傳感器融合是自動(dòng)駕駛汽車的先決條件

自動(dòng)駕駛汽車需要攝像頭、雷達(dá)和激光雷達(dá)等傳感器來查看周圍環(huán)境。自動(dòng)駕駛汽車還需要計(jì)算能力和人工智能來分析多維數(shù)據(jù)流，有時(shí)甚至是多源數(shù)據(jù)流，從而為車輛實(shí)時(shí)提供整體和統(tǒng)一的環(huán)境視圖。如果傳感器融合為實(shí)現(xiàn)完全自主開辟道路，那么仍然存在許多技術(shù)挑戰(zhàn)。

在 AutoSens Brussels 2020 的演講中，英飛凌奧地利技術(shù)公司的概念工程師 Norbert Druml 分享了價(jià)值 5100 萬歐元的歐洲研究項(xiàng)目 Prystine——汽車智能可編程系統(tǒng)的雄心壯志。Druml 展示了迄今為止在超越 3 級(jí)自主性的故障操作傳感、控制和 AI 控制的車輛演示器領(lǐng)域取得的一些關(guān)鍵成果。

Prystine 的財(cái)團(tuán)由來自 14 個(gè)歐洲和非歐洲國家的 60 個(gè)合作伙伴組成，其中包括寶馬、福特和瑪莎拉蒂等汽車制造商；英飛凌科技和恩智浦半導(dǎo)體等半導(dǎo)體公司；技術(shù)合作伙伴；和研究機(jī)構(gòu)。

（來源：普利斯汀）

故障操作行為
車輛將逐漸獲得更多自主功能，駕駛員將減少對(duì)駕駛的關(guān)注，而更多地關(guān)注智能系統(tǒng)的監(jiān)控，駕駛行為將委托給這些系統(tǒng)。在第 3 級(jí)，駕駛員可以在系統(tǒng)故障或自動(dòng)駕駛功能達(dá)到其操作極限的情況下接管駕駛?cè)蝿?wù)。然而，在 4 級(jí)和 5 級(jí)，不能依靠駕駛員及時(shí)和適當(dāng)?shù)姆绞竭M(jìn)行干預(yù)。自動(dòng)化必須能夠自行處理安全關(guān)鍵情況。在這方面，故障操作行為在自動(dòng)化鏈的感知、預(yù)測(cè)和行動(dòng)階段至關(guān)重要。

Prystine 的主要目標(biāo)之一是實(shí)施 FUSION（故障運(yùn)行城市環(huán)繞感知），它基于強(qiáng)大的雷達(dá)和 LiDAR 傳感器融合，以及在農(nóng)村和城市環(huán)境以及傳感器啟動(dòng)的場(chǎng)景中實(shí)現(xiàn)安全自動(dòng)駕駛的控制功能由于惡劣的天氣條件而失敗，”Druml 說。

目標(biāo)是從故障安全轉(zhuǎn)向故障操作行為系統(tǒng)，“以真正提高集成到未來汽車中的所有組件的安全性，”Druml 說。“這包括安全控制器、傳感器、雷達(dá)、激光雷達(dá)、攝像頭和具有處理能力的計(jì)算平臺(tái)等組件。”

Prystine 合作伙伴設(shè)想的故障操作行為系統(tǒng)在檢測(cè)到故障時(shí)不會(huì)關(guān)閉整個(gè)功能；相反，Druml 說，“它將激活能夠支持某些功能的備用系統(tǒng)，并以較低的速度駕駛汽車到下一個(gè)進(jìn)站?！?/p>

