改善ADAS设计的智能传感器万博投注网址

文章作者：罗伯特·施韦格（Robert Schweiger）

传感器系统现在正变得越来越无处不在，在生产中已经有三级自动驾驶汽车，并且在拐角处四级自动驾驶汽车。此外，从2018年开始，在美国，所有新车（无自治水平）都必须安装后视摄像头。对传感器的需求正在飙升，并将继续这样做。

随着这种需求，需要使用传感器，处理器和中央传感器融合单元进行更复杂和先进的驱动程序系统（ADA）来解释现在收集的大量传感器数据。

图1：ADAS应用程序必须感知，分析数据并对该数据采取行动。（来源：节奏）

图1显示了第三级至五级自动驾驶所需的不同类型的传感器。然后将这些传感器数据融合在中央传感器融合平台中，该平台还结合了V2X（车辆到所有内容）通信，GPS和数字地图以进行本地化。收集传感器数据后，系统必须决定如何对该传感器数据做出反应：通过制动，转向或加速。当然，所有这些处理都必须实时发生，尽可能近地发生。

系统配置

关于该系统的配置方式有两种思路：原始数据传感器融合平台或混合传感器融合平台。

原始数据传感器融合平台要求功能强大的计算机位于中心，其中所有来自传感器的原始数据都已处理。这需要高速数据链接，以将数据从传感器连接到中央传感器融合CPU或GPU。根据汽车的传感器配置，中央传感器融合CPU的性能很容易超过100 tflops，以实现L3+自动驾驶。例如，NVIDIA驱动器PX Pegasus甚至提供320个顶部。集中计算机解释数据并决定如何反应。这种方法的缺点是，传感器融合计算机必须为此数据处理和解释消耗大量功率。遵循此概念的系统使用多达500W的功率，有时甚至更多，因此需要一个主动冷却系统，例如水冷却。

混合传感器融合平台允许在传感器本身中进行一些处理，从而使其“智能”传感器。例如，在这些传感器中预处理以进行对象检测或分类，使中央传感器融合平台更加轻巧。这还允许在智能传感器或中央计算单元上运行的冗余AI进程以验证其结论。仅将对象级数据传输到中央融合单元的另一个优点是，预处理数据需要在传感器接口处显着降低数据速率。智能传感器处理可能需要根据所使用的软件算法的计算性能为1-4 TMAC。

传感器细节

如图1所示，汽车ADA中使用的一些传感器包括相机，雷达和激光镜头。每个传感器系统都有其优势和缺点。使用多个传感器技术提高了汽车的安全水平，同时可以放松每个单独的传感器的安全要求。

相机是唯一实际“看到”的传感器。他们可以识别纹理，检测流量标志，可用于对象检测，并且可以廉价地建造汽车周围区域的3D地图。对于较高水平的自动化行驶，最高可达130公里/小时的高清摄像头，识别需要更高的分辨率和较高的帧速率；例如，日光期间最多500m的车道标记。

使用摄像头传感器的一个重要缺点是，可见性条件（天气，低光和眩光）影响相机的功效。另外，为了避免原始源中的图像退化，通常几乎无法应用视频压缩。因此，安全至关重要的ADA应用中的摄像机需要一个高速界面将原始数据传输到中央传感器融合单元 - 将原始数据传输到24GB/秒。作为替代方案，预处理数据，将摄像机变成“智能”相机非常有效，该摄像头将其部署在设备神经网络中进行对象识别和分类。仅将对象级数据传输到中央传感器融合单元，然后处理。使用DSP在相机设备上预处理数据，例如用于嵌入式视觉和AI的Cadence®Tensilica®VisionQ6 DSP，可以减轻此问题。

为了进一步提高摄像机系统的安全水平，可以实现冗余流量将原始数据以及对象级数据传输到传感器融合单元。这样，可以使用不同的算法在摄像机和传感器融合单元上进行对象检测。

雷达在每个天气条件下，在艰难的光条件下都非常健壮，并且范围很高，但是在角度和范围分辨率方面确实有一些缺点。角度分辨率为1.2°，范围精度约为10厘米，几乎没有错误的空间。10厘米可能是近距离失误和灾难之间的区别。

最近，通过开发77-81GHz成像雷达系统来改善分辨率的许多创新。但是，雷达传感器的分辨率越高，需要传输的数据速率越高。从频率调制的MIMO雷达（28GB/秒）转变为数字调制的雷达，提供了更高的分辨率，但是原始数据速率可能高达120GB/秒。例如，这将需要一个超出MIPI CSI-2接口的数据速率的汽车接口。将雷达传感器转换为“智能”雷达传感器，具有用于范围和速度FFT，数字波束成形和角度估计等的设备信号处理等，将是解决方案，将对象列表的数据速率降低到100KB/秒，可以通过控制器区域网络（CAN）接口轻松传输。另外，可以将较高的雷达分辨率神经网络应用于设备对象检测和分类。

IMEC刚刚宣布了世界上第一个具有标准28NM技术中集成天线的CMOS 140GHz雷达片系统，这将进一步改善性能并降低雷达系统的外形。

也就是说，应用所有这些技术会导致处理需求的巨大增加，这需要在雷达传感器的功率预算少于6W的范围内完成。这只能通过利用非常有效的低功率DSP（例如Tensilica Connx DSP）而实现，而不是使用渴望使用Power的CPU/GPU进行中央计算单元中的原始传感器数据处理。

LIDAR提供两全其美的最好的：它可以捕获具有优越分辨率的汽车周围区域的有效3D地图。LIDAR系统的分辨率为0.1°，范围精度优于雷达，约5厘米或更小。使用微机电系统（MEMS），有两个用于固态激光雷达技术的流行概念，闪光灯传感器和脉冲飞行激光雷达传感器。与高分辨率成像雷达系统相比，当前的激光雷达系统需要相对较低的传输数据速率（数百个MB/sec）。但是，未来的固态激光雷达系统将产生更高的原始数据速率，其原始数据速率超过1GB/sec，这可能要求进行设备处理。

缺点是LiDAR是一项非常昂贵的技术，目前需要安装在汽车顶部的笨重的机械移动传感器，该传感器在范围和恶劣天气条件等雾气等范围内面临着挑战。但是，目前正在开发不同类型的固态LIDAR传感器。这将大大降低成本，因此每辆汽车实现360°覆盖范围所需的四个固态激光雷达传感器将不会过于良好。

表1中的原始传感器数据速率取决于传感器的体系结构，方法和分辨率，应仅为当前和即将到来的高分辨率传感器提供一些指导。

表1：每个传感器所需的传输数据速率。

超声是一种测量与附近物体的距离并可以警告驾驶员周围障碍物的传感器。它主要用于公园辅助，盲点检测，在狭窄情况下进行操作和其他应用。汽车将配备多达12个超声波传感器，以完全捕获车辆的周围区域。但是，处理要求和数据速率相当低。

结论

不管所需的架构如何，使用混合传感器融合或原始数据传感器融合来卸载来自CPU或GPU的数字处理任务在ADAS应用中至关重要。使用DSP进行预处理的传感器数据，从而使传感器（Camera，Radar或LiDAR）转动智能传感器，可以启用相同的功能，并减轻所有数据处理必须由单个数据处理处理时发生的功率和数据速率流量，集中计算机。特别是在电动汽车中，实现低功耗对于实现自动驾驶至关重要。

- 罗伯特·施韦格（Robert Schweiger）是Cadence汽车解决方案总监。