未来自动驾驶技术发展的基石—传感器、处理器、架构和通信

国际金属加工网 2018年02月07日

摄像头、雷达、高分辨率 3D 瞬动激光雷达(Flash Lidar)等各类传感设备的组合,将成为传感器套件中的关键部分,可为用户提供车辆四周的 360°环视视野。

为了模仿人类驾驶员在驾驶过程中的众多行为,自动驾驶系统需要集成大量非常复杂的技术。如今,为了能够360 度观测车辆四周的情况,每辆车都需要安装一组由多个传感器组成的传感器阵列。快速网络可以将必要数据发送至电子控制单元,协助车辆在转向、制动、加速和减速方面进行决策。

为了在未来的移动出行解决方案市场占得先机,汽车厂商、一级供应商和其他供应商正在与孜孜不倦的创业公司和“行业搅局者“展开激烈竞争,其中也包括苹果 (Apple) 和谷歌 (Google) 等科技巨头,但有时也会选择与这些公司合作。

他们获胜的关键在于以下技术领域:

业界正朝着模块化和可扩展的多域控制器稳步前进,以便管理日益复杂的传感器数据输入和处理。

处理能力

处理器可分析传感器的数据输入,进而做出转向、制动、加速、减速等决定,未来必将取得重大进展。现阶段的安全系统主要会大量采用传统的多核处理器,具体参与的厂商包括恩智浦 (NXP)、英飞凌 (Infineon)、瑞萨 (Renesas)、意法半导体 (ST Microelectronics) 和英特尔 (Intel) 等。然而,未来自动化系统带来的极端挑战,将对现有的处理技术提出更高要求。

英伟达 (Nvidia) 的每个高度并行图形处理单元 (GPU) 都拥有数千个小型处理内核,近些年来开始在汽车行业崭露头角。这种 GPU 单元非常适合同时完成多项任务,例如同步分析来自多个传感器的像素输入。最近,英伟达推出专门针对 SAE 3 级到 5 级自动驾驶系统的Pegasus 多芯片平台。Pegasus 模块的尺寸与车辆牌照相仿,但却可以实现每秒 320 万亿次的数据中心级处理能力。

目前已被英特尔收购的 Mobileye 也开发了一款专门的图像处理器。现场可编程门阵列 (FPGA) 可用于制造专用并行设备,主要生产厂家包括赛灵思 (Xilinx)、英特尔 (nee Altera)、莱迪思半导体(Lattice Semiconductor)和 美高森美(Microsemi) 等。FPGA 允许设计人员基于具体任务打造性能最佳的定制芯片。恩智浦和瑞萨等主流供应商已获得 Tensilica 的可编程技术许可,目前已经开始将应用范围从信息娱乐系统扩展到安全系统。

不过,传统 CPU 并不会就此退出历史舞台。CPU 的优势在于顺序处理技术,可以协助将经过各类专用处理器(位于传感器或 ECU 单元内部)处理过的传感器数据融合起来,这对系统的决策能力至关重要。

如今,大多数系统都有自己的独立处理器,比如车道偏离或自适应巡航控制系统都内置了处理器,也就是这些大型控制单元很可能会收集所有相关数据,并判断将如何为车辆导航。这种需求将给处理器的内核性能、时钟频率和低功耗预算提出更高要求,特别是在电动汽车应用中。

车载摄像头的指数级增长,推动了生产效率的提升和规模的扩大。图示为麦格纳公司密歇根州Holly 摄像头工厂生产的传感器线路板。

雷达和摄像头

熟练的人类驾驶员仅靠自己的眼睛和简单的后视镜帮助,即可做到安全驾驶,但自动驾驶车辆将需要多达 30 个传感器,才能达到人类驾驶员的水平。具体来说,这些传感器有的面向前方,共同识别前进道路及可能障碍物,其他的传感器则将面向车辆的各个方向,共同绘制 360 度环视视野。

目前,雷达组件市场主要由恩智浦和意法半导体等成熟芯片制造商占领,而这些公司的主要业务之一是将微控制器和雷达设备匹配起来。此外,亚诺半导体 (Analog Device) 和瑞萨 (Renesas) 以及 Imec 和英飞凌等合作伙伴,也在进行类似的整合。例如,在 IHS Markit 的拆解中,我们可以看到来自德尔福的 77-GHz 雷达传感器采用了英飞凌的接收器和发射器装置,及 TI 的应用处理器。目前,这款雷达传感器已经用于 2015 款沃尔沃 XC90。此外,德尔福的另一项前沿 RaCam 雷达 + 视觉传感技术也使用了英飞凌基于 SiGe HBT 的接收器和发送器。

Oculii、Omniradar 和 Artsys360 等几家初创企业,正在试图在雷达领域站稳脚跟。博世 (Bosch)、采埃孚 (ZF)、德尔福 (Delphi) 等绝大多数一级供应商也开始在安全系统中使用雷达技术。

