安裝在汽車(chē)上的一系列傳感器技術(shù)（來(lái)源：Yole Développement）

 

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。”VSI Labs創(chuàng)始人兼負(fù)責(zé)人Phil Magney表示。

 

科技公司、一級(jí)供應(yīng)商和OEM廠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)。

 

 

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。

 

Magney將攝像頭描述為“必備的傳感器”，他解釋說(shuō)，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。那它們的弱點(diǎn)是什么？“攝像頭的深度不如激光雷達(dá)。”Magney補(bǔ)充說(shuō)。

 

 

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)。“例如，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Advanced Scientific Concepts（ASC）的激光雷達(dá)業(yè)務(wù)。”IHS Markit的汽車(chē)電子和半導(dǎo)體高級(jí)分析師Akhilesh Kona解釋說(shuō)。

 

VSI Labs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)。”他表示，“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)IHS Markit的Kona表示，業(yè)界正在出現(xiàn)一種新的激光發(fā)射器技術(shù)——波長(zhǎng)高于1,400nm。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Luminar Technologies三家公司都在研究新的激光器，他補(bǔ)充說(shuō)。

 

不同類(lèi)型激光雷達(dá)的比較（來(lái)源：IHS Markit）

 

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和固態(tài)。

 

據(jù)Magney所述，機(jī)械激光雷達(dá)（例如Velodyne 128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)非常好使，Magney說(shuō)。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，Magney表示。缺點(diǎn)是分辨率有限，無(wú)法對(duì)物體進(jìn)行分類(lèi)，他解釋說(shuō)。

 

 

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。（來(lái)源：TI）

 

Magney表示：“我們對(duì)雷達(dá)的進(jìn)展感到愜意。毫米波雷達(dá)很熱。”他評(píng)論道：“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，”Magney指出。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。

 

 

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)和天線商業(yè)化的獨(dú)家授權(quán)，Metawave在本月的CES消費(fèi)電子展上推出了該公司“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。它使用一根帶有兩個(gè)端口的天線：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。（來(lái)源：Metawave）

 

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。

 

 

盡管Mobileye仍然是汽車(chē)視覺(jué)領(lǐng)域的領(lǐng)導(dǎo)者，Magney認(rèn)為其他公司正在迎頭趕上。“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。”他補(bǔ)充道。

 

“但是對(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?；蛘?，你也可以用CNN（卷積神經(jīng)網(wǎng)絡(luò)）來(lái)完成這項(xiàng)工作。”Magney總結(jié)道，“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。”

 

然后是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。

 

正如Chronocam的CEO在接受本刊采訪時(shí)表示，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。

 

 

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，”Magney說(shuō)，以便它可以發(fā)展“情境感知”。

 

換句話說(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)。它們需要一個(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)，Magney指出。

 

但是，還有其他方法可以做到這一點(diǎn)。例如，Nvidia的DriveWorks SDK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，Magney補(bǔ)充說(shuō)。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。“你可能運(yùn)氣不錯(cuò)，但是在城市地區(qū)，由于RTK需要高度依賴(lài)衛(wèi)星，我們認(rèn)為它不會(huì)那么好地工作。”Magney表示。

 

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)。Magney指出，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。該公司計(jì)劃打包一個(gè)服務(wù)，而不是一個(gè)產(chǎn)品，他補(bǔ)充說(shuō)。

 

 

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。但Magney補(bǔ)充說(shuō)：“因?yàn)槟惚仨毻剿袀鞲衅餍盘?hào)，所以融合是很難的。”

 

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)，Magney表示。但他補(bǔ)充說(shuō)，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)（來(lái)源：DeepSacle）

 

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。

 

接下來(lái)按照字母順序列出一些傳感器公司——包括最近被成熟OEM廠商收購(gòu)的初創(chuàng)公司和風(fēng)投公司——它們可能會(huì)影響到2018年的自動(dòng)駕駛汽車(chē)發(fā)展（感興趣的讀者可點(diǎn)擊公司鏈接或閱讀原文了解）。

 

Aeva Inc.：http://www.aeva.ai/

 

AEye Inc.：https://aeye.ai/

 

Arbe Robotics：http://www.arberobotics.com/

 

Autoliv, Inc.：https://www.autoliv.com/

 

Chirp Microsystems：http://www.chirpmicro.com/

 

Chronocam

 

DeepMap：www.deepmap.ai/

 

DeepScale：http://deepscale.ai/

 

Fisker Inc.：https://www.fiskerinc.com/

 

LeddarTech：https://leddartech.com/

 

Metawave：https://www.metawave.co/

 

Omron：https://www.omron.com/

 

Ouster：www.ouster.io/

 

Princeton Lightwave, Inc./Argo AI：https://www.argo.ai/

 

Renesas Electronics/Dibotics：http://www.dibotics.com/

 

Innoviz Technologies：https://innoviz.tech/

 

Luminar：https://www.luminartech.com/

 

TetraVue：www.tetravue.com/

 

本文轉(zhuǎn)載自電子技術(shù)設(shè)計(jì)。