技術自動駕駛

2018年自動駕駛汽車傳感器展望

蓋世汽車 2018-03-13 08:30

讓自動駕駛汽車注意路況、看懂交通標志、檢測對象并為其分類、感知速度/軌跡以及其他車輛并不容易——更重要的是，它必須能自行在地圖上定位，才能確切地知道駕駛的目的地。

高度自動化的車輛在追蹤周圍環(huán)境時，必須依靠很多傳感器，包括攝像頭、雷達、超聲波、GPS天線，以及利用光脈沖測距的光達(Lidar)組件。每一種傳感器都有其優(yōu)缺點。

圖1：安裝在車輛上的一系列傳感器技術（來源：Yole Développement）

視覺攝像頭　盲點檢測、側(cè)視(無后照鏡車)、行車記錄儀、倒車輔助　立體攝像頭：識別LDWS與標志的方向/距離　3D攝像頭　手勢識別　現(xiàn)場檢測、駕駛監(jiān)測　夜視攝像頭　檢測行人/動物　LIDAR　3D周圍地圖　超聲波　停車、行人＆障礙物檢測　航位推算傳感器　測距　短距離雷達　前&后煞車　長距離雷達　自動巡航控制

我們首先應弄清楚如何最有效地填補傳感器固有的缺陷。第二步可能更為重要，即開發(fā)最佳策略，將不同的數(shù)據(jù)流結(jié)合起來，使關鍵信息不至于遺失。每一種傳感器都以自身的畫面更新速率傳送數(shù)據(jù)已經(jīng)是個問題，傳感器融合就更復雜了——因為有些傳感器提供原始數(shù)據(jù)，而其他傳感器則提供自己的對象數(shù)據(jù)答案。

2017年，我們看到了感知技術方面的一連串進展。VSI Labs創(chuàng)辦人兼負責人Phil Magney表示：“感知是自動駕駛汽車(AV)軟件堆棧的一個主要領域，而且在這方面還有很多創(chuàng)新。”

科技公司、一級供貨商和OEM一直急于取得自家公司缺乏或無法自主開發(fā)的傳感器技術。同時，過去兩年來已經(jīng)出現(xiàn)了多家感知傳感器新創(chuàng)公司，其中有許多都關注尚處于萌芽階段的自動駕駛汽車市場。

英特爾收購Mobileye

2017年汽車行業(yè)最大的收購交易是英特爾(Intel)以153億美元買下Mobileye。

由于Mobileye已經(jīng)在高級駕駛輔助系統(tǒng)(ADAS)和自動駕駛汽車的汽車視覺領域占據(jù)明顯的領先地位，收購Mobileye之舉使得英特爾在自動駕駛汽車競賽中穩(wěn)居有利地位。

尤其是考慮到視覺是自動駕駛汽車中唯一不可或缺的傳感器技術，這項收購案顯得更重要。英特爾表示打算將Mobileye的“計算機視覺、傳感、融合、地圖建構(gòu)和駕駛策略”與英特爾的“開放計算平臺”相結(jié)合。

Magney將攝像頭形容為“必備的傳感器”，他解釋說，具有以高分辨率采集圖像的能力，才能讓攝像頭更有效地分類對象。現(xiàn)在的攝像頭還支持彩色顯示。那么弱點呢？Magney補充說：“攝像頭的深度不如光達。”

光達：最熱門的領域

在所有的傳感器技術中，光達是2017年交易量最大的市場。IHS Markit的汽車電子和半導體資深分析師Akhilesh Kona列舉去年的收購案，如福特(Ford)收購了Princeton Lightwave、通用汽車(General Motors；GM)收購光達公司Strobe，以及Continental買下Advanced Scientific Concepts (ASC)的光達業(yè)務。

Magney則稱光達“仍然是最熱門的領域”，部分原因是光達在自動駕駛中有相當多用途。他解釋，“高度自動化的車輛需要一個具有定位資產(chǎn)的基本地圖，對此沒有任何東西能夠取代光達。這是高端產(chǎn)品得以競爭之處。”

光達市場之所以如此熱門也由于新的激光技術出現(xiàn)。據(jù)Kona表示，一種波長高于1,400nm的新雷射發(fā)射技術正興起中。這種新的波長可望為光達帶來更高分辨率和更遠射程。他補充說，Princeton Lightwave、Continental 和Luminar Technologies三家公司都在開發(fā)這種新的激光技術。