这些公司中的绝大多数还在研发摄像头技术。目前来看,英特尔旗下的 Mobileye 公司在摄像头领域占据主要优势,旗下 EyeQ3 视频处理器已经成功登陆德尔福的 RaCam 传感解决方案。麦格纳国际 (Magna International)、博世 (Bosch)、法雷奥 (Valeo)、大陆 (Continental)和电装 (Denso) 等多家公司也开始将目光转向视觉系统。另外,敏视 (Stonkam) 等中国制造商,及松下汽车系统 (Panasonic Automotive Systems) 和安全气囊巨头 Autoliv 都纷纷大举进军摄像头系统领域。

基于 AI 和摄像头的驾驶员监控系统,对于 SAE 2级至 4 级自动驾驶技术的实现至关重要。

司机警觉性监控和驾驶室感应系统,是摄像头技术另一项稳步增长的应用场景。经过通用汽车凯迪拉克 (Cadillac) SuperCruise 系统的验证,这些技术对于 SAE 2 级到 4 级自动驾驶系统的安全运行至关重要。科技合作是这个新兴供应领域的核心。目前,电装已经与硅谷技术公司 Xperia 展开合作,希望借力后者的 Fotonation 部门,补充图像识别技术实力。电装公司早在 2014 年就开始为越野卡车和大型旅游巴士提供驾驶员状态监视器。该系统采用了一款驾驶舱摄像头,可捕捉驾驶员的面部图像,并采用计算机视觉技术,通过检测驾驶员的面部,确定驾驶员的疲惫程度。

目前,摄像头和雷达将相互配合以识别物体。另外,当固态设备能够达到汽车产业的要求时,汽车制造商还大概率将增加激光雷达,使信号发送区域可以相互覆盖。这种设计可以杜绝误报警的可能性,尽最大可能提供障碍物识别信息。此外,车辆还采用了多雷达的设计,以提供 3D 观测功能。未来,24-GHz 雷达可能会被带宽更宽的 77-GHz 产品取代,从而满足行业对高精度 3D 图像的需求。值得说明的是,先进的信号发送和接受技术,也可以协助雷达识别物体,而不是仅能提供距离信息。

提高分辨率是摄像头性能优化的关键内容。更高的分辨率可以增加清晰度,有助于扩大摄像头的监测范围,帮助系统及时识别远距离目标。今天最主流的 200 到400 万像素摄像头,未来将会被 800 到 1000 万像素的产品所取代。

随着车上的传感器数量越来越多,这些传感器发送给控制器的数据量也急剧增加。数据集成处理器可以解决这一问题,但该解决方案并未得到行业的普遍认可。明导 (Mentor Graphics) 嵌入式系统部门总经理 Glenn Perry 表示:“在传感器中增加一个处理器,会导致延迟产生,并增加我们材料清单的长度。SAE 5 级自动驾驶系统需要采用大量的激光雷达、雷达和摄像头,这种设计思路的成本太高,还将占用大量的计算能力,因此可能根本行不通。”

通用汽车公司购买了 Strobe 公司的超紧凑型调频 (FM) 激光雷达技术(原型如图所示,大小可参考与旁边中性笔的对比),数据处理速度高于常规ToF激光雷达。通用汽车下属子公司Cruise Automation的目标是将固态激光雷达的成本降低至每部 100 美元以下。

激光雷达

许多汽车工程经理认为,激光雷达传感技术结合了激光和摄像头优势,是 SAE 5 级自动驾驶必不可少的组成部分。激光雷达的工作原理和普通雷达相仿,主要通过发射激光测算目标的距离。具体来说,激光雷达将发出激光,并记录激光反射回来所需的时间,进而测算雷达与障碍物之间距离。这种技术不受天气影响,将成为摄像头的有力补充。

目前,多家小型公司都在打造机电激光雷达系统,但基本都以固态激光雷达为主,以达到汽车级可靠性标准。汽车行业对激光雷达的兴趣绝非随口说说,而是实打实地拿出了大量投资。举几个例子,德尔福、福特和采埃孚(ZF)分别投资了 Innoviz Technologies、Velodyne 和 Ibeo 公司。德尔福和戴姆勒还共同投资了 Quanergy 公司。大陆集团收购了 Advanced Scientific Concepts;ADI 公司则收购了 Vescent Photonics。2017 年 10 月,通用汽车的自动化技术子公司克鲁斯自动化 (Cruise Automation) 也收购了一家正在埋头开发下一代激光雷达传感器的小型公司 Strobe。

Gruise公司的老板 KyleVogt 曾在一篇博文中写道,如果可以将整个传感器系统集成至单芯片上,工程师们就可以将每部汽车激光雷达的成本降低“99%”。

目前,一些激光雷达芯片已经进入市场,但主要应用仍以“车道偏离预警”等短距离测距为主。大多数正在研发中的汽车级固态激光雷达都希望可以在 200 到 300 米(656 到 984 英尺)的距离内提供高分辨率图像,进而允许车辆尽早识别行驶方向上的障碍物。

