【中國傳動網(wǎng) 行業(yè)動態(tài)】 哪種類型的傳感器或傳感器組合能夠提供最佳的價格和性能是圍繞自動駕駛車輛新技術(shù)應(yīng)用的重要問題之一。這個問題很復(fù)雜，因為只有在用于控制車輛的系統(tǒng)能力得到表征之后，才能按要求選擇用于執(zhí)行特定任務(wù)的傳感器。

自動駕駛車輛按定義可以包括三種主要系統(tǒng)組件。第一種，負責(zé)感知車輛周圍的環(huán)境;第二種，測繪車輛周圍的環(huán)境，然后使其能夠在任何時間確定其位置;第三種，在各種行車場景下負責(zé)自動駕駛車輛的決策能力。

根據(jù)當前主要汽車廠商和眾多第三方供應(yīng)商所進行的研究，業(yè)界似乎已經(jīng)達成某種共識，即自動駕駛汽車需要應(yīng)用多種類型的傳感器，以感知并測繪車輛周圍的環(huán)境。部分工程師都認為自動駕駛汽車需要利用雷達、攝像頭以及激光雷達(LiDAR)系統(tǒng)來捕獲數(shù)據(jù)。

這些傳感器技術(shù)可以相互補充，在白天和夜晚、雨、霧或雪等天氣中提供最佳的可靠性。事實上，F(xiàn)ord(福特)、GeneralMotors(通用汽車)、Volkswagen(大眾)和Nissan(日產(chǎn))等主要汽車廠商的開發(fā)人員似乎也都對此表示認可，因為它們都相繼展示了采用各種類型傳感器的自動駕駛汽車。

大多數(shù)廠商的自動駕駛試驗車輛均采用了包括攝像頭、雷達和LiDAR在內(nèi)的多種傳感器技術(shù)

攝像頭、雷達和LiDAR

據(jù)麥姆斯咨詢報道，2022年預(yù)計自動駕駛汽車市場應(yīng)用的激光雷達市場營收將達到16億美元，雷達市場營收將達到4400萬美元，攝像頭市場營收將達到6億美元。

通常，攝像頭構(gòu)成了大多數(shù)汽車傳感系統(tǒng)的核心，它們能夠捕捉車輛周圍環(huán)境360°視場(FOV)的完整圖像。當然，也可以使用24GHz短程雷達(SRR)，以及77GHz頻段的遠程雷達(LRR)系統(tǒng)。另一方面，LiDAR系統(tǒng)可提供最遠300米、360°視場范圍內(nèi)，垂直和水平分辨率高達0.1°的實時3D數(shù)據(jù)。

裝配在車輛中使用時，LiDAR系統(tǒng)可以從車輛周圍固定和移動的物體捕捉密集的3D點云數(shù)據(jù)。而發(fā)射和接收無線電波而非激光的雷達系統(tǒng)，可以與LiDAR系統(tǒng)互補，因為它們可以用于提供低反射率物體的速度和方位數(shù)據(jù)。遠程雷達傳感器可以跟蹤高速物體(例如迎面駛來的車輛)，而短程雷達傳感器則可以提供車輛附近的移動物體的豐富信息。另一方面，攝像頭則可以測量物體反射或發(fā)射的光，進一步增強車輛周圍物體本身的細節(jié)。

自動駕駛車輛如果包含所有上述類型的傳感器，可以確保其中一種傳感器的固有技術(shù)局限，能夠被一個或多個其他傳感器的優(yōu)勢所補償。然而，如果采用這種方案，那么問題就在于必須開發(fā)一種車載處理模型，來處理由各種傳感器捕獲的大量數(shù)據(jù)。

數(shù)據(jù)融合

處理這一難題的一種方案，是將來自車輛上的多個傳感器源的數(shù)據(jù)，在處理之前在空間上、幾何上和時間上進行對準融合，這會帶來一個龐大的單個傳感系統(tǒng)。這種方案可以使一個或多個車載處理器，在某個傳感器探測不夠準確時，估算自動駕駛車輛的狀態(tài)。另一種方案，是設(shè)計多個獨立的傳感器處理系統(tǒng)，每個系統(tǒng)都可以自行支持完全自動駕駛。然而，無論采用哪種方案，都需要具備多功能、冗余和失效運行的系統(tǒng)架構(gòu)，來實現(xiàn)自動駕駛。

博世的工程師正在開發(fā)一種自動駕駛車輛網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以將來自車輛中所有傳感器的數(shù)據(jù)在一種被稱為“傳感器融合”的過程中進行整合。這些傳感器數(shù)據(jù)由車輛中的電子控制單元評估，以規(guī)劃車輛的行駛路徑。為了實現(xiàn)安全性和可靠性最大化，必要的計算工作由許多并行工作的處理器共同完成。

不過，Intel(英特爾)/Mobileye的工程師則正在開發(fā)一種不同的方案，來努力攻克他們認為不能擴展，因而成本很高的一種自動駕駛車輛控制系統(tǒng)。

英特爾/Mobileye提出了一種完整的數(shù)學(xué)模型，以確保自動駕駛汽車以安全的方式運行。這種被稱為“Responsibility-SensitiveSafety(RSS)”的模型，為人類的責(zé)任和謹慎概念提供了具體且可衡量的參數(shù)，并定義了一種“安全狀態(tài)”，旨在無論其他車輛采取何種反應(yīng)和行為，防止自動駕駛車輛成為事故的誘因。