圖2：不同類型的光達技術比較(來源：IHS Markit）

同時，供貨商也通過開發(fā)各種光束控制技術，不斷改善光達的耐用性、尺寸和成本。這些技術既有機械式也有MEMS和固態(tài)光達。

據(jù)Magney介紹，機械式光達(如Velodyne 128信道的產(chǎn)品)由于能產(chǎn)生360度點云，非常適合建構(gòu)地圖。但是，對于部署量產(chǎn)車輛，基于固態(tài)組件——MEMS或光相位矩陣(OPA)的光達非常適合，它們也可以在其視野內(nèi)產(chǎn)生點云。

成本更低的閃存(flash)組件也開始崛起。Magney指出，有些被設計成距離探測器，且成本低于100美元，但缺點是分辨率有限，無法對對象進行分類。

毫米波雷達

當光達大步前進時，雷達也并未停下腳步。繼恩智浦半導體(NXP Semiconductors)在2016年首次推出采用CMOS工藝技術的77GHz微型雷達芯片后，德州儀器(Texas Instruments；TI)也在去年進軍毫米波(mmWave)雷達市場。該公司宣稱如今擁有最小尺寸的CMOS傳感器產(chǎn)品組合。

TI汽車毫米波雷達傳感器整合RF與模擬功能以及數(shù)字控制于單一芯片中（來源：TI）

在雷達市場，競爭的重點在于尺寸和精確度。TI如今宣稱可支持“小于4cm測距分辨率的高精度獨立傳感技術”。

Magney表示：“我們對雷達的進展感到滿意。毫米波雷達正熱。”他評論道：“雷達的分辨率越來越高，現(xiàn)在已能用于分類物體，這是以前做不到的。”

然而，更好的分辨率需要更多信道，這意味著有更多數(shù)據(jù)需要處理。所以，Magney說：“毫米波雷達需要有專門的處理器來處理這些數(shù)據(jù)，以及產(chǎn)生對象或點云。”此外，毫米波雷達還需要開發(fā)工具以打造應用。否則，龐大的資料難以被理解。

雷達除了能全天候工作外，其他的評價一向不優(yōu)。傳統(tǒng)的車用雷達無法看到攝像頭或光達所能看到的物體。更具體地說，雷達看不到遠方的物體，也無法區(qū)別所看到的東西。它們的處理速度不足以達到行駛于高速公路的要求。

模擬波束成形

2017年1月成立的新創(chuàng)公司Metawave期望通過其開發(fā)的模擬波束成形技術來改變現(xiàn)況。

Metawave采用PARC將超材料、雷達和天線商業(yè)化的獨家授權(quán)，在今年的CES展上推出該公司“完整雷達套件”的原型。該公司的超材料是布署在PCB上的小型軟件控制工程結(jié)構(gòu)。這些結(jié)構(gòu)據(jù)稱能以特殊的方式控制電磁波束，這在以前通常只有在更大尺寸、更強大和成本更高的軍用系統(tǒng)中才能實現(xiàn)。

Metawave的模擬雷達技術基于電子可控天線，使用一根雙端口的天線：其中一個埠連接到Tx或Rx鏈路，另一個埠連接到MCU。MCU透過查找表(LUT)定義和控制天線的波束寬度和方向，從而使Metawave的模擬雷達實現(xiàn)微秒級速度的掃描（來源：Metawave）

Metawave的雷達套件型兼容于各種雷達芯片。該公司宣稱其基于超材料的模擬波束成形技術能精確地控制雷達波束，在不犧牲分辨率的情況下提升工作速度和SNR。

機器用成像數(shù)據(jù)

盡管Mobileye目前仍是汽車視覺領域的領導廠商，Magney認為其他公司也正迎頭趕上。他說：“任何人都可以獲得相同的成像器，打造適合于圖像識別的攝像頭。但問題是你需要合適的處理器，以及緊密整合的算法。”

然而，“如今你可以從幾家芯片公司中選擇一款高性能視覺處理器，并套用自家的算法。或者，你可以用卷積神經(jīng)網(wǎng)絡(CNN)來完成這項任務。”Magney總結(jié)道：“目前，自動駕駛汽車制造商已經(jīng)在攝像頭方面作了選擇。許多公司會將人工智能(AI)應用于圖像中以取得結(jié)果。”

