自動(dòng)駕駛日趨完善的的傳感器之路

　　自動(dòng)駕駛車(chē)輛按定義可以包括三種主要系統組件。第一種，負責感知車(chē)輛周?chē)沫h(huán)境;第二種，測繪車(chē)輛周?chē)沫h(huán)境，然后使其能夠在任何時(shí)間確定其位置;第三種，在各種行車(chē)場(chǎng)景下負責自動(dòng)駕駛車(chē)輛的決策能力。

　　圍繞自動(dòng)駕駛車(chē)輛新技術(shù)應用的一個(gè)重要問(wèn)題，是哪種類(lèi)型的傳感器或傳感器組合能夠提供最佳的價(jià)格和性能。這個(gè)問(wèn)題很復雜，因為只有在用于控制車(chē)輛的系統能力得到表征之后，才能按要求選擇用于執行特定任務(wù)的傳感器。

　　自動(dòng)駕駛車(chē)輛按定義可以包括三種主要系統組件。第一種，負責感知車(chē)輛周?chē)沫h(huán)境;第二種，測繪車(chē)輛周?chē)沫h(huán)境，然后使其能夠在任何時(shí)間確定其位置;第三種，在各種行車(chē)場(chǎng)景下負責自動(dòng)駕駛車(chē)輛的決策能力。

　　根據當前主要汽車(chē)廠(chǎng)商和眾多第三方供應商所進(jìn)行的研究，業(yè)界似乎已經(jīng)達成某種共識，即自動(dòng)駕駛汽車(chē)需要應用多種類(lèi)型的傳感器，以感知并測繪車(chē)輛周?chē)沫h(huán)境。Robert Bosch(羅伯特·博世)、Aptiv(安波福，拆分自德?tīng)柛?和Continental(大陸)的工程師都認為自動(dòng)駕駛汽車(chē)需要利用雷達、攝像頭以及激光雷達(LiDAR)系統來(lái)捕獲數據。

　　這些傳感器技術(shù)可以相互補充，在白天和夜晚、雨、霧或雪等天氣中提供最佳的可靠性。事實(shí)上，Ford(福特)、General Motors(通用汽車(chē))、Volkswagen(大眾)和Nissan(日產(chǎn))等主要汽車(chē)廠(chǎng)商的開(kāi)發(fā)人員似乎也都對此表示認可，因為它們都相繼展示了采用各種類(lèi)型傳感器的自動(dòng)駕駛汽車(chē)。

　　大多數廠(chǎng)商的自動(dòng)駕駛試驗車(chē)輛均采用了包括攝像頭、雷達和LiDAR在內的多種傳感器技術(shù)

　　攝像頭、雷達和LiDAR

　　據麥姆斯咨詢(xún)報道，2022年預計自動(dòng)駕駛汽車(chē)市場(chǎng)應用的激光雷達市場(chǎng)營(yíng)收將達到16億美元，雷達市場(chǎng)營(yíng)收將達到4400萬(wàn)美元，攝像頭市場(chǎng)營(yíng)收將達到6億美元。

　　通常，攝像頭構成了大多數汽車(chē)傳感系統的核心，它們能夠捕捉車(chē)輛周?chē)h(huán)境360°視場(chǎng)(FOV)的完整圖像。當然，也可以使用24GHz短程雷達(SRR)，以及77GHz頻段的遠程雷達(LRR)系統。另一方面，LiDAR系統可提供最遠300米、360°視場(chǎng)范圍內，垂直和水平分辨率高達0.1°的實(shí)時(shí)3D數據。

　　裝配在車(chē)輛中使用時(shí)，LiDAR系統可以從車(chē)輛周?chē)潭ê鸵苿?dòng)的物體捕捉密集的3D點(diǎn)云數據。而發(fā)射和接收無(wú)線(xiàn)電波而非激光的雷達系統，可以與LiDAR系統互補，因為它們可以用于提供低反射率物體的速度和方位數據。遠程雷達傳感器可以跟蹤高速物體(例如迎面駛來(lái)的車(chē)輛)，而短程雷達傳感器則可以提供車(chē)輛附近的移動(dòng)物體的豐富信息。另一方面，攝像頭則可以測量物體反射或發(fā)射的光，進(jìn)一步增強車(chē)輛周?chē)矬w本身的細節。

