高级驾驶员感知系统和All Programmable SoC

作者：Aaron Behman 和 Adam Taylor

　道路安全也能从摩尔定律中受益良多？是的，处理能力的提升以及 CMOS 图像传感器 (CIS) 和其他传感器技术的发展，让车辆制造商得以推出高级驾驶员感知系统 (ADAS)。ADAS 能增强驾驶员对周边环境的感知，减少发生碰撞的概率。部分系统还能够监控驾驶员并向驾驶员发出告警，例如在驾驶员打盹时。

　　ADAS 还越来越多地接手控制（或为无人驾驶系统提供信息），从而为驾驶员提供泊车辅助、车道辅助和自适应巡航控制等功能方面的协助。

图1：显示导航和状态感知信息的 ADAS 抬头应用

　因此，不出意料，到 2021 年预计 ADAS 市场的规模将达到 420 亿美元，目前的年复合增长率（GAGR）达到 10%（来源： )。

　　ADAS 通常使用嵌入式视觉、RADAR 和 LIDAR 等多类传感器来提取所需信息，并运用传感器融合方法整合来自多个传感器的信息。在嵌入式视觉领域， ADAS 又可划分为两大类。一类负责外部监控，解决车道偏离、对象检测、盲点检测和交通标识识别等问题。另一类负责内部系统监控，例如负责驾驶员打盹监测和眼睛检测等。内外部 ADAS 应用在实现图像处理算法时都面临自身的挑战。

　　这些挑战从实现应用所需算法的能力直至符合正确的汽车标准，不一而足。许多 ADAS 应用还要求传感器融合功能以整合来自多个传感器的输入，从而显著提高了所需的处理能力。在使用多个同类传感器的时候，传感器融合可以是同构传感器融合。在使用不同类型的传感器提取所需信息时，传感器融合则为异构传感器融合。

　　因具备高度的灵活性，许多应用都选用 All Programmable SoC 或 FPGA 来实现系统。两种都能实现所需的算法，而且两者都能够连接不同类型的传感器类型和网络。

　　伴随高性能 ADAS 应用而来的是几个系统难题。这些难题在开始思考时并不明显。汽车制造商需要满足严格的污染标准要求，因此总体解决方案的重量和功耗相当重要。因为生产的车辆以数十万计，解决方案的成本也很关键。虽然系统的保密性和安全性非常关键而且受多重标准的制约，使用 SoC 或 FPGA 能帮助我们解决一系列此类问题。

系统架构
开发用于监测内外部摄像头的嵌入式视觉 ADAS 可以说这是一项更具挑战性的 ADAS 实现方案。该系统需要与车身四周多个摄像头连接，以处理图像并给乘客提供信息。许多摄像头解决方案使用点对点 LVDS 连线来传输数据，但是这会因布线需求而增加成本和重量。但是也有其他替代性方法正在日渐赢得使用，这些方法把部分功能内置在摄像头中。如果摄像头的图像输出采用压缩方式而不是原始图像，这样基于网络的架构就有可能实现传输。这些网络可以围绕通用汽车总线架构，例如：
? 媒体导向系统传输 (MOST)——一种能以光学或电气物理层方式实现的高速网络。
? IDB-1394——实现在电气物理层上的高速网络，采用雏菊链拓扑结构。
? 以太网 AVB——以太网音视频桥接能够围绕车辆按需发送图像数据和其他数据。

　　如果我们选择使用网络，系统架构师必须确保提供所需带宽，以便在摄像头和 ADAS 内核之间传输图像数据，同时满足应用时延要求。

　　ADAS 系统生成的数据可能需要与汽车中的其他系统共享，例如自适应巡航控制或泊车辅助。因此 ADAS 必须能够与 CAN 或 FlexRay 等其他通用汽车接口连接。

图2：Zynq 支持与传感器和消费者的任意接口

在架构层，使用基于 All Programmable Zynq? SoC 的方法可提供多重优势。如果点对点连线用于连接这些摄像头，摄像头接收器可实现在位于图像处理链条前的可编程逻辑中。如果要使用 All programmable SoC，处理器系统侧应具备足够高的灵活性，在需要与可编程逻辑中的逻辑和外部 PHY 结合时，能方便地采用 CAN、以太网和 FlexRay 等其他协议。双核处理器与可编程逻辑的完美组合可带来极低的单位像素功耗，因为系统紧密集成。