就像最初的登月一樣，在通往安全自動(dòng)駕駛車(chē)輛的道路上還存在許多障礙。最近發(fā)生的涉及自動(dòng)駕駛車(chē)輛的事故助長(cháng)了唱反調者的聲勢，他們認為車(chē)輛及其行駛環(huán)境太復雜，變數太多，而算法和軟件仍然錯誤太多。對于參與了ISO26262功能安全合規性驗證的任何人來(lái)說(shuō)，他們對此持懷疑態(tài)度是可以理解的。這種懷疑態(tài)度有相關(guān)數據的支持，下圖比較了2017年在硅谷測試的五家自動(dòng)駕駛車(chē)輛公司的實(shí)際行駛里程數和脫離自動(dòng)駕駛模式的次數（圖1）。2019年的數據尚未匯總，但個(gè)別公司的報告可在網(wǎng)上查閱。

 

圖1. 五大自動(dòng)駕駛制造商在加州的測試數據：每次脫離人為接管后自動(dòng)駕駛系統的平均行駛英里數（2017年12月至2018年10月）。在這段時(shí)間內，總共有28家公司主動(dòng)在在加州的公眾場(chǎng)合對車(chē)輛進(jìn)行了測試。期間，在自動(dòng)駕駛模式下共行駛2,036,296英里，發(fā)生143,720次人為接管。

 

但是目標已經(jīng)很明確，當務(wù)之急是要在自動(dòng)駕駛即將到來(lái)之時(shí)，保障至關(guān)重要的安全性。加州車(chē)輛管理局(DMV)2018年的非官方數據顯示，同等英里數下，自動(dòng)駕駛模式的人為接管次數正在減少，這也表明自動(dòng)駕駛系統正變得越來(lái)越強大。而這種趨勢需要進(jìn)一步加快。

 

通過(guò)將協(xié)作和新思維放在第一位，汽車(chē)制造商將直接與芯片供應商洽談；傳感器制造商將與AI算法開(kāi)發(fā)人員討論傳感器融合；而軟件開(kāi)發(fā)人員將與硬件提供商建立聯(lián)系，充分發(fā)揮兩者的優(yōu)勢。舊的關(guān)系正在改變，新的關(guān)系正在動(dòng)態(tài)地形成，以?xún)?yōu)化最終設計的性能、功能、可靠性、成本和安全性。

 

生態(tài)系統正在尋求合適的模式，以便在此基礎上制造和測試全自動(dòng)駕駛車(chē)輛，用于快速涌現的新應用，如自動(dòng)駕駛出租車(chē)(robo-taxi)和長(cháng)途貨車(chē)。在此過(guò)程中，高級駕駛輔助系統(ADAS)所使用的傳感器不斷改進(jìn)，使得自動(dòng)化程度快速提高。

 

圖2. 用于A(yíng)DAS感知和車(chē)輛導航的各種傳感技術(shù)往往獨立工作，并向駕駛員發(fā)出預警，以便做出反應。

 

這些傳感器技術(shù)包括攝像頭、激光探測與測距(LiDAR)、無(wú)線(xiàn)電探測與測距(radar)、微機電傳感器(MEMS)、慣性測量單元(IMU)、超聲波和GPS，所有這些都為人工智能系統提供關(guān)鍵的數據輸入，從而驅動(dòng)真正的自動(dòng)駕駛車(chē)輛。

 

車(chē)輛的認知能力是預測性安全的基石

 

車(chē)輛的智能化程度通常用自動(dòng)駕駛級別來(lái)表示。L1和L2主要是預警系統，而L3或更高級別的車(chē)輛被授權控制以避免事故。隨著(zhù)車(chē)輛發(fā)展到L5，方向盤(pán)將被取消，車(chē)輛完全自動(dòng)駕駛。

 

在最初的幾代系統中，隨著(zhù)車(chē)輛開(kāi)始具備L2功能，各個(gè)傳感器系統獨立工作。這些預警系統誤報率較高，帶來(lái)了不少麻煩，因此經(jīng)常被關(guān)閉。

 

為了實(shí)現具有認知能力的全自動(dòng)駕駛車(chē)輛，傳感器的數量將顯著(zhù)增加。此外，性能和響應速度也必須大幅提升（圖3、圖4）。

 

圖3. 為了確保自動(dòng)駕駛車(chē)輛的安全，必須充分探測當前和歷史狀態(tài)、環(huán)境特性以及車(chē)輛自身狀態(tài)（位置、速度、軌跡和機械狀況）。

 

圖4. 自動(dòng)駕駛等級和傳感器要求。

 

將更多傳感器安裝在車(chē)輛上后，還可以更好地監控和分析當前機械狀況，如胎壓、重量變化（例如，負載和無(wú)負載、一名乘客或五名乘客），以及可能影響制動(dòng)和操控的其他磨損因素。有了更多的外部傳感方式，車(chē)輛可以更充分地感知其行駛狀況和周?chē)h(huán)境。

 

