92%的奢侈品牌已开通微信账号 微信营销到底该如何做

为了将车辆自动化提升到一个新的水平，设计人员研究了 LiDAR 等传感器选项的权衡，并着眼于传感系统架构。

每年，约有 120 万人死于道路交通事故，还有无数人遭受改变人生的伤害。考虑到这一点，世界卫生组织和联合国大会合作制定了一项名为“道路安全行动十年”的计划。该计划旨在到 2030 年将道路交通伤亡人数减少至少 50%。

但法规制定者们还有他们的工作要做。《纽约时报》最近的一篇文章中引用的研究指出，在大流行期间，美国的车祸数量增加了 16%，2021 年的道路死亡人数达到 15 年来的最高水平，超过 42,000 人。虽然全球情况各不相同，但不幸的是，美国之前道路安全改进的这种逆转今天似乎仍在继续。

立法和执法将在实现减少 50% 的死亡和伤害目标方面发挥关键作用。但额外的影响将来自汽车制造商实施高级驾驶辅助系统 （ADAS） 和提高驾驶员自动化水平。

虽然自动驾驶汽车和经常被引用的 SAE 水平驾驶自动化已经收到了大量行业报道和评论，但现实情况是 ADAS 解决方案正在挽救生命。这已经通过启用自动紧急制动 （AEB）、车道偏离警告和前方碰撞警告（分别为 LDW 和 FCW）、盲点检测 （BSD） 和驾驶员监控 （DMS/OMS） 等功能来实现。因此，加速部署基于半导体的、经济高效的高性能 ADAS 解决方案必须成为行业的优先事项。

不同的传感器技术及其在 ADAS 中的实现

为了达到这些自动化和自主性水平，ADAS 使用了多种传感模式，包括：

• 摄像头，用于部署基于视觉的传感。

• 雷达，利用基于射频的传感。

• LiDAR，部署基于红外光的传感。

摄像头可捕获车辆周围环境的图像，并支持基于人类视觉和计算机视觉的传感用例，例如环视、LDW、AEB、BSD 以及驾驶员和乘客监控。

基于摄像头的传感需要一个处理管道，其中包括图像传感器、图像信号处理（用于颜色恢复、降噪、自动曝光等）和软件感知算法（经典算法和基于 AI 的算法）来处理摄像头数据以识别其他车辆、交通信号灯、路标和行人等物体。但是，摄像机的深度感知能力有限，恶劣天气性能也很差。

相反，雷达在弱光和恶劣天气条件下表现良好，可以探测短距离 （~1 m） 和长距离 （~200 m） 的物体。雷达已广泛部署用于 FCW、BSD 和自适应巡航控制 （ACC）。

汽车早期雷达部署使用基于脉冲的非相干传感。这类似于我们在电影中经常看到的 “pinged ” 雷达描述。在这里，发射无线电脉冲，脉冲从物体反射回来所需的时间决定了距离（也称为飞行时间或 ToF 检测）。

随着半导体集成和处理能力的发展，汽车制造商迅速从非相干雷达检测转向相干检测。这是因为它具有距离更远、抗干扰能力、发射峰值功率较低以及能够提取即时每点速度信息等优点。

调频连续波 （FMCW） 检测是当今汽车雷达解决方案中部署的最流行的相干技术。这也是大约 20+ 年前电信采用的方法，因为它具有经过验证的潜在优势。

除了雷达之外，光探测和测距 （LiDAR） 现在还部署在车辆中，用于远程 （c.200 m） 探测。在最基本的层面上，LiDAR 系统从光源发射光子并测量返回信号的特性以确定物体距离。LiDAR 在红外光谱中运行，使用的波长比雷达小得多——在 200 THz（1550 μm 波长）LiDAR 和 77 GHz（4 mm 波长）雷达的情况下，使用的波长减少了 2500 倍。这为 LiDAR 赋予了相对于雷达的巨大传感分辨率优势，因此具有互补部署。

因此，汽车制造商正在寻找使用 LiDAR 的方法，不仅可以在远距离（例如在高速公路上）检测丢失的货物或轮胎（~15 厘米高），还可以用于短距离（<10 m）自动泊车应用，以准确检测小障碍物（包括宠物或儿童）。

与雷达的历史历程一样，LiDAR 传感在车辆中的早期部署是基于 ToF 的。但是，相干公司 LiDAR 检测（尤其是基于 FMCW 的检测）由于其相对于 ToF 检测的关键优势，现在正受到汽车制造商的关注。

相干检测对光学前端的硅光子集成能力，以及专用 LiDAR 处理器片上系统 （SoC）（如 Indie Semiconductors 的 iND83301）的日益普及，将有助于降低系统成本、尺寸和功耗，并满足汽车制造商的高性能要求。

