0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

多传感器融合成自动驾驶爆发的必经之路

h1654155971.7596 来源:未知 作者:胡薇 2018-10-04 11:48 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

自动驾驶这一领域的挑战不仅很多,而且很复杂。除了半导体供应商面临的技术挑战之外,还有汽车、区域和全球基础设施方面的挑战。”——安森美半导体汽车策略和OEM市场拓展副总裁Lance Williams

毫无疑问,在消费电子及个人电脑市场趋于饱和之后,汽车市场成为全球半导体厂商竞相角逐的下一个领域,而这背后则是汽车电动化、信息化及智能化所带来新的增长动能。近日,恩智浦的高层调整以及瑞萨电子的重金收购足以表明汽车市场的重要性。

1

处于爆发前夜的自动驾驶

对于全球汽车市场而言,虽然近些年增长速度方面开始放缓,但是该领域技术创新速度并没有因此受到影响,其中信息技术成为汽车工业发展的核心技术。具体而言,平台化、轻量化、节能化、电子化、智能化以及安全化等成为汽车领域发展的主要方向。

随着信息技术的不断发展,汽车工业也发生了巨大变革。特别是在2010年前后,大部分汽车模块逐步实现智能化。与此同时,不同的总线系统及操作系统也可以通过软件相互连接,从而将不同的模块串联起来,实现整车智能化。

为了争抢未来产业高地,传统汽车主机厂商纷纷布局自动驾驶领域,如沃尔沃、戴姆勒、大众、通用汽车、福特、宝马、奥迪、丰田、日产、长安、吉利、东风等,基本涵括了市面上主流的汽车品牌。相较于主机厂商的“后知后觉”,全球科技巨头如谷歌、英伟达、Mobileye、百度等在自动驾驶领域表现的尤为积极,起到了很好的带动作用。与此同时,全球创业企业也纷纷将目光瞄准了自动驾驶领域,特别是在核心感知层。

全球无人驾驶汽车市场规模(单位:亿美元) 来源IHS

而作为信息技术的基础,半导体元器件及芯片在自动驾驶中发挥着关键作用,如信息采集、分析及处理,车身控制,通信安全,动力管理,娱乐系统等。为此,半导体厂商也在积极推进自动驾驶落地。如全球十大汽车IC厂商之一的安森美半导体,除了汽车功能电子化、照明、车身电子及电源管理方面持续完善之外,在自动驾驶领域也进行了重点布局,可以提供完整的方案,包括超声波传感器图像传感器、雷达、光达(LiDAR)和电源管理,以支持各级半自动/自动驾驶所需的所有感知模式。凭借丰富的汽车行业经验和历史,为客户提供符合AEC车规的最宽广阵容的产品,以满足汽车工业发展需求。

半导体在汽车领域应用

也正是基于产业链的共同发力,自动驾驶在近几年间取得了快速发展,并有望迅速走入现实。对此,Lance Williams认为:“我们对自动驾驶的看法是积极的,2级和3级自动驾驶汽车在未来几年内将稳步增长,在2021年和以后4级自动驾驶将成型。”

为此,安森美半导体在9月的深圳光博会期间展示了第三代LiDAR扫描系统和高性能的成像方案。第三代LiDAR演示中的LiDAR系统接收器采用了MR-00116A20 1X16 硅光电倍增管(SiPM)阵列。成像方案包括100万像素图像传感器AR0143和200万像素图像传感器AR0233,用于驾驶员监控系统,具有片上高动态范围(HDR),降低了系统成本,单次曝光超过95 dB,微光性能出色,符合汽车安全完整性等级B级(ASIL-B)。以满足3级自动驾驶中驾驶监控需求。

2

多传感器融合成必经之路

虽然说自动驾驶在全球范围内已经形成风潮,并有望在2021年实现4级自动驾驶,但是其想要真正走入现实也并非易事。从技术方面而言,目前自动驾驶的痛点在于稳定可靠的感知及认知,包括清晰的视觉、优质的算法、多传感器融合以及高效强大的运算能力。其中,多传感器融合也被认为是自动驾驶未来的重要发展趋势。

目前用于自动驾驶的传感器主要有激光雷达、毫米波雷达以及摄像头三类,其各具优缺点。激光雷达具有高精度、高分辨率的优势,然而其易受雨雾等极端天气影响,且成本居高不下,不利于大规模量产。虽然毫米波雷达可解决激光雷达的部分缺点,但是其探测距离易受元器件功率及潮湿环境影响。另一方面,如果不与其他传感器配合使用,摄像头在夜晚就显得捉襟见肘了。

