【導讀】現如今，大多數自動駕駛汽車都依靠傳感器融合，即將毫米波雷達
、激(ji)光(guang)雷(lei)達(da)和(he)攝(she)像(xiang)頭(tou)的(de)多(duo)傳(chuan)感(gan)器(qi)數(shu)據(ju)以(yi)一(yi)定(ding)的(de)準(zhun)則(ze)進(jin)行(xing)分(fen)析(xi)和(he)綜(zong)合(he)來(lai)收(shou)集(ji)環(huan)境(jing)信(xin)息(xi)。正(zheng)如(ru)自(zi)動(dong)駕(jia)駛(shi)汽(qi)車(che)行(xing)業(ye)巨(ju)頭(tou)們(men)所(suo)證(zheng)明(ming)的(de)那(na)樣(yang)，多(duo)傳(chuan)感(gan)器(qi)融(rong)合(he)提(ti)高(gao)了(le)自(zi)動(dong)駕(jia)駛(shi)汽(qi)車(che)係(xi)統(tong)的(de)性(xing)能(neng)，讓(rang)車(che)輛(liang)出(chu)行(xing)更(geng)安(an)全(quan)。

但並非所有的傳感器融合都會產生相同的效果。雖然許多自動駕駛汽車製造商依靠 "目標級"的(de)傳(chuan)感(gan)器(qi)融(rong)合(he)
，但(dan)隻(zhi)有(you)集(ji)中(zhong)式(shi)傳(chuan)感(gan)器(qi)前(qian)融(rong)合(he)才(cai)能(neng)為(wei)自(zi)動(dong)駕(jia)駛(shi)係(xi)統(tong)提(ti)供(gong)最(zui)佳(jia)駕(jia)駛(shi)決(jue)策(ce)所(suo)需(xu)的(de)信(xin)息(xi)。接(jie)下(xia)來(lai)我(wo)們(men)將(jiang)進(jin)一(yi)步(bu)解(jie)釋(shi)目(mu)標(biao)級(ji)融(rong)合(he)和(he)集(ji)中(zhong)式(shi)傳(chuan)感(gan)器(qi)前(qian)融(rong)合(he)之(zhi)間(jian)的(de)區(qu)別(bie)
，以(yi)及(ji)解(jie)釋(shi)證(zheng)明(ming)集(ji)中(zhong)式(shi)前(qian)融(rong)合(he)不(bu)可(ke)或(huo)缺(que)的(de)原(yuan)因(yin)。

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

自動駕駛係統通常依靠一套專門的傳感器來收集關於其環境的底層原始數據。每種類型的傳感器都有優勢和劣勢，如圖所示：

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

多傳感器融合，相對於傳感器單獨處理的優勢已經被自動駕駛汽車製造商普遍接受

，但這種融合的方式通常發生在 “目標級”的後處理階段。在這種模式下，物體數據的收集
、處理
、融(rong)合(he)和(he)分(fen)類(lei)都(dou)發(fa)生(sheng)在(zai)傳(chuan)感(gan)器(qi)層(ceng)麵(mian)。然(ran)而(er)，數(shu)據(ju)綜(zong)合(he)處(chu)理(li)前(qian)，單(dan)個(ge)傳(chuan)感(gan)器(qi)通(tong)過(guo)對(dui)信(xin)息(xi)的(de)預(yu)先(xian)分(fen)別(bie)過(guo)濾(lv)，使(shi)得(de)對(dui)自(zi)動(dong)駕(jia)駛(shi)決(jue)策(ce)所(suo)需(xu)的(de)背(bei)景(jing)信(xin)息(xi)也(ye)幾(ji)乎(hu)都(dou)被(bei)剔(ti)除(chu)了(le)
，這(zhe)使(shi)得(de)目(mu)標(biao)級(ji)融(rong)合(he)很(hen)難(nan)滿(man)足(zu)未(wei)來(lai)的(de)自(zi)動(dong)駕(jia)駛(shi)算(suan)法(fa)的(de)需(xu)要(yao)。