“分辨率至关重要,”VelodyneLidar 公司 CTO Anand Gopalan 表示,“如果你希望‘看清’远处的小目标,比如轮胎碎片等,那就必须提供足够的激光强度。这样才能准确捕捉到这些小型目标,并及时采取避让措施。”

架构

架构是无人驾驶汽车成为现实的先决条件,需要保证众多零部件的协同工作:比如如何收集传感器数据,如何将这些数据融合起来形成环视视野,如何在车辆中实现数据分享,如何进行决策,如何进行交叉检查等等。

由于电子系统可以根据车辆周围的情况做出判断,因此软件将发挥重要作用。同时硬件性能必须足够强大,才能及时完成运算,进而避免事故发生。目前,车辆的系统硬件和软件通常由同一个供应商提供,不过随着汽车开放系统架构 (AUTOSAR) 的发展壮大,软硬件系统的独立性也将有所提高。未来,随着汽车制造商开始不断寻求更好的自动驾驶软件,这种趋势可能会随之加速。

采埃孚(ZF)自动驾驶团队首席工程经理Karl-Heinz Glander 表示:“现在大多数人都明白,硬件和软件应该是相互独立的,这样才能方便第三方软件的使用。OEM可以自由选择同苹果、谷歌这样的纯软件公司,或是像英伟达或 Mobileye 这样的芯片公司合作,找到最符合公司利益的搭配。”

目前,系统架构面临的关键问题之一,在于系统的运算能力应集中在一个强大的 ECU 中,还是分散在系统的各个组成部分。许多 ADAS 系统选择将独立处理器分散各个智能传感器中。这样一来,传感器的数据在发送至中央处理器前,可以先在传感器内进行初步处理,这样一来可以降低中央控制器的压力,二来还可以减轻汽车通信网络的数据传输压力。然而,还有一些系统架构师更倾向于将系统的全部计算能力集中在中央ECU 中,所有数据全部不加处理,直接传送至中央处理器,从而避免在传感器中增加独立处理器的需求。事实上,一些OEM可能会将这两种思路结合起来,即仍采用中央处理器的设计,但在部分“智能”传感器中增加独立处理器,完成部分数据处理工作,其他“普通”处理器将原始数据传送回ECU 即可。

事实上,软件系统几乎不可能全面预测无人驾驶车辆在道路上可能遇到的各种情况,并预先设计如何进行反应。

在此背景下,允许车辆“边跑边学”的人工智能技术则被提上了日程。人工智能所需的投资规模非常庞大,目前已在语音识别和图像分析方面取得了重大进展。

德尔福的 V2V 控制器已应用于凯迪拉克。

通讯

如果车辆能够共享信息,则可以获得车载传感器无法获得的信息。举个例子,车辆的传感器可能无法“看到”前方有一辆被大货车完全挡住的小桥车,但车辆通信技术则可将这个信息通报出来。车辆与基础设施间的通信有助于提升交通运输系统的安全性。这些信息无疑将成为自动驾驶汽车的法宝,但具体部署仍然面临诸多质疑和挑战。

多年来,NHTSA 和汽车制造商一直致力于开发专用短程通信 (DSRC) 技术标准,但目前仍没有具体实施的消息。有观点认为,除非强制执行,否则厂商根本不会采用 DSRC 系统。目前,凯迪拉克已经部署了 V2V 技术,但其他汽车厂商还并没有动静。

虽然监管机构还在反复思量有关安全性的各种问题,但汽车和手机供应商已经开始设计基于 5G网络的 V2X 通信技术。5G 通信的实现日期和实际性能仍不能确定,但只要成本可以降下来,则可能会成为大多数车型的选择。5G 技术可以解决 V2X 系统面临的众多挑战,包括不需要实时通讯性能的路面黑冰通知等。

对于一些与自动驾驶汽车转向或制动有关的警告,DSRC 具备的低延迟优势非常关键。DSRC 的性能已经在大量车辆的公路测试中有所体现,因此一旦 NHTSA或几个主要支持机构出面推进,DSRC通信技术将在乘用车和商用车中得到快速推广。虽然一些 5G 支持者认为移动网络完全可以取代 DSRC 技术,但更多人认为这两者可能必须共同发挥作用。

意法半导体业务发展高级首席工程师 Raed Shatara 表示:“业界应该呼吁协作,在不牺牲安全的情况下实现这两种技术的共存。回顾过去,FM 并没有取代 AM,HD 也并没有取代 AM 或 FM,卫星收音机不能取代 AM、FM 或 HD。现在,这些技术的身影还都存在于汽车中。”

无论借助哪种技术,汽车通信的成果将逐步成熟。要实现 V2X 通信的前提是车辆必须具备发送/接受消息的能力,而装配 V2X 系统的车辆需要很长时间才能完全取代以前的汽车。此外,还必须说明的是,这些次级系统目前还很难验证,车辆接收到消息到底是来自其他通过验证的车辆,还是来自黑客,因而很多安全功能还无法提供。


网友评论

编辑推荐

相关主题