针对感知层的现状,Lance Williams表示:“传感器融合是具潜力的方案,也是迫在眉睫的挑战。有效地开发和实施一个含多传感器的方案也面临着许多挑战。”

具体而言,多传感器融合就是将多个传感器获取的数据、信息集中在一起综合分析以便更加准确可靠地描述外界环境,从而提高系统决策的正确性。虽然在原理上看似简单,但是在自动驾驶场景中则显得充满挑战。多传感器融合,需要对每个传感器采集的信息进行快速处理,从而让高速行驶的汽车及时进行反馈动作,以应对突发的交通情况。由此可见,多传感器融合并不仅仅是硬件方面的协同配合,还包括决策层的算法和算力支持。

为此,安森美半导体在自动驾驶感知层覆盖了所有的传感器方案,包括超声波、成像、雷达、光达,可支持视觉、前视先进驾驶辅助系统(ADAS)、车道偏离警告、自适应巡航控制、乘员检测、电子车镜、驾驶员监控和手势识别。在决策层方面,还是关键厂商如Mobileye、NVIDIA和英特尔的主要供应商。另外,在执行层安森美半导体还提供用于致动、控制和驱动的各种产品。

对于未来的发展,Lance Williams也透露透漏自动驾驶将成为安森美半导体汽车市场策略中的一个重点应用。除了持续投资内部发展之外,还将通过收购进行扩展。例如,在过去的18个月里,安森美半导体收购了IBM和SensL的76-81 GHz远程雷达技术,SensL可提供业内最好的微光LiDAR 硅光电倍增管(SiPM)/单光子雪崩二极管(SPAD)。

小结:

站在现在的时间点上,自动驾驶正在一步一步向我们迫近!想要真正意义上实现自动驾驶,在产业链的积极配合下还有很多问题需要去攻克。目前来看,在硬件方面还没有完全达到自动驾驶要求,仍需要不断完善,正如多传感器的相互融合。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2574

    文章

    54407

    浏览量

    786243
  • 自动驾驶
    +关注

    关注

    791

    文章

    14673

    浏览量

    176629

原文标题:多传感器融合,叩开自动驾驶大门

文章出处:【微信号:Anxin-360ic,微信公众号:芯师爷】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    L4级自动驾驶数据采集系统首选

    级数据记录设备 ,为自动驾驶研发提供端到端的解决方案,助力企业突破数据采集瓶颈。 一、自动驾驶数据采集的三大核心需求 模态传感器融合 需同
    的头像 发表于 11-26 09:31 239次阅读

    超声波传感器线圈:自动驾驶实现精确实时近距离感知的关键

    超声波传感器线圈是自动驾驶系统中不可或缺的组成部分。随着自动驾驶技术的快速发展,各类传感器成为智能汽车感知环境的关键,不仅保障行车安全,也提升了驾驶
    的头像 发表于 11-12 16:03 151次阅读

    如何处理自动驾驶感知传感器脏污问题?

    [首发于智驾最前沿微信公众号]自动驾驶系统依赖多种传感器来感知外界环境,摄像头负责将光学图像转换为图像数据供算法解析,激光雷达生成描述物体三维形状的点云数据,毫米波雷达探测目标的距离与速度,超声波
    的头像 发表于 10-21 13:50 231次阅读
    如何处理<b class='flag-5'>自动驾驶</b>感知<b class='flag-5'>传感器</b>脏污问题?

    激光雷达传感器自动驾驶中的作用

    2024 年至 2030 年间,高度自动化汽车每年的出货量将以 41% 的复合年增长率增长。这种快速增长导致汽车品牌对精确可靠传感器技术的需求空前高涨,因为他们希望提供精准、可靠且最终完全自动驾驶的汽车。
    的头像 发表于 10-17 10:06 3469次阅读

    太阳光模拟 | 在汽车自动驾驶开发中的应用

    在汽车产业向电动化、智能化转型的浪潮中,自动驾驶技术的研发面临着复杂环境感知的挑战。光照条件作为影响传感器性能的关键因素,直接关系到自动驾驶系统的安全性和可靠性。紫创测控Luminbox太阳光模拟
    的头像 发表于 07-24 11:26 434次阅读
    太阳光模拟<b class='flag-5'>器</b> | 在汽车<b class='flag-5'>自动驾驶</b>开发中的应用

    康谋分享 | 基于传感器数据的自动驾驶仿真确定性验证

    自动驾驶仿真测试中,游戏引擎的底层架构可能会带来非确定性的问题,侵蚀测试可信度。如何通过专业仿真平台,在传感器配置与极端天气场景中实现测试数据零差异?确定性验证方案已成为自动驾驶研发
    的头像 发表于 07-02 13:17 3993次阅读
    康谋分享 | 基于<b class='flag-5'>多</b><b class='flag-5'>传感器</b>数据的<b class='flag-5'>自动驾驶</b>仿真确定性验证

    自动驾驶汽车是如何准确定位的?