傳感方式的改進(jìn)使汽車(chē)能夠識別環(huán)境的當前狀態(tài)，并了解歷史狀態(tài)。這來(lái)自于ENSCO航空航天科學(xué)和工程部首席技術(shù)官Joseph Motola開(kāi)發(fā)的原理。這種傳感能力既可以完成一些簡(jiǎn)單的任務(wù)，例如探查道路狀況，識別坑洼位置，也可以進(jìn)行一些詳細分析，比如一段時(shí)間內在特定區域發(fā)生的事故類(lèi)型以及事故原因。

 

在產(chǎn)生這些認知概念時(shí)，由于感測、處理、內存容量和網(wǎng)絡(luò )連接的限制，使它們看起來(lái)似乎遙不可及。但現在情況已經(jīng)大有改觀(guān)?，F在，系統可以訪(fǎng)問(wèn)這些歷史數據，并將其與車(chē)輛傳感器提供的實(shí)時(shí)數據相結合，以提供越來(lái)越準確的預防性措施，避免發(fā)生事故。

 

例如，IMU可以檢測到因坑洼或障礙物引起的突然躍起或偏離。過(guò)去，這些信息無(wú)處傳輸，但現在通過(guò)實(shí)時(shí)連接，可將這些數據發(fā)送到中央數據庫，并用于警告其他車(chē)輛有關(guān)坑洼或障礙物的信息。攝像頭、雷達、激光雷達和其他傳感器數據也是如此。

 

這些數據經(jīng)過(guò)編譯、分析和融合，使車(chē)輛能夠利用這些數據對其行駛環(huán)境作出預判。這使車(chē)輛能夠成為一臺有學(xué)習能力的機器，有望做出比人類(lèi)更好、更安全的決策。

 

多方面決策和分析

 

在提高車(chē)輛感知方面，現已取得了很大的進(jìn)展。重點(diǎn)在于從各個(gè)傳感器收集數據，并應用傳感器融合策略，將互補優(yōu)勢發(fā)揮到極致，彌補不同傳感器在各種條件下各自的弱點(diǎn)（圖5）。

 

圖5. 每一種傳感技術(shù)都有其各自的優(yōu)缺點(diǎn)，但只要有適當的傳感器融合策略，它們就可以?xún)?yōu)勢互補并彌補弱點(diǎn)。

 

不過(guò)，要想真正有效地解決行業(yè)面臨的問(wèn)題，仍有許多工作要做。例如，要提高攝像頭計算橫向速度的能力（也就是物體在與車(chē)輛行駛方向垂直的路徑上移動(dòng)的速度）。但是，要實(shí)現足夠低的誤報率，即使是最好的機器學(xué)習算法仍然需要大約300毫秒來(lái)進(jìn)行橫向移動(dòng)檢測。對于在以每小時(shí)60英里速度行駛的車(chē) 輛和在車(chē)輛前方行走的行人來(lái)說(shuō)，毫秒之差就關(guān)系到人員受傷的輕重程度，因此響應時(shí)間至關(guān)重要

 

300毫秒延遲是由系統從連續視頻幀執行增量矢量計算所需的時(shí)間造成的。要進(jìn)行可靠的檢測，需要十個(gè)或以上連續幀，但我們必須將其降到一個(gè)或兩個(gè)連續幀，以便給車(chē)輛足夠的響應時(shí)間。雷達可以做到這一點(diǎn)。

 

同樣，雷達在速度和物體探測方面也有許多優(yōu)點(diǎn)，例如對方位和俯仰角的高分辨率，以及“看到”周?chē)矬w的能力，但它也需要為車(chē)輛提供更多的時(shí)間來(lái)作出反應。以400公里/小時(shí)或更高的速度測定為目標，77GHz至79GHz的一些開(kāi)發(fā)工作取得了新的進(jìn)展。這種水平速度測定可能看起來(lái)很極端，但對于支持復 雜的雙向車(chē)道行駛是必要的，在這種路況中，相向行駛的車(chē)輛的相對速度超過(guò)200公里/小時(shí)。

 

激光雷達可以彌補攝像頭和一般雷達的不足，是具有認知能力的全自動(dòng)駕駛車(chē)輛上一個(gè)必不可少的組件（圖6）。但它也面臨著(zhù)挑戰。

 

圖6. 全自動(dòng)駕駛車(chē)輛主要依賴(lài)360?檢測，需要使用先進(jìn)的雷達、激光雷達、攝像頭、慣性測量單元和超聲波傳感器

 

激光雷達正在發(fā)展為經(jīng)濟高效的緊湊型固態(tài)設計，可以放置在車(chē)輛周邊的多個(gè)位置，以支持完整的360?覆蓋范圍。它與一般雷達和攝像頭系統相輔相成，提升了角分辨率和深度感知，以提供更精確的三維環(huán)境影像。

 

但是，近紅外波段(IR)(850nm至940nm)對視網(wǎng)膜有害，因此其能量輸出在905nm處被嚴格調節到200nJ/脈沖。而通過(guò)遷移到波長(cháng)超過(guò)1500nm的短波紅外，這些光由眼睛的整個(gè)表面吸收。這樣就可以放寬一些限制，調節到每脈沖8 mJ。1500nm脈沖激光雷達系統的能量級別是905nm激光雷達的40,000倍，探測距離是后者的4倍。此外，1500nm系統可以更好地抵御某些環(huán)境條件，如霧霾、灰塵和細小的氣溶膠。

