讓自動駕駛汽車注意路況、看懂交通標(biāo)志、檢測對象并為其分類、感知速度/軌跡以及其他車輛并不容易——更重要的是，它必須能自行在地圖上定位，才能確切地知道駕駛的目的地。

   高度自動化的車輛在追蹤周圍環(huán)境時，必須依靠很多傳感器，包括攝像頭、雷達(dá)、超聲波、GPS天線，以及利用光脈沖測距的光達(dá)(Lidar)組件。每一種傳感器都有其優(yōu)缺點。

圖1：安裝在車輛上的一系列傳感器技術(shù)（來源：Yole Développement）

視覺攝像頭　盲點檢測、側(cè)視(無后照鏡車)、行車記錄儀、倒車輔助　立體攝像頭：識別LDWS與標(biāo)志的方向/距離　3D攝像頭　手勢識別　現(xiàn)場檢測、駕駛監(jiān)測　夜視攝像頭　檢測行人/動物　LIDAR　3D周圍地圖　超聲波　停車、行人＆障礙物檢測　航位推算傳感器　測距　短距離雷達(dá)　前&后煞車　長距離雷達(dá)　自動巡航控制我們首先應(yīng)弄清楚如何zui有效地填補傳感器固有的缺陷。第二步可能更為重要，即開發(fā)*策略，將不同的數(shù)據(jù)流結(jié)合起來，使關(guān)鍵信息不至于遺失。每一種傳感器都以自身的畫面更新速率傳送數(shù)據(jù)已經(jīng)是個問題，傳感器融合就更復(fù)雜了——因為有些傳感器提供原始數(shù)據(jù)，而其他傳感器則提供自己的對象數(shù)據(jù)答案。  

2017年，我們看到了感知技術(shù)方面的一連串進(jìn)展。VSI Labs創(chuàng)辦人兼負(fù)責(zé)人Phil Magney表示：“感知是自動駕駛汽車(AV)軟件堆棧的一個主要領(lǐng)域，而且在這方面還有很多創(chuàng)新。”科技公司、一級供貨商和OEM一直急于取得自家公司缺乏或無法自主開發(fā)的傳感器技術(shù)。同時，過去兩年來已經(jīng)出現(xiàn)了多家感知傳感器新創(chuàng)公司，其中有許多都關(guān)注尚處于萌芽階段的自動駕駛汽車市場。英特爾收購ye2

017年汽車行業(yè)zui大的收購交易是英特爾(In)以153億美元買下ye。

由于ye已經(jīng)在駕駛輔助系統(tǒng)(ADAS)和自動駕駛汽車的汽車視覺領(lǐng)域占據(jù)明顯的地位，收購ye之舉使得英特爾在自動駕駛汽車競賽中穩(wěn)居有利地位。尤其是考慮到視覺是自動駕駛汽車中**的傳感器技術(shù)，這項收購案顯得更重要。英特爾表示打算將ye的“計算機視覺、傳感、融合、地圖建構(gòu)和駕駛策略”與英特爾的“開放計算平臺”相結(jié)合。Magney將攝像頭形容為“*的傳感器”，他解釋說，具有以高分辨率采集圖像的能力，才能讓攝像頭更有效地分類對象。

現(xiàn)在的攝像頭還支持彩色顯示。那么弱點呢？Magney補充說：“攝像頭的深度不如光達(dá)。”光達(dá)：zui熱門的領(lǐng)域在所有的傳感器技術(shù)中，光達(dá)是2017年交易量zui大的市場。IHS Markit的汽車電子和半導(dǎo)體資深分析師Akhilesh Kona列舉去年的收購案，如福特(Ford)收購了Princeton Lightwave、通用汽車(General Motors；GM)收購光達(dá)公司Strobe，以及Continental買下Advanced Scientific Concepts (ASC)的光達(dá)業(yè)務(wù)。Magney則稱光達(dá)“仍然是zui熱門的領(lǐng)域”，部分原因是光達(dá)在自動駕駛中有相當(dāng)多用途。他解釋，“高度自動化的車輛需要一個具有定位資產(chǎn)的基本地圖，對此沒有任何東西能夠取代光達(dá)。這是產(chǎn)品得以競爭之處。”光達(dá)市場之所以如此熱門也由于新的激光技術(shù)出現(xiàn)。據(jù)Kona表示，一種波長高于1,400nm的新雷射發(fā)射技術(shù)正興起中。這種新的波長可望為光達(dá)帶來更高分辨率和更遠(yuǎn)射程。他補充說，Princeton Lightwave、Continental 和Luminar Technologies三家公司都在開發(fā)這種新的激光技術(shù)。