    厘米级的定位精度,并能够实时响应环境变化。为此,自动驾驶系统通常采用传感器融合的方式,将全球导航卫星系统(GNSS)、惯性测量单元(IMU)、激光雷达(LiDAR)、摄像头、超宽带(
    的头像 发表于 06-28 11:42 887次阅读
    <b class='flag-5'>自动驾驶</b>汽车是如何准确定位的?

    VLA,是完全自动驾驶必经之路

    电子发烧友网报道 (文/梁浩斌)最近,智驾领域又出现多个“新名词”,比如蔚来推出的NWM、多家车企和智驾供应商都在宣传的VLA。实际上,从各家的路线来看,随着更大算力的芯片,比如小鹏、蔚来自研的智驾芯片,以及英伟达Thor的上车,越来越多的智驾方案选择VLA的路径。   那么本文就梳理一下当前智驾领域集中主流的大模型技术路线,以及各家厂商实现方式的区别和发展。   VLA 和VLM   VLA即Vision-Language-Action,视觉-语言-动作模型。简单来说,
    的头像 发表于 06-18 00:06 8712次阅读

    AI将如何改变自动驾驶

    自动驾驶带来哪些变化?其实AI可以改变自动驾驶技术的各个环节,从感知能力的提升到决策框架的优化,从安全性能的增强到测试验证的加速,AI可以让自动驾驶从实验室走向大规模商业化。 对于感知系统来说,AI通过多模态
    的头像 发表于 05-04 09:58 634次阅读

    自动驾驶大模型中常提的Token是个啥?对自动驾驶有何影响?

    模态传感器数据的实时处理与决策。在这一过程中,大模型以其强大的特征提取、信息融合和预测能力为自动驾驶系统提供了有力支持。而在大模型的中,有一个“Token”的概念,有些人看到后或许
    的头像 发表于 03-28 09:16 989次阅读

    技术分享 |模态自动驾驶混合渲染HRMAD:将NeRF和3DGS进行感知验证和端到端AD测试

    模态自动驾驶混合渲染HRMAD,融合NeRF与3DGS技术,实现超10万㎡场景重建,传感器实时输出,仿真更接近真实数据!然而,如何用高保
    的头像 发表于 03-26 16:05 3930次阅读
    技术分享 |<b class='flag-5'>多</b>模态<b class='flag-5'>自动驾驶</b>混合渲染HRMAD:将NeRF和3DGS进行感知验证和端到端AD测试

    技术分享 | AVM合成数据仿真验证方案

    AVM 合成数据仿真验证技术为自动驾驶环境感知发展带来助力,可借助仿真软件配置传感器、搭建环境、处理图像,生成 AVM 合成数据,有效加速算法验证。然而,如何利用仿真软件优化
    的头像 发表于 03-19 09:40 3496次阅读
    技术分享 | AVM<b class='flag-5'>合成</b>数据仿真验证方案

    BEVFusion —面向自动驾驶的多任务传感器高效融合框架技术详解

    BEVFusion 技术详解总结——面向自动驾驶的多任务传感器高效融合框架原始论文:*附件:bevfusion.pdf介绍(Introduction)背景:
    的头像 发表于 02-26 20:33 5990次阅读
    BEVFusion —面向<b class='flag-5'>自动驾驶</b>的多任务<b class='flag-5'>多</b><b class='flag-5'>传感器</b>高效<b class='flag-5'>融合</b>框架技术详解

    智能驾驶传感器发展现状及发展趋势

    随着人工智能和自动驾驶技术的飞速发展,智能驾驶传感器作为自动驾驶系统的核心硬件,正经历着前所未有的变革与创新。这些传感器如同
    的头像 发表于 01-16 17:02 1534次阅读

    电动工具EMC测试整改:迈向高质量生产的必经之路

    深圳南柯电子|电动工具EMC测试整改:迈向高质量生产的必经之路
    的头像 发表于 01-14 14:29 800次阅读
    电动工具EMC测试整改:迈向高质量生产的<b class='flag-5'>必经之路</b>