集中式傳感器前融合則很好地規避了此類風險。毫米波雷達、激(ji)光(guang)雷(lei)達(da)和(he)攝(she)像(xiang)頭(tou)傳(chuan)感(gan)器(qi)將(jiang)底(di)層(ceng)原(yuan)始(shi)數(shu)據(ju)發(fa)送(song)到(dao)車(che)輛(liang)中(zhong)央(yang)域(yu)控(kong)製(zhi)器(qi)進(jin)行(xing)處(chu)理(li)。這(zhe)種(zhong)方(fang)法(fa)最(zui)大(da)限(xian)度(du)地(di)提(ti)高(gao)了(le)自(zi)動(dong)駕(jia)駛(shi)係(xi)統(tong)獲(huo)取(qu)的(de)信(xin)息(xi)量(liang)，使(shi)得(de)算(suan)法(fa)能(neng)夠(gou)獲(huo)取(qu)全(quan)部(bu)的(de)有(you)價(jia)值(zhi)的(de)信(xin)息(xi)，從(cong)而(er)能(neng)夠(gou)實(shi)現(xian)比(bi)目(mu)標(biao)級(ji)融(rong)合(he)提(ti)供(gong)更(geng)好(hao)的(de)決(jue)策(ce)。

AI增強型毫米波雷達通過集中化處理大幅提升自動駕駛係統的性能

如(ru)今(jin)，自(zi)動(dong)駕(jia)駛(shi)係(xi)統(tong)已(yi)經(jing)集(ji)中(zhong)式(shi)處(chu)理(li)攝(she)像(xiang)頭(tou)數(shu)據(ju)。但(dan)當(dang)涉(she)及(ji)到(dao)毫(hao)米(mi)波(bo)雷(lei)達(da)數(shu)據(ju)時(shi)
，集(ji)中(zhong)化(hua)處(chu)理(li)仍(reng)然(ran)是(shi)不(bu)現(xian)實(shi)的(de)。高(gao)性(xing)能(neng)的(de)毫(hao)米(mi)波(bo)雷(lei)達(da)通(tong)常(chang)需(xu)要(yao)數(shu)百(bai)個(ge)天(tian)線(xian)通(tong)道(dao)，這(zhe)就(jiu)大(da)幅(fu)增(zeng)加(jia)了(le)產(chan)生(sheng)的(de)數(shu)據(ju)量(liang)。因(yin)此(ci)，本(ben)地(di)處(chu)理(li)就(jiu)成(cheng)了(le)一(yi)個(ge)更(geng)具(ju)性(xing)價(jia)比(bi)的(de)選(xuan)擇(ze)。

然而
，安霸的 AI zengqiangdehaomiboleidaganzhisuanfazaibuxuyaoewaiwulitianxiandeqingkuangxia，keyitigaoleidajiaofenbianlvhexingneng。laizijiaoshaoxindaodeyuanshileidashujukeyitongguoshiyongbiaozhunqicheyitaiwangdengjiekou，yijiaodidechengbenchuansongdaozhongyangchuliqi。dangzidongjiashixitongjiangyuanshide AI 增(zeng)強(qiang)雷(lei)達(da)數(shu)據(ju)與(yu)原(yuan)始(shi)攝(she)像(xiang)頭(tou)數(shu)據(ju)相(xiang)融(rong)合(he)時(shi)，它(ta)們(men)就(jiu)能(neng)充(chong)分(fen)利(li)用(yong)這(zhe)兩(liang)種(zhong)互(hu)補(bu)的(de)傳(chuan)感(gan)方(fang)式(shi)來(lai)建(jian)立(li)一(yi)個(ge)完(wan)整(zheng)的(de)環(huan)境(jing)圖(tu)像(xiang)，使(shi)融(rong)合(he)後(hou)的(de)結(jie)果(guo)更(geng)加(jia)全(quan)麵(mian)，超(chao)越(yue)任(ren)何(he)單(dan)一(yi)傳(chuan)感(gan)器(qi)所(suo)獲(huo)得(de)的(de)信(xin)息(xi)。