為了實(shí)現(xiàn) Prystine 的 FUSION，研究重點(diǎn)是開發(fā)了四個(gè) AI 算法集群，描述如下。

檢測(cè)易受傷害的道路使用者
在歐盟，22% 的道路死亡事故是行人，8% 是騎自行車的人。該集群通過融合來自雷達(dá)、激光雷達(dá)和攝像頭傳感器的數(shù)據(jù)來解決弱勢(shì)道路使用者（行人、騎自行車者、兒童、殘疾人和老年人）的感知問題。SuperSight 解決方案的開發(fā)旨在消除盲點(diǎn)，以便在易受傷害的道路使用者進(jìn)入駕駛員的自然視野之前就可以看到他們。合作伙伴聲稱 SuperSight 還提供自動(dòng)安全警報(bào)，從而減少道路事故并提高駕駛員的積極性。SuperSight 解決方案使用 360° 視頻處理，并在車輛上安裝了周圍的攝像頭。

（來源：普利斯?。?/p>

交通管理
在從 2 級(jí)和 3 級(jí)自動(dòng)駕駛到 4 級(jí)的過渡過程中，車輛需要應(yīng)對(duì)更復(fù)雜的交通條件和道路網(wǎng)絡(luò)，尤其是在城市環(huán)境中。Prystine 合作伙伴正在開發(fā)一種交通管理解決方案，該解決方案融合了來自交通控制器、浮動(dòng)汽車數(shù)據(jù)和自動(dòng)車牌識(shí)別攝像頭的交通數(shù)據(jù)?！拔覀?nèi)诤线@些數(shù)據(jù)并為汽車和道路使用者提供交通預(yù)測(cè)，”Druml 說?！斑@提供了超越實(shí)際汽車視野的視野方式，汽車可以優(yōu)化其軌跡和路徑規(guī)劃?！?例如，他說，汽車可能會(huì)調(diào)整其軌跡和速度以進(jìn)行綠燈運(yùn)行并優(yōu)化時(shí)間和能源消耗。

懸掛控制
該聯(lián)盟評(píng)估了各種傳感器技術(shù)——激光三角測(cè)量、雷達(dá)和超聲波成像——它們可以掃描路面狀況，以便車輛可以通過改變懸掛系統(tǒng)的阻尼系數(shù)量或垂直位置來對(duì)預(yù)測(cè)的狀況做出反應(yīng)。“算法分析前方道路的幾何形狀，并調(diào)整汽車的懸架，使用戶不會(huì)感覺到道路上有洞和顛簸，”Druml 說?！榜{駛汽車的便利性大大提高?！?/p>

車輛控制和軌跡規(guī)劃
這組算法適用于碰撞檢測(cè)、避碰、變道、緊急停車、超車、重型卡車和全尺寸拖車的后部操縱以及啟動(dòng)/停止安全等用例，Druml 說. 該集群部署在具有三個(gè)復(fù)雜級(jí)別的演示器中。在第一級(jí)，稱為共享控制場(chǎng)景，駕駛員由基于 AI 的副駕駛員支持，“持續(xù)分析汽車的軌跡。如果檢測(cè)到安全危急情況，基于人工智能的副駕駛會(huì)為駕駛員提供支持，并希望能夠以安全的方式解決危急情況?！?/p>

Druml 說，下一個(gè)復(fù)雜級(jí)別稱為分層控制，“在不同的自動(dòng)化級(jí)別之間平滑切換”。例如，車輛可以從“受監(jiān)督的城市控制切換到城市司機(jī)，這不僅通過持續(xù)監(jiān)控汽車周圍的駕駛場(chǎng)景和情況，還通過分析駕駛員狀態(tài)和操作的復(fù)雜性來實(shí)現(xiàn)?！?/p>

第三級(jí)復(fù)雜性是完全由人工智能控制的車輛?！霸谶@里，我們?nèi)诤狭藖碜岳走_(dá)、激光雷達(dá)和攝像頭的傳感器數(shù)據(jù)，并考慮了基于云的信息——特別是交通狀態(tài)和交通預(yù)測(cè)信息——以改進(jìn)基于人工智能的自動(dòng)駕駛解決方案，”說鼓。

他說，為期三年的 Prystine 項(xiàng)目將于 2021 年 4 月結(jié)束，但“這個(gè)項(xiàng)目的想法”將繼續(xù)下去。“我們 [合作伙伴] 聚集在一起以獲得一些資金，以加快我們的開發(fā)和研究活動(dòng)。”