圖2：不同類型的光達(dá)技術(shù)比較(來源：IHS Markit）

同時，供貨商也通過開發(fā)各種光束控制技術(shù)，不斷改善光達(dá)的耐用性、尺寸和成本。這些技術(shù)既有機械式也有MEMS和固態(tài)光達(dá)。據(jù)Magney介紹，機械式光達(dá)(如Velodyne 128信道的產(chǎn)品)由于能產(chǎn)生360度點云，非常適合建構(gòu)地圖。但是，對于部署量產(chǎn)車輛，基于固態(tài)組件——MEMS或光相位矩陣(OPA)的光達(dá)非常適合，它們也可以在其視野內(nèi)產(chǎn)生點云。成本更低的閃存(flash)組件也開始崛起。

Magney指出，有些被設(shè)計成距離探測器，且成本低于100美元，但缺點是分辨率有限，無法對對象進(jìn)行分類。毫米波雷達(dá)當(dāng)光達(dá)大步前進(jìn)時，雷達(dá)也并未停下腳步。繼恩智浦半導(dǎo)體(NXP Semiconductors)在2016年推出采用CMOS工藝技術(shù)的77GHz微型雷達(dá)芯片后，德州儀器(Texas Instruments；TI)也在去年進(jìn)軍毫米波(mmWave)雷達(dá)市場。該公司宣稱如今擁有zui小尺寸的CMOS傳感器產(chǎn)品組合。

TI汽車毫米波雷達(dá)傳感器整合RF與模擬功能以及數(shù)字控制于單一芯片中（來源：TI）在雷達(dá)市場，競爭的重點在于尺寸和度。TI如今宣稱可支持“小于4cm測距分辨率的高精度獨立傳感技術(shù)”。Magney表示：“我們對雷達(dá)的進(jìn)展感到滿意。毫米波雷達(dá)正熱。”他評論道：“雷達(dá)的分辨率越來越高，現(xiàn)在已能用于分類物體，這是以前做不到的。”然而，更好的分辨率需要更多信道，這意味著有更多數(shù)據(jù)需要處理。所以，Magney說：“毫米波雷達(dá)需要有專門的處理器來處理這些數(shù)據(jù)，以及產(chǎn)生對象或點云。”此外，毫米波雷達(dá)還需要開發(fā)工具以打造應(yīng)用。否則，龐大的資料難以被理解。

雷達(dá)除了能全天候工作外，其他的評價一向不優(yōu)。傳統(tǒng)的車用雷達(dá)無法看到攝像頭或光達(dá)所能看到的物體。更具體地說，雷達(dá)看不到遠(yuǎn)方的物體，也無法區(qū)別所看到的東西。它們的處理速度不足以達(dá)到行駛于高速公路的要求。模擬波束成形2017年1月成立的新創(chuàng)公司Metawave期望通過其開發(fā)的模擬波束成形技術(shù)來改變現(xiàn)況。Metawave采用PARC將超材料、雷達(dá)和天線商業(yè)化的*授權(quán)，在今年的CES展上推出該公司“完整雷達(dá)套件”的原型。該公司的超材料是布署在PCB上的小型軟件控制工程結(jié)構(gòu)。這些結(jié)構(gòu)據(jù)稱能以特殊的方式控制電磁波束，這在以前通常只有在更大尺寸、更強大和成本更高的軍用系統(tǒng)中才能實現(xiàn)。

Metawave的模擬雷達(dá)技術(shù)基于電子可控天線，使用一根雙端口的天線：其中一個埠連接到Tx或Rx鏈路，另一個埠連接到MCU。MCU透過查找表(LUT)定義和控制天線的波束寬度和方向，從而使Metawave的模擬雷達(dá)實現(xiàn)微秒級速度的掃描（來源：Metawave）Metawave的雷達(dá)套件型兼容于各種雷達(dá)芯片。該公司宣稱其基于超材料的模擬波束成形技術(shù)能地控制雷達(dá)波束，在不犧牲分辨率的情況下提升工作速度和SNR。機器用成像數(shù)據(jù)盡管ye目前仍是汽車視覺領(lǐng)域的，Magney認(rèn)為其他公司也正迎頭趕上。

他說：“任何人都可以獲得相同的成像器，打造適合于圖像識別的攝像頭。但問題是你需要合適的處理器，以及緊密整合的算法。”然而，“如今你可以從幾家芯片公司中選擇一款高性能視覺處理器，并套用自家的算法?；蛘?，你可以用卷積神經(jīng)網(wǎng)絡(luò)(CNN)來完成這項任務(wù)。”Magney總結(jié)道：“目前，自動駕駛汽車制造商已經(jīng)在攝像頭方面作了選擇。

多公司會將人工智能(AI)應(yīng)用于圖像中以取得結(jié)果。”然后是總部位于巴黎的新創(chuàng)公司Chronocam。該公司的傳感器技術(shù)并非針對人類應(yīng)用，而是為機器感知和檢測而打造的。