　　自動(dòng)駕駛車(chē)輛如果包含所有上述類(lèi)型的傳感器，可以確保其中一種傳感器的固有技術(shù)局限，能夠被一個(gè)或多個(gè)其他傳感器的優(yōu)勢所補償。然而，如果采用這種方案，那么問(wèn)題就在于必須開(kāi)發(fā)一種車(chē)載處理模型，來(lái)處理由各種傳感器捕獲的大量數據。

　　數據融合

　　處理這一難題的一種方案，是將來(lái)自車(chē)輛上的多個(gè)傳感器源的數據，在處理之前在空間上、幾何上和時(shí)間上進(jìn)行對準融合，這會(huì )帶來(lái)一個(gè)龐大的單個(gè)傳感系統。這種方案可以使一個(gè)或多個(gè)車(chē)載處理器，在某個(gè)傳感器探測不夠準確時(shí)，估算自動(dòng)駕駛車(chē)輛的狀態(tài)。另一種方案，是設計多個(gè)獨立的傳感器處理系統，每個(gè)系統都可以自行支持完全自動(dòng)駕駛。然而，無(wú)論采用哪種方案，都需要具備多功能、冗余和失效運行的系統架構，來(lái)實(shí)現自動(dòng)駕駛。

　　博世的工程師正在開(kāi)發(fā)一種自動(dòng)駕駛車(chē)輛網(wǎng)絡(luò )，該網(wǎng)絡(luò )可以將來(lái)自車(chē)輛中所有傳感器的數據在一種被稱(chēng)為“傳感器融合”的過(guò)程中進(jìn)行整合。這些傳感器數據由車(chē)輛中的電子控制單元評估，以規劃車(chē)輛的行駛路徑。為了實(shí)現安全性和可靠性最大化，必要的計算工作由許多并行工作的處理器共同完成。

　　不過(guò)，Intel(英特爾)/Mobileye的工程師則正在開(kāi)發(fā)一種不同的方案，來(lái)努力攻克他們認為不能擴展，因而成本很高的一種自動(dòng)駕駛車(chē)輛控制系統。

　　英特爾/Mobileye提出了一種完整的數學(xué)模型，以確保自動(dòng)駕駛汽車(chē)以安全的方式運行。這種被稱(chēng)為“Responsibility-Sensitive Safety(RSS)”的模型，為人類(lèi)的責任和謹慎概念提供了具體且可衡量的參數，并定義了一種“安全狀態(tài)”，旨在無(wú)論其他車(chē)輛采取何種反應和行為，防止自動(dòng)駕駛車(chē)輛成為事故的誘因。

　　多傳感系統

　　他們已經(jīng)展示了一種僅配備攝像頭的自動(dòng)駕駛汽車(chē)，作為其策略的一部分，將包括在公司構建的所謂的“真正冗余”的系統中?，F在，他們打算構建一個(gè)由多個(gè)獨立設計的傳感系統組成的傳感系統，以補充基于攝像頭的系統，其中也包括了雷達和LiDAR。來(lái)自攝像頭的數據融合將用于定位車(chē)輛，來(lái)自雷達和LiDAR的數據融合將在規劃車(chē)輛軌跡的后期使用。與最初融合來(lái)自攝像頭、雷達/LiDAR的原始數據相比，每個(gè)系統都能夠自行支持完全自動(dòng)駕駛。

　　除了感測車(chē)輛周?chē)沫h(huán)境之外，安裝在自動(dòng)駕駛車(chē)輛上的傳感器套件還將負責周?chē)h(huán)境的測繪，使車(chē)輛能夠在任何時(shí)間確定其所在的位置。目前已經(jīng)采用的一種方案，是記錄由LiDAR先前捕獲的3D點(diǎn)云以創(chuàng )建地圖，然后通過(guò)將車(chē)輛LiDAR行駛中獲得的3D點(diǎn)云與地圖上的3D點(diǎn)進(jìn)行比較，來(lái)定位車(chē)輛的位置。