多傳感系統(tǒng)

他們已經(jīng)展示了一種僅配備攝像頭的自動駕駛汽車，作為其策略的一部分，將包括在公司構(gòu)建的所謂的“真正冗余”的系統(tǒng)中。現(xiàn)在，他們打算構(gòu)建一個由多個獨立設(shè)計的傳感系統(tǒng)組成的傳感系統(tǒng)，以補充基于攝像頭的系統(tǒng)，其中也包括了雷達和LiDAR。來自攝像頭的數(shù)據(jù)融合將用于定位車輛，來自雷達和LiDAR的數(shù)據(jù)融合將在規(guī)劃車輛軌跡的后期使用。與最初融合來自攝像頭、雷達/LiDAR的原始數(shù)據(jù)相比，每個系統(tǒng)都能夠自行支持完全自動駕駛。

除了感測車輛周圍的環(huán)境之外，安裝在自動駕駛車輛上的傳感器套件還將負責(zé)周圍環(huán)境的測繪，使車輛能夠在任何時間確定其所在的位置。目前已經(jīng)采用的一種方案，是記錄由LiDAR先前捕獲的3D點云以創(chuàng)建地圖，然后通過將車輛LiDAR行駛中獲得的3D點云與地圖上的3D點進行比較，來定位車輛的位置。

另一種方案，也就是英特爾/Mobileye所支持的方案，是充分利用已配備攝像頭和特定軟件的大量車輛，其軟件可以檢測車輛周圍有意義的物體。這種方案將帶來基于眾包的地圖創(chuàng)建，然后將其上傳到云端。然后，所有自動駕駛車輛可以通過蜂窩網(wǎng)絡(luò)等現(xiàn)有通信平臺接收這些地圖數(shù)據(jù)。

由眾多傳感器捕獲的如此大量的數(shù)據(jù)，將需要新的車載計算基礎(chǔ)設(shè)施，來實現(xiàn)大規(guī)模數(shù)據(jù)的車輛內(nèi)傳輸。

據(jù)ABIResearch自動駕駛高級分析師JamesHodgson稱，由攝像頭、雷達、LiDAR以及超聲波傳感系統(tǒng)等多種傳感器產(chǎn)生的數(shù)據(jù)量，每8小時可達到32TB。為了定義可以處理如此高數(shù)據(jù)速率的基礎(chǔ)設(shè)施，Aquantia、博世、大陸、NVIDIA(英偉達)和大眾汽車建立了自動駕駛汽車網(wǎng)絡(luò)(NetworkingforAutonomousVehicles，NAV)聯(lián)盟。通過合作，這些公司計劃在自動駕駛汽車內(nèi)部搭建數(shù)千兆位的以太網(wǎng)，同時解決與噪音和抗擾、功耗、可靠性以及安全標準相關(guān)的挑戰(zhàn)。

車載數(shù)據(jù)處理系統(tǒng)

最后，為了安全進行驗證和認證，車輛計算架構(gòu)中的車載系統(tǒng)，存在如何處理來自傳感器的數(shù)據(jù)，以使車輛能夠在各種駕駛場景下恰當運行的問題。車輛僅能夠感知其環(huán)境并實現(xiàn)定位是不夠的，它還必須能夠基于所獲取的數(shù)據(jù)進行路徑規(guī)劃并執(zhí)行。

不用說，在這方面人工智能(AI)系統(tǒng)的作用將變得越來越普遍，人工智能將使車輛能夠獲得可能發(fā)生的眾多潛在交通狀況的完整認知。這種在交通狀況中學(xué)習(xí)的系統(tǒng)過程被稱為“深度學(xué)習(xí)”，并從中得出自己的推論，從而提供一系列行動方案。然而，由于這種人工智能系統(tǒng)的運行概率問題，因此業(yè)界擔(dān)心它們的可靠性可能不夠。

為此，Mobileye等公司正在人工智能決策解決方案之上，增加一個單獨的、確定性的軟件層。Mobileye的RSS模型將人類安全駕駛的理念，形式化為具有邏輯上可證明的可驗證模型，定義恰當?shù)捻憫?yīng)，并確保自動駕駛車輛僅做出安全的決策。其模型本身負責(zé)基于來自路徑規(guī)劃系統(tǒng)的結(jié)果來驗證車輛的軌跡，路徑規(guī)劃系統(tǒng)則基于車輛傳感器獲取的數(shù)據(jù)創(chuàng)建行動計劃。

安全驗證和認證

顯然，無論在自動駕駛車輛中使用何種軟件，都需要進行驗證和認證，以確保自動駕駛車輛做出的決策是安全的。事實上，自動駕駛車輛可能會遇到各種各樣的潛在行駛狀況，在這種車輛中驗證所使用的軟件采用何種適當?shù)陌踩燃壦婕暗奶魬?zhàn)，可能是工程師面臨的最大挑戰(zhàn)之一。特別是考慮到所使用的許多人工智能軟件系統(tǒng)本質(zhì)上是非確定性的，因此測試很困難。

因此，雖然一些供應(yīng)商可能會認為創(chuàng)造真正的自動駕駛汽車的技術(shù)挑戰(zhàn)已經(jīng)解決，但自動駕駛功能仍然依賴于廣泛的軟件驗證，更不用說監(jiān)管部門的批準了。直到這些問題也被解決，完全自動駕駛車輛本身，可能還需要幾年時間。