自動(dòng)駕駛汽車(chē)的未來(lái)趨勢：集中式傳感器融合

現如今，大多數自動(dòng)駕駛汽車(chē)都依靠傳感器融合，即將毫米波雷達、激光雷達和攝像頭的多傳感器數據以一定的準則進(jìn)行分析和綜合來(lái)收集環(huán)境信息。正如自動(dòng)駕駛汽車(chē)行業(yè)巨頭們所證明的那樣，多傳感器融合提高了自動(dòng)駕駛汽車(chē)系統的性能，讓車(chē)輛出行更安全。

但并非所有的傳感器融合都會(huì )產(chǎn)生相同的效果。雖然許多自動(dòng)駕駛汽車(chē)制造商依靠 "目標級"的傳感器融合，但只有集中式傳感器前融合才能為自動(dòng)駕駛系統提供最佳駕駛決策所需的信息。接下來(lái)我們將進(jìn)一步解釋目標級融合和集中式傳感器前融合之間的區別，以及解釋證明集中式前融合不可或缺的原因。

集中式傳感器前融合保留了原始傳感器數據可做出更精確的決策

自動(dòng)駕駛系統通常依靠一套專(zhuān)門(mén)的傳感器來(lái)收集關(guān)于其環(huán)境的底層原始數據。每種類(lèi)型的傳感器都有優(yōu)勢和劣勢，如圖所示：

融合了毫米波雷達、激光雷達和攝像頭多傳感器后可最大限度地提升所收集數據的質(zhì)量和數量，從而生成完整的環(huán)境圖像。

多傳感器融合，相對于傳感器單獨處理的優(yōu)勢已經(jīng)被自動(dòng)駕駛汽車(chē)制造商普遍接受，但這種融合的方式通常發(fā)生在 “目標級”的后處理階段。在這種模式下，物體數據的收集、處理、融合和分類(lèi)都發(fā)生在傳感器層面。然而，數據綜合處理前，單個(gè)傳感器通過(guò)對信息的預先分別過(guò)濾，使得對自動(dòng)駕駛決策所需的背景信息也幾乎都被剔除了，這使得目標級融合很難滿(mǎn)足未來(lái)的自動(dòng)駕駛算法的需要。

集中式傳感器前融合則很好地規避了此類(lèi)風(fēng)險。毫米波雷達、激光雷達和攝像頭傳感器將底層原始數據發(fā)送到車(chē)輛中央域控制器進(jìn)行處理。這種方法最大限度地提高了自動(dòng)駕駛系統獲取的信息量，使得算法能夠獲取全部的有價(jià)值的信息，從而能夠實(shí)現比目標級融合提供更好的決策。

AI增強型毫米波雷達通過(guò)集中化處理大幅提升自動(dòng)駕駛系統的性能

如今，自動(dòng)駕駛系統已經(jīng)集中式處理攝像頭數據。但當涉及到毫米波雷達數據時(shí)，集中化處理仍然是不現實(shí)的。高性能的毫米波雷達通常需要數百個(gè)天線(xiàn)通道，這就大幅增加了產(chǎn)生的數據量。因此，本地處理就成了一個(gè)更具性?xún)r(jià)比的選擇。

然而，安霸的 AI 增強的毫米波雷達感知算法在不需要額外物理天線(xiàn)的情況下，可以提高雷達角分辨率和性能。來(lái)自較少信道的原始雷達數據可以通過(guò)使用標準汽車(chē)以太網(wǎng)等接口，以較低的成本傳送到中央處理器。當自動(dòng)駕駛系統將原始的 AI 增強雷達數據與原始攝像頭數據相融合時(shí)，它們就能充分利用這兩種互補的傳感方式來(lái)建立一個(gè)完整的環(huán)境圖像，使融合后的結果更加全面，超越任何單一傳感器所獲得的信息。

毫米波雷達的更新迭代有助于降低成本，也大幅地提高自動(dòng)駕駛系統的性能。傳統的低成本雷達量產(chǎn)時(shí)，每個(gè)毫米波雷達的價(jià)格可以低于 50 美元，比激光雷達的目標成本低一個(gè)數量級。與無(wú)處不在的低成本攝像頭傳感器相結合，AI 雷達提供了可接受的精確度，這對大規模商業(yè)化的自動(dòng)駕駛汽車(chē)量產(chǎn)至關(guān)重要。而激光雷達傳感器與運行 AI 算法的攝像頭/毫米波雷達感知融合系統相重疊，如果激光雷達的成本逐漸下降，將可作為攝像頭 + 毫米波雷達在 L4/L5 自動(dòng)駕駛系統中的安全冗余。

算法優(yōu)先的中央處理架構深化傳感器融合以?xún)?yōu)化自動(dòng)駕駛系統性能

現行的目標級傳感器融合有一定局限性。這是因為前端傳感器都帶有本地處理器，從而限制了每個(gè)智能傳感器的尺寸、功耗和資源分布，從而進(jìn)一步限制了整個(gè)自動(dòng)駕駛系統的性能。此外，大量數據處理會(huì )快速耗盡車(chē)輛的動(dòng)力并縮短其行駛里程。

相反，算法優(yōu)先的中央處理架構實(shí)現了我們稱(chēng)之為深度、集中式的傳感器前融合。該技術(shù)利用最先進(jìn)的半導體工藝節點(diǎn)優(yōu)化了自動(dòng)駕駛系統的性能，這主要是因為該技術(shù)在所有傳感器上動(dòng)態(tài)分布的處理能力，以及能根據駕駛場(chǎng)景提升不同傳感器和數據動(dòng)向的性能。通過(guò)獲取高質(zhì)量、底層原始數據，中央處理器可以做出更智能、更準確的駕駛決策。

自動(dòng)駕駛汽車(chē)制造商可以使用低功耗毫米波雷達和攝像頭傳感器，并結合尖端的算法優(yōu)先的特定應用處理器，如安霸最近宣布的 5 納米制程 CV3 AI 大算力域控制芯片，具備最佳感知和路徑規劃性能、具有最高的能效比，顯著(zhù)增加每輛自動(dòng)駕駛汽車(chē)行駛里程的同時(shí)，降低電池消耗。

不要拋棄傳感器——投資于它們的融合

自動(dòng)駕駛系統需要多樣化的數據才能做出正確的駕駛決策，只有深度、集中式的傳感器融合才能提供最佳自動(dòng)駕駛系統的性能和安全所需的廣泛數據。在我們的理想模型中…

1.   低功耗、AI 增強的毫米波雷達和攝像頭傳感器在本地與自動(dòng)駕駛汽車(chē)外圍的嵌入式處理器相連。

2.   嵌入式處理器將原始檢測級對象數據發(fā)送到中央域SoC。

3.   使用 AI、中央域處理器分析組合的數據以識別物體，做出駕駛決策。

集中式傳感器前融合可以改進(jìn)現有的高層級融合架構，讓使用傳感器融合的自動(dòng)駕駛汽車(chē)強大而可靠。為了獲得這些好處，自動(dòng)駕駛汽車(chē)制造商必須投資算法優(yōu)先的中央處理器，以及支持 AI 的毫米波雷達和攝像頭傳感器。通過(guò)多方努力，AI 制造商可以迎來(lái)下一階段的自動(dòng)駕駛汽車(chē)發(fā)展的技術(shù)變革。