当你在美国凤凰城附近驾车 很有可能会遇上无人驾驶车辆

当你在美国凤凰城附近驾车，很有可能会遇上无人驾驶车辆，你们将会在同一条道路上，共享一段旅程。

一年多前，Waymo宣布了自动驾驶汽车领域内的一个重大举措，与捷豹路虎（Jaguar Land Rover ）公司合作，在其自动驾驶汽车车队中增加新款纯电动捷豹I-Pace跨界车，Waymo采用 I-Pace 电动 SUV 来进行自动驾驶技术测试。如今，这些“自动行走的猎豹”，已上路“奔跑”测试。

这辆车的标志十分低调，其只有一个不易被察觉的灰色“Waymo Engineering”logo在后车门上。不过这并不影响大家一眼就认出它，车顶上“滑雪盒”大小的装置使自动驾驶汽车分外惹眼。

自动驾驶服务的目标人群是对驾车没有兴趣，并且只在当地购物和通勤的人。在美国，居住在依赖汽车出行的社区的老年人，以及40岁以上患有视力障碍的人，高达300万人。这项自动驾驶服务，还旨在为这群人提供一种经济有效的交通解决方案。

高级驾驶辅助系统（ADAS）已成为许多现代车辆的标配功能，ADAS能够帮助驾驶员处理某些交通状况。许多OEM和供应商正在专注于L3自动化的开发，目前，L3自动驾驶车辆已经可以做到让驾驶员“不动手”和“不睁眼”的情况下驾车，但驾驶员必须在特定条件下进行干预。

Waymo不制造车，却进入了汽车行业，并在自动驾驶L4阶段开始竞争！

回顾：自动化的组成部分

我们把自动驾驶平台拆解开来，其组成部分基本上由三个模块组成：传感器、计算和驱动。当前，为了识别周围的环境，所有的自动驾驶解决方案都结合了大量不同的传感器。包括短程感应，如超声波和短程雷达，以及远程雷达，LiDAR和360°摄像头。

为了处理这些所有传感器所带来的数据，我们面临着极大的挑战。比如，巨大的数据量和广泛的采样率。LiDAR每秒可以产生超过一百万个数据点，而其他传感器可能每秒只能传输数万个样本。

虽说自动化水平较低的自动驾驶车辆不需要依赖太多的传感器，但想要实现越高水平的自动驾驶汽车就需要越多的传感器，没有一定数量的传感器，汽车就无法准确感知周围的环境。

不同数据的融合

为了对收集到的大量数据进行概述，我们通常将其融合到一个称为多传感器融合的综合数据流中。通过这个过程，将协调这些不同采样率和体积的数据，使其成为一个环境模型，以提供给系统中更高级别的软件去使用。

图1:Sigmafusion的传感器融合。可作为独立解决方案或作为自动驾驶决策系统使用。

表1所列出的车外监测传感器中，77 GHz频带和 24 GHz频带毫米波雷达的最大特点是耐天候性好（不受雨、雪、雾等天候的影响）。为了使ACC与避撞安全系统在任何行驶环境下都能发挥出最佳的效果，这两种系统上广泛地采用了毫米波雷达。

法国研究所Leti开发了一种名为SigmaFusion的传感器数据融合解决方案。

考虑到用于车辆的测距传感器的输出数据具有一定的不确定性，首先为了确保其输出数据的准确性，并在基于数据做出正确的决策，Leti对所使用的传感器进行了描述。

将源数据输入到SigmaFusion软件中进行处理，为上面的应用层提供一个占用栅格，并计算前方路径识别所需要的占用栅格。已知维度的占用栅格将能够评估车辆周围的自由空间和障碍物，模型中的每个单元格包含其被障碍物占用或未被障碍物占用的概率。

Leti位于法国格勒诺布尔，目前雇员超过1900人，是法国替代能源和CEA（原子能委员会）的分支机构。

选择安全的处理平台

当然，为了满足安全关键系统中的软件需求，还需要一个具有汽车领域系谱的处理器平台。

无论是在ADAS独立系统中，还是作为自动驾驶的配套基础，英飞凌都是一个不错的选择。Aurix微控制器凭借其先进的信号处理能力、锁步核心和汽车接口，构成了一个理想的处理平台。因此，我们将Aurix作为展示样品的平台。该样品是把一系列传感器嵌入到车辆的塑料保险杠中，以显示如何实现多传感器融合，以及Sigmafusion软件如何与Aurix结合。

目前，该技术已嵌入英飞凌科技的Aurix TC29x平台。Leti还与其他未命名的供应商合作，将传感器融合包整合到他们的MCU中。

最后

这款新的传感器融合软件SigmaFusion，能够帮助工程师更高效地处理来自雷达、LiDAR、摄像头以及超声波传感器的海量数据，同时还能减少整个系统所需要的电子控制单元数量。

法国CEA Leti研究院的研究工程师Julien Mottin说，“即使将它在更小的平台上运行，在计算精度上也不会有缺陷。”

Leti还正在与一家供应商合作，将SigmaFusion应用于盲人手杖中。在该应用案例中，传感器融合套装可以从传感器获取信息，为使用者提供障碍物声音警示，并且它不仅能够提供用户路径中腿部的障碍物警示，还能提供头部障碍提醒。这款传感器融合算法在这些应用案例中，省去了成本高昂的硬件平台，因而能够帮助降低系统成本。

Mottin称他们预计这款传感器融合软件的初期应用会是在汽车领域。“区别在于我们已经能够将软件优化到足以适配汽车级平台，尤其是那些ADAS应用，”他说，“凭借这款传感器融合软件，便不再需要复杂的图像处理单元或加速引擎。”