　　另一種方案，也就是英特爾/Mobileye所支持的方案，是充分利用已配備攝像頭和特定軟件的大量車(chē)輛，其軟件可以檢測車(chē)輛周?chē)幸饬x的物體。這種方案將帶來(lái)基于眾包的地圖創(chuàng )建，然后將其上傳到云端。然后，所有自動(dòng)駕駛車(chē)輛可以通過(guò)蜂窩網(wǎng)絡(luò )等現有通信平臺接收這些地圖數據。

　　由眾多傳感器捕獲的如此大量的數據，將需要新的車(chē)載計算基礎設施，來(lái)實(shí)現大規模數據的車(chē)輛內傳輸。

　　據ABI Research自動(dòng)駕駛高級分析師James Hodgson稱(chēng)，由攝像頭、雷達、LiDAR以及超聲波傳感系統等多種傳感器產(chǎn)生的數據量，每8小時(shí)可達到32TB。為了定義可以處理如此高數據速率的基礎設施，Aquantia、博世、大陸、NVIDIA(英偉達)和大眾汽車(chē)建立了自動(dòng)駕駛汽車(chē)網(wǎng)絡(luò )(Networking for Autonomous Vehicles， NAV)聯(lián)盟。通過(guò)合作，這些公司計劃在自動(dòng)駕駛汽車(chē)內部搭建數千兆位的以太網(wǎng)，同時(shí)解決與噪音和抗擾、功耗、可靠性以及安全標準相關(guān)的挑戰。

　　車(chē)載數據處理系統

　　最后，為了安全進(jìn)行驗證和認證，車(chē)輛計算架構中的車(chē)載系統，存在如何處理來(lái)自傳感器的數據，以使車(chē)輛能夠在各種駕駛場(chǎng)景下恰當運行的問(wèn)題。車(chē)輛僅能夠感知其環(huán)境并實(shí)現定位是不夠的，它還必須能夠基于所獲取的數據進(jìn)行路徑規劃并執行。

　　不用說(shuō)，在這方面人工智能(AI)系統的作用將變得越來(lái)越普遍，人工智能將使車(chē)輛能夠獲得可能發(fā)生的眾多潛在交通狀況的完整認知。這種在交通狀況中學(xué)習的系統過(guò)程被稱(chēng)為“深度學(xué)習”，并從中得出自己的推論，從而提供一系列行動(dòng)方案。然而，由于這種人工智能系統的運行概率問(wèn)題，因此業(yè)界擔心它們的可靠性可能不夠。

　　為此，Mobileye等公司正在人工智能決策解決方案之上，增加一個(gè)單獨的、確定性的軟件層。Mobileye的RSS模型將人類(lèi)安全駕駛的理念，形式化為具有邏輯上可證明的可驗證模型，定義恰當的響應，并確保自動(dòng)駕駛車(chē)輛僅做出安全的決策。其模型本身負責基于來(lái)自路徑規劃系統的結果來(lái)驗證車(chē)輛的軌跡，路徑規劃系統則基于車(chē)輛傳感器獲取的數據創(chuàng )建行動(dòng)計劃。

　　安全驗證和認證

　　顯然，無(wú)論在自動(dòng)駕駛車(chē)輛中使用何種軟件，都需要進(jìn)行驗證和認證，以確保自動(dòng)駕駛車(chē)輛做出的決策是安全的。事實(shí)上，自動(dòng)駕駛車(chē)輛可能會(huì )遇到各種各樣的潛在行駛狀況，在這種車(chē)輛中驗證所使用的軟件采用何種適當的安全等級所涉及的挑戰，可能是工程師面臨的最大挑戰之一。特別是考慮到所使用的許多人工智能軟件系統本質(zhì)上是非確定性的，因此測試很困難。

　　因此，雖然一些供應商可能會(huì )認為創(chuàng )造真正的自動(dòng)駕駛汽車(chē)的技術(shù)挑戰已經(jīng)解決，但自動(dòng)駕駛功能仍然依賴(lài)于廣泛的軟件驗證，更不用說(shuō)監管部門(mén)的批準了。直到這些問(wèn)題也被解決，完全自動(dòng)駕駛車(chē)輛本身，可能還需要幾年時(shí)間。