然后是總部位于巴黎的新創(chuàng)公司Chronocam。該公司的傳感器技術并非針對人類應用，而是為機器感知和檢測而打造的。Chronocam這款以事件為導向的傳感器技術還很新，尚未用于任何商用車，但已經(jīng)受到業(yè)界關注了；該公司期望該技術能徹底改變當今CMOS圖像傳感器市場。例如，雷諾集團(Groupe Renault)于2016年底與Chronocam達成了戰(zhàn)略發(fā)展協(xié)議。

正如Chronocam首席執(zhí)行官所指，英特爾、英偉達(Nvidia)等GPU/CPU巨擘仍在試著找出更準確、更快速處理大量數(shù)據(jù)的最佳方式。然而，Chronocam專注的是為機器應用簡化和量身打造的成像數(shù)據(jù)采集。事件導向的傳感器目標在于顯著減少數(shù)據(jù)負載，使車輛幾乎可以做出實時決策。

定位

讓汽車具有“自我意識”的第一步是建構(gòu)地圖，并實時匹配至車輛在預先制作的地圖上看到的內(nèi)容。然后，車輛可以對其位置進行三角測量和定位。Magney強調(diào)：“車子必須確切知道要去哪里，才能發(fā)展出‘情境感知’。”

換句話說，如果希望高度自動化的車輛能準確定位，就需要使用光達。Magney指出，它們需要一個具有定位功能的基本地圖。

不過，還有其他方法可以做到這一點。例如Nvidia DriveWorks SDK可實現(xiàn)基于圖像的定位。DriveWorks工具庫包括地圖定位、HD地圖接口以及自我運動(egomotion)等。

實時動態(tài)定位(RTK)是另一種選擇，Magney補充說。RTK可增強來自全球?qū)Ш叫l(wèi)星系統(tǒng)(如GPS、GLONASS、Galileo和北斗)的位置數(shù)據(jù)精確度。Magney說：“在一般情況下可能運氣不錯，但在城市地區(qū)，由于RTK需要高度依賴衛(wèi)星，可能無法有效發(fā)揮作用。”

同時，英特爾/Mobileye正推廣其用于定位的道路體驗管理(REM)技術。Mobileye希望利用基于攝像頭的ADAS系統(tǒng)普遍性，發(fā)揮群體力量實時建立并維護一個精確的環(huán)境地圖。

新創(chuàng)公司在定位方面也有發(fā)揮的空間。據(jù)悉，DeepMap正致力于L4/L5級自動駕駛汽車解決HD地圖建構(gòu)和定位，以及大數(shù)據(jù)管理方面的挑戰(zhàn)。Magney指出，DeepMap使用攝像頭圖像和光達數(shù)據(jù)，有效地改善了目前的數(shù)字地圖。他補充說，該公司計劃推出的是一項服務，而不只是一款產(chǎn)品。

傳感器融合

隨著自動駕駛汽車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)果決定了自動駕駛汽車的決策和行為，也即安全問題。

自動駕駛汽車無法僅靠一個傳感器實現(xiàn)安全駕駛，因此必須進行傳感器融合。但Magney補充說：“因為你必須同步所有的傳感器信號，所以融合是很困難的。”

至于是融合“對象”數(shù)據(jù)還是“原始”數(shù)據(jù)，業(yè)界對此的爭論才剛剛開始，目前還沒有明確的答案。

相較于對象數(shù)據(jù)，由于原始數(shù)據(jù)不會在轉(zhuǎn)換過程中發(fā)生遺失，大數(shù)的AI擁護者較支持這種數(shù)據(jù)融合途徑，Magney表示。但他補充說，與原始數(shù)據(jù)融合有關的問題包括：“你將需要大量的處理；你還需要有GB級的網(wǎng)絡，才能將這些信號傳送到整個車輛中。”

新創(chuàng)公司DeepScale開發(fā)了一種感知技術，能采集原始數(shù)據(jù)，而非對象數(shù)據(jù)，而且可以在嵌入式處理器上加速傳感器融合。DeepScale現(xiàn)正利用其深度神經(jīng)網(wǎng)絡(DNN)從頭開始做起——所使用的原始數(shù)據(jù)不僅來自圖像傳感器，還包括雷達和光達。