進(jìn)步、機(jī)遇、挑戰(zhàn)
加速自動(dòng)駕駛汽車出現(xiàn)的激烈競爭壓力已經(jīng)在傳感器融合算法開發(fā)方面取得了重大進(jìn)展。但我們?cè)?AV 傳感器融合方面走了多遠(yuǎn)？市場(chǎng)參與者如何接近它？

EE Times Europe 向 Yole Développement（法國里昂）的技術(shù)和市場(chǎng)分析師 Pierrick Boulay 提出了這些問題。“汽車中的 E/E [電氣/電子] 架構(gòu)正在從分布式架構(gòu)演變?yōu)橛蚣惺郊軜?gòu)，”Boulay 說?！爸虚g會(huì)有步驟?！?/p>

他指出，汽車制造商奧迪在 2016 年使用 zFAS 域控制器邁出了第一步。所有傳感器數(shù)據(jù)，包括來自 3D 相機(jī)、遠(yuǎn)程雷達(dá)、激光雷達(dá)和超聲波傳感器的信號(hào)，都不斷地輸入模塊并由模塊進(jìn)行處理。

“使用這種類型的域控制器，更容易實(shí)現(xiàn)數(shù)據(jù)融合，”Boulay 說。特斯拉的 Autopilot 硬件采用了類似的方法，“從所有嵌入式傳感器收集數(shù)據(jù)，同時(shí)控制音頻和射頻，以及導(dǎo)航系統(tǒng)?！?/p>

正如 Prystine 項(xiàng)目中所述，解鎖自主性的一個(gè)關(guān)鍵是融合和解釋來自各種傳感器的數(shù)據(jù)，以便系統(tǒng)可以像人類駕駛員一樣看到和理解車輛的周圍環(huán)境。人工智能將越來越多地得到應(yīng)用，所有開發(fā)算法來分析如此大量的異構(gòu)數(shù)據(jù)的公司都有望找到很多機(jī)會(huì)，Boulay 說。對(duì)于制造芯片來處理數(shù)據(jù)的公司來說也是如此。對(duì)計(jì)算能力的需求隨著自治水平的提高而不斷增加。例如，機(jī)器人汽車每秒的運(yùn)算量已經(jīng)超過 250 兆兆字節(jié)，而特斯拉的全自動(dòng)駕駛能力接近 70 TOPS。

算力能否無限提升？對(duì)于完整的 AV，它在什么水平上才算足夠？“一些公司將通過需要中等計(jì)算能力的優(yōu)化系統(tǒng)實(shí)現(xiàn)完全自主，而其他公司可能需要兩倍的計(jì)算能力，”Boulay 說?！爸挥袝r(shí)間會(huì)告訴我們極限在哪里?！?/p>

一些挑戰(zhàn)與傳感器和計(jì)算的功耗有關(guān)，尤其是在電動(dòng)汽車中?！疤幚泶罅繑?shù)據(jù)可能會(huì)對(duì)電動(dòng)汽車的續(xù)航里程產(chǎn)生影響，”Boulay 說?！坝捎诜秶强蛻舻闹饕P(guān)注點(diǎn)，因此這種自主系統(tǒng)必須是節(jié)能的?！?/p>

與傳感器融合相關(guān)的另一個(gè)挑戰(zhàn)是融合不同維度空間（即 2D 和 3D）中的數(shù)據(jù)的能力?！斑@是 OEM 和一級(jí)供應(yīng)商必須回答的關(guān)鍵問題，”Boulay 說?！凹す饫走_(dá)將能夠設(shè)置 3D 場(chǎng)景，攝像頭和雷達(dá)將用于微調(diào)該場(chǎng)景，為圖像帶來色彩，為物體帶來速度。

“這將是相當(dāng)復(fù)雜的實(shí)現(xiàn)，這將是領(lǐng)先者和落后者之間的區(qū)別?！?/p>

審核編輯 黃昊宇