毫hao米mi波bo雷lei達da的de更geng新xin迭die代dai有you助zhu於yu降jiang低di成cheng本ben，也ye大da幅fu地di提ti高gao自zi動dong駕jia駛shi係xi統tong的de性xing能neng。傳chuan統tong的de低di成cheng本ben雷lei達da量liang產chan時shi
，每mei個ge毫hao米mi波bo雷lei達da的de價jia格ge可ke以yi低di於yu 50 美元，比激光雷達的目標成本低一個數量級。與無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，這對大規模商業化的自動駕駛汽車量產至關重要。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係統相重疊，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 自動駕駛係統中的安全冗餘。

算法優先的中央處理架構深化傳感器融合以優化自動駕駛係統性能

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

，從而限製了每個智能傳感器的尺寸
、功耗和資源分布，從而進一步限製了整個自動駕駛係統的性能。此外
，大量數據處理會快速耗盡車輛的動力並縮短其行駛裏程。

相反，算法優先的中央處理架構實現了我們稱之為深度、集(ji)中(zhong)式(shi)的(de)傳(chuan)感(gan)器(qi)前(qian)融(rong)合(he)。該(gai)技(ji)術(shu)利(li)用(yong)最(zui)先(xian)進(jin)的(de)半(ban)導(dao)體(ti)工(gong)藝(yi)節(jie)點(dian)優(you)化(hua)了(le)自(zi)動(dong)駕(jia)駛(shi)係(xi)統(tong)的(de)性(xing)能(neng)，這(zhe)主(zhu)要(yao)是(shi)因(yin)為(wei)該(gai)技(ji)術(shu)在(zai)所(suo)有(you)傳(chuan)感(gan)器(qi)上(shang)動(dong)態(tai)分(fen)布(bu)的(de)處(chu)理(li)能(neng)力(li)
，以(yi)及(ji)能(neng)根(gen)據(ju)駕(jia)駛(shi)場(chang)景(jing)提(ti)升(sheng)不(bu)同(tong)傳(chuan)感(gan)器(qi)和(he)數(shu)據(ju)動(dong)向(xiang)的(de)性(xing)能(neng)。通(tong)過(guo)獲(huo)取(qu)高(gao)質(zhi)量(liang)、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。

自動駕駛汽車製造商可以使用低功耗毫米波雷達和攝像頭傳感器，並結合尖端的算法優先的特定應用處理器，如安霸最近宣布的 5 納米製程 CV3 AI 大算力域控製芯片，具備最佳感知和路徑規劃性能、具有最高的能效比
，顯著增加每輛自動駕駛汽車行駛裏程的同時，降低電池消耗。

不要拋棄傳感器——投資於它們的融合

自動駕駛係統需要多樣化的數據才能做出正確的駕駛決策，隻有深度、集中式的傳感器融合才能提供最佳自動駕駛係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駕駛汽車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。

jizhongshichuanganqiqianronghekeyigaijinxianyoudegaocengjironghejiagou，rangshiyongchuanganqironghedezidongjiashiqicheqiangdaerkekao。weilehuodezhexiehaochu，zidongjiashiqichezhizaoshangbixutouzisuanfayouxiandezhongyangchuliqi，yijizhichi AI 的毫米波雷達和攝像頭傳感器。通過多方努力，AI 製造商可以迎來下一階段的自動駕駛汽車發展的技術變革。

作者：前歐寶和德國大陸集團CEO，Karl-Thomas Neumann,

以及安霸雷達技術副總裁兼總經理Steven Hong

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻
、圖片、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

揭秘SMD保險絲：尺寸雖然小


，功能不打折
，它們是如何做到的


？

電源噪聲對高速DAC相位噪聲影響有多大？如何消除它
？

整流電容濾波負載原理——看似簡單的整流電路詳解（四）

讓數字預失真的故障排除和微調不再難 必備攻略請查收

GaN HEMT 大信號模型