很新，尚未在任何商用車(chē)上使用，但這項(xiàng)技術(shù)正受到關(guān)注。例如，雷諾集團(tuán)于2016年底與Chronocam達(dá)成了戰(zhàn)略發(fā)展協(xié)議。

英特爾、Nvidia等GPU/CPU領(lǐng)域的大公司仍在試圖找出更準(zhǔn)確、更快速處理大量數(shù)據(jù)的最佳方式。然而，Chronocam專(zhuān)注的是針對(duì)機(jī)器應(yīng)用簡(jiǎn)化和定制的成像數(shù)據(jù)采集。事件驅(qū)動(dòng)傳感器的目標(biāo)是顯著減少數(shù)據(jù)負(fù)載，使汽車(chē)幾乎可以做出實(shí)時(shí)決策。

定位使汽車(chē)具有“自我意識(shí)”的第一步是地圖構(gòu)建，而與汽車(chē)在預(yù)先制作的地圖上看到的內(nèi)容進(jìn)行實(shí)時(shí)匹配。然后，汽車(chē)可以對(duì)其位置進(jìn)行三角測(cè)量和定位。汽車(chē)必須確切知道它必須去哪里，以便它可以發(fā)展“情境感知。

換句話(huà)說(shuō)，如果希望高度自動(dòng)化的車(chē)輛能準(zhǔn)確定位，它們需要激光雷達(dá)，需要一個(gè)具有定位資產(chǎn)的基本地圖，對(duì)此沒(méi)有任何東西可以替代激光雷達(dá)。

但是，還有其他方法可以做到這一點(diǎn)。例如，Nvidia的DriveWorksSDK可以實(shí)現(xiàn)基于圖像的定位。DriveWorks的庫(kù)包括地圖定位、高清地圖接口以及自我運(yùn)動(dòng)。

實(shí)時(shí)動(dòng)態(tài)定位(RTK)是另一種選擇，RTK可增強(qiáng)來(lái)自全球?qū)Ш叫l(wèi)星系統(tǒng)(如GPS、GLONASS、伽利略和北斗)的位置數(shù)據(jù)的精度。與此同時(shí)，英特爾/Mobileye正在推廣其面向定位的道路體驗(yàn)管理(REM)技術(shù)。Mobileye希望通過(guò)利用基于攝像頭的ADAS系統(tǒng)的涌現(xiàn)，利用人群的力量來(lái)準(zhǔn)實(shí)時(shí)地建立和維護(hù)一個(gè)精確的環(huán)境地圖。

初創(chuàng)企業(yè)在定位方面也有發(fā)揮的空間。據(jù)悉，初創(chuàng)公司DeepMap正在為第4/第5級(jí)自動(dòng)駕駛汽車(chē)解決高清地圖構(gòu)建和定位以及大數(shù)據(jù)管理方面的挑戰(zhàn)。DeepMap正在通過(guò)使用攝像頭圖像和激光雷達(dá)數(shù)據(jù)來(lái)改進(jìn)當(dāng)前的數(shù)字地圖。

傳感器融合

隨著自動(dòng)駕駛汽車(chē)收集到所有的傳感數(shù)據(jù)，最重要的就是傳感器融合的質(zhì)量。傳感器融合的結(jié)果決定了自動(dòng)駕駛汽車(chē)的決策和行為，也即安全問(wèn)題。

自動(dòng)駕駛汽車(chē)僅采用一個(gè)傳感器不可能實(shí)現(xiàn)可靠駕駛，因此必須進(jìn)行傳感器融合。如果必須同步所有傳感器信號(hào)，所以融合是很難的。

而關(guān)于是融合“對(duì)象”數(shù)據(jù)還是“原始”數(shù)據(jù)，業(yè)界的爭(zhēng)論才剛剛開(kāi)始。目前沒(méi)有明確的答案。

與對(duì)象數(shù)據(jù)相比，由于原始數(shù)據(jù)在轉(zhuǎn)換中沒(méi)有任何東西丟失，AI的大多數(shù)支持者更喜歡融合這種數(shù)據(jù)。與原始數(shù)據(jù)融合有關(guān)的問(wèn)題包括：你將需要大量的處理;你還需要有GB大小的網(wǎng)絡(luò)來(lái)將這些信號(hào)傳送到整個(gè)車(chē)輛中。

DeepScale公司開(kāi)發(fā)了一種感知技術(shù)，可以采集原始數(shù)據(jù)，而不是對(duì)象數(shù)據(jù)，可以在嵌入式處理器上加速傳感器融合。DeepScale正在利用自己的深度神經(jīng)網(wǎng)絡(luò)(DNN)白手起家——其不僅使用了圖像傳感器的原始數(shù)據(jù)，還使用了雷達(dá)和激光雷達(dá)的原始數(shù)據(jù)。

DeepScale開(kāi)發(fā)用于早期傳感器融合的深度神經(jīng)網(wǎng)絡(luò)

DeepScale在后期融合中遇到了一個(gè)固有問(wèn)題。創(chuàng)建對(duì)象時(shí)，與其他傳感數(shù)據(jù)相關(guān)的原始數(shù)據(jù)可能會(huì)丟失。