【導(dǎo)讀】對(duì)于高度自動(dòng)化的汽車來說，它們必須依靠很多傳感器，包括攝像頭、雷達(dá)、超聲波、GPS天線和利用光脈沖測(cè)距的激光雷達(dá)。讓無人駕駛汽車看到路面、閱讀交通標(biāo)志、檢測(cè)物體、分類、感知速度/軌跡和其他車輛并不容易——更重要的是，將它定位在地圖上，以便其確切知道必須去哪里。但每種傳感器都有其自身的弱點(diǎn)和優(yōu)勢(shì)……
安裝在汽車上的一系列傳感器技術(shù)（來源：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，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有或無法自主開發(fā)的傳感器技術(shù)。與此同時(shí)，僅在過去兩年就出現(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)駕駛汽車市場(chǎng)。
英特爾收購Mobileye
2017年最大的汽車行業(yè)交易是英特爾以153億美元收購Mobileye。
考慮到Mobileye已經(jīng)在ADAS和自動(dòng)駕駛汽車的汽車視覺中占據(jù)了明顯的領(lǐng)先地位，Mobileye的收購使英特爾在自動(dòng)駕駛汽車的競(jìng)爭(zhēng)中穩(wěn)穩(wěn)地站在了有利地位。
特別是，考慮到視覺是自動(dòng)駕駛汽車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、傳感、融合、地圖構(gòu)建和驅(qū)動(dòng)策略”與英特爾的“開放式計(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，能夠以高分辨率捕捉圖像，將能使攝像頭更好地分類物體。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。
激光雷達(dá)：“最熱門的領(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)。“例如，去年福特收購了普林斯頓光波；通用汽車收購了激光雷達(dá)公司Strobe；大陸公司收購了Advanced Scientific Concepts（ASC）的激光雷達(dá)業(yè)務(wù)。”IHS Markit的汽車電子和半導(dǎo)體高級(jí)分析師Akhilesh Kona解釋說。
VSI Labs的Magney稱激光雷達(dá)“仍然是最熱門的領(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)化的汽車需要一個(gè)具有定位資產(chǎn)的基本地圖，對(duì)此沒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（通過收購ASC）和Luminar Technologies三家公司都在研究新的激光器，他補(bǔ)充說。
不同類型激光雷達(dá)的比較（來源：IHS Markit）
與此同時(shí)，供應(yīng)商通過開發(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。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，無法對(duì)物體進(jìn)行分類，他解釋說。
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)在宣稱是“分辨率小于4cm的高精度獨(dú)立傳感”。
TI的汽車毫米波雷達(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)的分辨率越來越高，現(xiàn)在也可以分類物體，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)需要有專門的處理器來處理這些數(shù)據(jù)，產(chǎn)生物體或者點(diǎn)云，”Magney指出。此外，毫米波雷達(dá)需要有開發(fā)工具來搭建應(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?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，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，希望通過開發(fā)模擬波束成形技術(shù)來改變這種狀況。
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，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通過查找表來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仍然是汽車視覺領(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處理器，并應(yīng)用自己的算法?；蛘撸阋部梢杂肅NN（卷積神經(jīng)網(wǎng)絡(luò)）來完成這項(xiàng)工作。”Magney總結(jié)道，“目前，自動(dòng)駕駛汽車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，使汽車幾乎可以做出實(shí)時(shí)決策。
定位
使汽車具有“自我意識(shí)”的第一步是地圖構(gòu)建，而與汽車在預(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，汽車可以對(duì)其位置進(jìn)行三角測(cè)量和定位。“汽車必須確切知道它必須去哪里，”Magney說，以便它可以發(fā)展“情境感知”。
換句話說，如果希望高度自動(dòng)化的車輛能準(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。RTK可增強(qiáng)來自全球?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希望通過利用基于攝像頭的ADAS系統(tǒng)的涌現(xiàn)，利用人群的力量來準(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正在通過使用攝像頭圖像和激光雷達(dá)數(shù)據(jù)來改進(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。
傳感器融合
隨著自動(dòng)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(dòng)駕駛汽車的決策和行為，也即安全問題。
自動(dòng)駕駛汽車僅采用一個(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：“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)論才剛剛開始。目前沒有明確的答案。
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，與原始數(shù)據(jù)融合有關(guān)的問題包括：你將需要大量的處理；你還需要有GB大小的網(wǎng)絡(luò)來將這些信號(hào)傳送到整個(gè)車輛中。
DeepScale公司開發(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開發(fā)用于早期傳感器融合的深度神經(jīng)網(wǎng)絡(luò)（來源：DeepSacle）
DeepScale在后期融合中遇到了一個(gè)固有問題。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)。