图 1 显示了每种传感模式如何具有各自的优势。汽车制造商通常会部署多种模式，以最大限度地发挥 ADAS 功能的能力，以补充驾驶员的环境感知能力并提高系统冗余度。

图1. 此图表突出显示了 ADAS 传感器的传感器模态功能。

将传感器集成到高级车辆架构中

必须传输和处理不断增长的 ADAS 传感器生成的数据，以创建对车辆环境的感知。它还可以警告驾驶员潜在的危险，甚至采取自动纠正措施，例如紧急制动或转向驱动。但 ADAS 传感器位于车辆电气和电子 （E/E） 架构的框架内，这意味着必须在更广泛的背景下考虑实施的 ADAS 架构。

汽车半导体集成和处理性能的提高加速了汽车三大趋势的形成：ADAS、增强的车内用户体验和传动系统电气化。因此，车辆内支持半导体的电子控制单元 （ECU） 的数量已从数十个激增到今天的 100 多个。

对于汽车制造商来说，这在 E/E 架构设计复杂性、ECU 布线和配电的成本和重量、功率和热限制、车辆软件管理和供应链物流方面带来了挑战。

为了满足汽车大趋势的功能和处理需求，传统的单功能 ECU 架构正在被更高级别的多功能 ECU 整合所取代，并通过域（特定于功能）、区域（物理共存功能）和中央计算（中央“大脑”）E/E 架构实现更高水平的多功能 ECU 整合和更大的处理集中化（图 2）.这些 E/E 架构的确切定义因行业利益相关者而异，但通往更高级别 ECU 功能集成的大致轨迹是一致的。

图2. 车辆 E/E 架构演变：从独立的 ECU 到更大的集中化。

这种向更大程度的 E/E 架构集中化的演变为 ADAS 传感架构提出了基本问题：

• 是否应该在车辆边缘对传感器数据和感知进行全面处理，并将每个传感器的感知“结果”传递给下游 Domain、Zone 或 Central Compute，以启动任何缓解安全问题的启动？

• 是否应该将原始传感器数据传输到中央计算进行处理、感知和驱动？

• 是否应该在车辆边缘或附近执行一些处理，并在任何所需的驱动之前在 Domains、Zones 和 Central Compute 中执行进一步的处理和感知？

不幸的是，有点不满意的答案是“视情况而定”。

每家汽车制造商都有不同的（通常是传统的）汽车平台，它必须支持从入门级和中型车型到高档和豪华车型的各种车型。一刀切的中央计算“大脑”E/E 架构的前提原则上很有吸引力，可能适合选定的单一平台汽车制造商（例如仅限豪华车型或非传统“全新”电动汽车制造商）。然而，现实情况是，大多数公司需要支持多个 E/E 架构来满足其商业需求。

当然，汽车制造商的 ECU 整合和跨车型重用软件对于最大限度地提高开发和成本效率至关重要。然而，仅限中枢大脑的架构并不是万能的，对于大多数汽车制造商来说，它也不具有商业实用性。

在 ADAS 系统中利用分布式智能

因此，在可预见的未来，支持分布式智能的 E/E 和 ADAS 架构将存在。这包括跨越车辆传感器边缘以及域、区域和中央计算 ECU 的数据处理和感知。这种分布式架构虽然不能完全解决软件复杂性和管理问题，但确实缓解了数据传输、ECU 布线和配电挑战。它们还支持 ECU 和 ADAS 传感器的可选性，以满足汽车制造商车型的价格点。

在 ADAS 传感的情况下，分布式智能架构意味着一些数据处理和感知是在传感器附近或附近实现的。然后，生成的感知计算（例如，场景分割、对象分类或对象检测）被传递到域、区域或中央计算 ECU，与来自其他传感器的感知计算一起处理，以实现最终的感知和安全响应驱动。

这种感知架构通常被称为晚期融合，因为每个传感器都已经执行了一定程度的感知。晚期融合与仅中央计算架构相关的早期融合形成鲜明对比，在这种架构中，来自多个传感器模态的原始、未处理的数据通过车辆传输，以便在中央“大脑”ECU 中进行聚合处理。

分布式智能传感架构的一个潜在用例是保护弱势道路使用者 （VRU），例如行人和骑自行车的人。最近对新车验收计划（如 EuroNCAP）的更改引入了对 VRU 的额外测试，包括在倒车和盲点场景中。

盲点雷达和环视摄像头通常在物理上位于同一位置。因此，汽车制造商正在寻找能够同时处理雷达和摄像头数据并执行每个管道决策融合的单一 SoC 解决方案（即，在雷达的情况下是标记的 2D 点，在摄像头的情况下是边界框）。这将有助于降低 ADAS 传感成本并实现低延迟边缘决策。

边缘或附近的传感器融合分布式智能概念也可以扩展到其他 ADAS 用例和传感器模式，有助于将 ADAS 的优势带入最广泛的市场。

ADAS 的最终目标 — 道路安全

ADAS 在汽车行业中发挥着至关重要的作用，可以减少道路伤亡。不同传感器模式的功能相辅相成，导致汽车制造商越来越多地部署多模式传感，以增强驾驶员的环境感知和车辆的安全响应行动。

在不断发展的车辆 E/E 架构背景下，传感器创新和分布式智能有助于在所有车辆类别中推广 ADAS 技术。最终，我们的道路对所有道路使用者来说都将更加安全。