Chronocam這款以事件為導(dǎo)向的傳感器技術(shù)還很新，尚未用于任何商用車，但已經(jīng)受到業(yè)界關(guān)注了；該公司期望該技術(shù)能*改變當(dāng)今CMOS圖像傳感器市場。例如，雷諾集團(Groupe Renault)于2016年底與Chronocam達(dá)成了戰(zhàn)略發(fā)展協(xié)議。正如Chronocam執(zhí)行官所指，英特爾、英偉達(dá)(Nvidia)等GPU/CPU巨擘仍在試著找出更準(zhǔn)確、更快速處理大量數(shù)據(jù)的*方式。

然而，Chronocam專注的是為機器應(yīng)用簡化和量身打造的成像數(shù)據(jù)采集。事件導(dǎo)向的傳感器目標(biāo)在于顯著減少數(shù)據(jù)負(fù)載，使車輛幾乎可以做出實時決策。定位讓汽車具有“自我意識”的*步是建構(gòu)地圖，并實時匹配至車輛在預(yù)先制作的地圖上看到的內(nèi)容。然后，車輛可以對其位置進(jìn)行三角測量和定位。Magney強調(diào)：“車子必須確切知道要去哪里，才能發(fā)展出‘情境感知’。”換句話說，如果希望高度自動化的車輛能準(zhǔn)確定位，就需要使用光達(dá)。Magney指出，它們需要一個具有定位功能的基本地圖。不過，還有其他方法可以做到這一點。例如Nvidia DriveWorks SDK可實現(xiàn)基于圖像的定位。

DriveWorks工具庫包括地圖定位、HD地圖接口以及自我運動(egomotion)等。實時動態(tài)定位(RTK)是另一種選擇，Magney補充說。RTK可增強來自導(dǎo)航衛(wèi)星系統(tǒng)(如GPS、GLONASS、Galileo和北斗)的位置數(shù)據(jù)度。Magney說：“在一般情況下可能運氣不錯，但在城市地區(qū)，由于RTK需要高度依賴衛(wèi)星，可能無法有效發(fā)揮作用。”同時，英特爾/ye正推廣其用于定位的道路體驗管理(REM)技術(shù)。

ye希望利用基于攝像頭的ADAS系統(tǒng)普遍性，發(fā)揮群體力量實時建立并維護一個的環(huán)境地圖。演示視頻：https://www.youtube。。ｃｏｍ/watch?v=RK8dbq-LfM0新創(chuàng)公司在定位方面也有發(fā)揮的空間。據(jù)悉，DeepMap正致力于L4/L5級自動駕駛汽車解決HD地圖建構(gòu)和定位，以及大數(shù)據(jù)管理方面的挑戰(zhàn)。

Magney指出，DeepMap使用攝像頭圖像和光達(dá)數(shù)據(jù)，有效地改善了目前的數(shù)字地圖。他補充說，該公司計劃推出的是一項服務(wù)，而不只是一款產(chǎn)品。傳感器融合隨著自動駕駛汽車收集到所有的傳感數(shù)據(jù)，zui重要的就是傳感器融合的質(zhì)量。傳感器融合的結(jié)果決定了自動駕駛汽車的決策和行為，也即安全問題。自動駕駛汽車無法僅靠一個傳感器實現(xiàn)安全駕駛，因此必須進(jìn)行傳感器融合。但Magney補充說：“因為你必須同步所有的傳感器信號，所以融合是很困難的。”至于是融合“對象”數(shù)據(jù)還是“原始”數(shù)據(jù)，業(yè)界對此的爭論才剛剛開始，目前還沒有明確的答案。相較于對象數(shù)據(jù)，由于原始數(shù)據(jù)不會在轉(zhuǎn)換過程中發(fā)生遺失，大數(shù)的AI擁護者較支持這種數(shù)據(jù)融合途徑，Magney表示。但他補充說，與原始數(shù)據(jù)融合有關(guān)的問題包括：“你將需要大量的處理；你還需要有GB級的網(wǎng)絡(luò)，才能將這些信號傳送到整個車輛中。”新創(chuàng)公司DeepScale開發(fā)了一種感知技術(shù)，能采集原始數(shù)據(jù)，而非對象數(shù)據(jù)，而且可以在嵌入式處理器上加速傳感器融合。DeepScale現(xiàn)正利用其深度神經(jīng)網(wǎng)絡(luò)(DNN)從頭開始做起——所使用的原始數(shù)據(jù)不僅來自圖像傳感器，還包括雷達(dá)和光達(dá)。 

高低溫交變濕熱試驗箱 技術(shù)規(guī)格：