 

1500nm激光雷達面臨的挑戰是系統成本，這在很大程度上受到光伏探測器技術(shù)的推動(dòng)(該技術(shù)如今基于InGaAs技術(shù))。獲得高質(zhì)量解決方案，即具有高靈敏度、低暗電流和低電容，將是1500nm激光雷達取得進(jìn)展的關(guān)鍵技術(shù)。此外，隨著(zhù)激光雷達系統進(jìn)入第二代和第三代，需要使用針對應用而優(yōu)化的電路集成，以減少尺寸、功率和整體系統成本。

 

除了超聲波、攝像頭、雷達和激光雷達之外，其他傳感技術(shù)也在實(shí)現全自動(dòng)駕駛方面發(fā)揮著(zhù)關(guān)鍵作用。GPS讓車(chē)輛能夠始終了解自己所處的位置。盡管如此，仍有一些地方無(wú)法獲得GPS信號，例如隧道和高層建筑中。而這就是慣性測量單元發(fā)揮重要作用的地方。

 

盡管經(jīng)常被忽視，但IMU非常穩定可靠，因為它依賴(lài)于重力，而重力幾乎不受環(huán)境條件影響。它對航位推算非常有用。在暫時(shí)沒(méi)有GPS信號的情況下，航位推算可使用來(lái)自速度計和IMU等來(lái)源的數據，檢測行駛的距離和方向，并將這些數據疊加到高清地圖上。這使自動(dòng)駕駛車(chē)輛能夠保持在正確的軌跡，直到GPS信號恢復。

 

高質(zhì)量數據可節約時(shí)間，挽救生命

 

和這些傳感技術(shù)一樣重要的是它們的可靠性，如果傳感器本身不可靠，輸出的信號沒(méi)有被準確捕獲以作為高精度數據提供給上游，那么這些關(guān)鍵的傳感器將變得毫無(wú)意義，也正應驗了那句話(huà)，“如果輸入的是垃圾，那么輸出的也一定是垃圾”。

 

為了確保傳感器的可靠性，即使是最先進(jìn)的模擬信號鏈也必須不斷改進(jìn)，以檢測、獲取和數字化轉換傳感器信號，使其準確度和精度不會(huì )隨時(shí)間和溫度的變化而發(fā)生偏差。采用合適的器件和設計方法，可以大幅緩解一些出了名的難題（如偏置溫漂、相位噪聲、干擾和其他不穩定現象）。高精度/高質(zhì)量的數據是機器學(xué)習和人工智能處理器得到適當訓練并做出正確決策的基礎。一般不會(huì )有第二次機會(huì )讓你重頭來(lái)過(guò)。

 

一旦數據質(zhì)量得到保證，各種傳感器融合方法和人工智能算法就可以做出最佳響應。事實(shí)上，不管人工智能算法訓練得有多好，一旦模型被編譯并部署到網(wǎng)絡(luò )邊緣的設備上，它們的有效性就完全依賴(lài)于高精度的傳感器可靠數據。

 

傳感器模式、傳感器融合、信號處理和人工智能之間的這種相互作用，對具有智能和認知能力的自動(dòng)駕駛車(chē)輛的發(fā)展，以及保障駕駛員、乘客和行人安全都有著(zhù)深遠的影響。但是，如果沒(méi)有高度可靠、準確、高精度的傳感器信息（這些信息是安全自動(dòng)駕駛車(chē)輛的基礎），一切都毫無(wú)意義。

 

和任何先進(jìn)技術(shù)一樣，我們在這方面做的工作越多，就會(huì )發(fā)現更多需要解決的復雜用例。這種復雜性將繼續對現有技術(shù)構成難題，因此我們期待下一代傳感器和傳感器融合算法可以解決這些問(wèn)題。

 

就像最初的登月一樣，我們對于整個(gè)自動(dòng)駕駛車(chē)輛推行計劃也抱有巨大的期待，希望這將為社會(huì )帶來(lái)深刻的變革和持久的影響。從輔助駕駛發(fā)展到自動(dòng)駕駛，不僅會(huì )大幅提升交通安全性，還會(huì )顯著(zhù)提高生產(chǎn)力。而這樣的未來(lái)完全依托于傳感器，其他一切都將建立在傳感器基礎之上。

 

過(guò)去25年來(lái)，ADI一直致力于汽車(chē)安全和ADAS發(fā)展?，F在，ADI正在為自動(dòng)駕駛的未來(lái)奠定基礎。ADI圍繞慣性導航、高性能雷達和激光雷達等領(lǐng)域的卓越積累，提供高性能傳感器和信號/功率鏈解決方案。這些解決方案不僅將大幅提高這些系統的性能，而且還將降低整個(gè)平臺的實(shí)施成本，從而加快我們邁向自動(dòng)駕駛的步伐。

 

 

推薦閱讀：