LiDAR面临着两大挑战

随着自动紧急制动（ AEB ）和驾驶员监测系统等高级驾驶员辅助系统（ ADAS ）功能的推出，汽车正变得越来越安全。 得益于上述各项功能的日臻完善，自动驾驶也变得更加可靠与值得期待。例如，在发展之初，AEB 只能观察到前方的汽车。但是现在，它已经可以检测到行人、穿梭的车流、骑行者以及道路上的其他物体。

意识到 AI 在驾驶员辅助方面的重要作用，大约 20 家汽车制造商，已欣然同意在 2022 年 9 月之前为大多数新型乘用车辆配备低速 AEB 和前方碰撞预警系统。

为了实现这一目标，汽车需要一个针对车辆传感器和相关处理的精密系统。

除了摄像头和雷达，第三种传感器——激光雷达（ LiDAR ）也愈发受欢迎。如同雷达技术一样，LiDAR 利用激光来测定物体的距离，并且像摄像头和雷达图像一样，它可以使用卷积神经网络（ CNN ）来检测道路上的物体。

不同的是，在 LiDAR 中，传感器生成的 3D 点云数据（空间中的一组数据点）存在数千个点。因此，它的准确性和精度更为优异。此外，LiDAR 的利用还可以确保整个 ADAS/自动驾驶（ AD ）系统的冗余性。

例如，在摄像头可能因太阳光或迎面而来的汽车大灯反射而错过某个特定物体的情况下，LiDAR 可以消除反射率，并能探测到道路中间的行人。

然而，LiDAR 面临着两大挑战：

1.高算力需求：丰富的 LiDAR 数据处理导致 LiDAR 技术比其对应的摄像头和雷达昂贵得多，后者在汽车业界的应用历史更长久

2.不断变化与演进的设计：LiDAR 有多种类型，包括固态扫描、固态闪存、旋转 MEMS、FMCW 等。

赛灵思专注于解决这两大挑战。我们强大的 DSP 性能加上灵活的 I/O 配置和可编程逻辑资源，能够充分满足众多 LiDAR 制造商的高算力需求。 此外，赛灵思器件包含了可编程的硬件，能够灵活适应任何 LiDAR 传感器配置，使之成为应对不断变化和演进发展的设计的理想选择。 由于 LiDAR 技术相对较新，而且 ADAS/AD 市场尚未采用通用方法，因此，目前还没有明确的 ASSP/ASIC 器件架构。

除了能够满足 LiDAR 对高算力和持续演进的设计的需求，赛灵思解决方案还极为适合应对成本与功耗问题。赛灵思 FPGA 可为多个传感器 RX 通道启用真正基于硬件的处理流水线。 这就使得 RX 通道能够同时独立处理不同的目标。此外，它还实现了用于检测后处理的集成硬件加速（如点云生成和网格映射），并利用处理系统和可编程逻辑之间的高带宽连接，在传感器软件（ SW ）和相关硬件加速功能之间实现理想分区。

FPGA 支持的集成解决方案有助于降低成本。除此之外，并行硬件处理还可以降低对时钟速度的需求，从而降低功耗。集成解决方案所提供的独特功能不仅可以更新传感器软件，还可以重新编程硬件。

客户

中为光电（ ZVISION ）是一家开发固态 LiDAR 技术的初创企业，其在硬件处理平台方面选用赛灵思产品，兼顾 LiDAR 信号处理与基于点云的 AI 算法功能。赛灵思器件满足了该公司对高级定制、不断演进的信号处理算法以及用于 AI 处理的并行计算能力的要求。 速腾聚创（ RoboSense ）是一家中国初创企业，他们选择了一款支持点云 AI 目标识别的赛灵思器件，而不是基于英伟达/Jetson TX2 的成熟解决方案。 速腾聚创非常看重赛灵思在吞吐量和时延方面的优势以及成本效益。更重要的是，该公司的 RS-LiDAR-M1（利用赛灵思 DPU 进行点云目标识别）荣膺了 CES 2020 创新奖！

赛灵思解决方案旨在应对 LiDAR 的高算力需求、不断演进的设计以及成本和功耗问题。随着我们不断赋能这项独特而强大的技术，各大汽车制造商也纷纷着手投资于 LiDAR 技术。

赛灵思的 LiDAR 器件被广泛采用无疑就是证明。除了速腾聚创和中为光电，Baraja、Benewake、Blickfeld、禾赛、Innovusion、Opsys、OURS、Ouster、Phantom Intelligence、Pointcloud、SureStar及众多其他公司开发的 LiDAR 解决方案均采用了赛灵思技术，而这些解决方案已为众多车辆所部署——也许还有您的汽车。