账号:
密码:
智动化 / 文章 /

感测融合开启自驾行车新视野
数据整合 聪明上路
[作者 王岫晨]   2021年07月28日 星期三 浏览人次: [41060]

在五年前,一辆全新的汽车可能包含大约60到100个感测器。在今天,这个数字实际上更接近200或更多。随着车辆不断变得更加智能和自主,感测器的发展和复杂程度也跟上了步伐。例如,传统安装在车辆上的大型LiDAR变得更小、数据更多、效能更高,同时提供更高的解析度。但是,比感测器类型本身更大的进步是能够获取来自多种感测器类型的数据,并在强大的计算平台上对这些数据进行网格化。


随着自动驾驶汽车产业的不断发展,技术供应商和汽车制造商需要考虑边缘运算能力、感测器融合、感测器退化、监控以及车辆生命周期内软体维护与服务之间的成本及性能平衡。



图一 : 汽车自动化的五个层级,需要具备不同的感测能力。(source:st.com)
图一 : 汽车自动化的五个层级,需要具备不同的感测能力。(source:st.com)

车辆环境感测器

汽车制造商和原始设备制造商面临的最大挑战之一,是跟上感测器和数据开发的快速步伐。感测器需要为车辆系统提供必要的数据保真度,以满足设计要求。例如,如果驾驶市场上任何最新的车辆,它们的感测器将寻找车道标记,并在必要时提供车道的视觉提示。


这些类型的功能很有帮助,但在自动驾驶汽车方面仍然属于相对初级的能力。在道路上有大量司机、行人、骑自行车者和摩托车的人口,在稠密的大都市地区行驶,需要车辆在瞬间做出停车或转向的决定,以避免撞到行人或其他车辆。感测器融合开始在这样的领域发挥作用,做出人类驾驶员在高级驾驶辅助(ADAS)系统做出反应之前,可能无法做出的决定。



图二 : 汽车自动化对于感测器的需求逐年增加。 (source:st.com)
图二 : 汽车自动化对于感测器的需求逐年增加。 (source:st.com)

为了实现ADAS功能和自动驾驶,如今的汽车配备了越来越多的环境感测器,例如雷达、摄像头、超声波和激光雷达等。然而,每个感测器本身都有其局限性,不能单独提供有关车辆环境所需的完整信息,以执行安全功能。透过结合来自各种感测器的输入,可以有足够的信心生成完整的环境模型,以启用ADAS功能或自动驾驶功能。作为可以做出关键自主决策的自动驾驶系统的一部分,感测器融合系统的设计必须满足最高的安全和安保标准。


整合多项感测数据

感测器融合是将来自多个雷达、激光雷达和摄像头的输入汇集在一起,以形成车辆周围环境的单一模型或影像。生成的模型更加准确,因为它平衡了不同感测器的强度。然后,车辆系统可以使用透过感测器融合提供的资讯,来支援更高智能的车辆运作。


每种感测器的类型(或模态)都有其特定的优势和劣势。雷达在准确确定距离和速度方面非常强大,即使在具有挑战性的天气条件下依然如此,但却无法读取路牌或辨别红绿灯的颜色。而相机可以很迅速地读取标志或对物体进行分类,例如行人、骑自行车的人或其他车辆。然而,它们很容易被泥土、阳光、雨、雪或黑夜所蒙蔽。激光雷达可以准确地检测物体,但它们没有相机或雷达的视线范围或可负担性。


感测器融合将来自各种感测器类型的数据汇集在一起,使用软体演算法来提供最全面、最准确的环境模型。它还可以透过称为内部和外部感测器融合的过程,与驾驶室内部的数据进行连结。


车辆可以使用感测器融合技术,来整合多个相同类型感测器(例如雷达)的信息。这可透过部分重叠的视野来改善感能力。由于多个雷达观察车辆周围的环境,因此将有多个感测器同时检测物体。通过360度感知软体来进行演算并解读,来自多个感测器的数据就可以重叠或融合,以提高车辆周围物体的检测概率和可靠性,并产生更准确和可靠的环境状态分析。


在自动驾驶汽车的情况下,传统上将来自各种感测器的信号传输到中央运算处理器,以估计物体(即人类、动物、其他汽车等)的位置和类型、物体的速度。物体正在移动,而移动的轨迹将有助于做出导航的决策。


边缘运算使车辆能够在资讯来源(即感测器本身)附近即时进行分析运算,而不用将资讯再中继到中央处理器去,进而可以减少延迟并实现更即时的处理。汽车拥有的边缘运算感测器数量越多,实时响应的能力就越好,尽管如此,这却也增加了解决方案的成本和整合的复杂性。


解决感测器退化问题


图三 : 汽车对於先进感测器融合的采用,大致分为三个不同的阶段。(source:st.com)
图三 : 汽车对於先进感测器融合的采用,大致分为三个不同的阶段。(source:st.com)

感测器退化是自动驾驶汽车都会发生的状况,特别是考虑到当今汽车的使用寿命通常为10到15年。退化的主要原因包括感测器的一般磨损、恶劣的操作环境,以及其他电子系统元件的退化等。


此外,还有来自环境因素的临时感测器退化,例如阻碍相机视野的直射阳光,或拥挤区域中的高射频(RF)噪声。为了防止这种退化,汽车制造商通常会安装多种类型的感测器,为ADAS子系统来提供额外的资讯,以便做出更好的决策。


就元件的逐渐退化而言,汽车制造商和技术供应商必须考虑已安装的感测器(如LiDAR、摄像头、超声波等)的能力,使其在整个预期过程中的性能与开始时相同,甚至更高于车辆的使用寿命。


此外,他们还必须了解如果感测器开始出现故障时会发生什么事情。车辆如何提醒驾驶员它需要进行维护,另外在车辆维护完成之前,是否会自动暂停其自动驾驶能力?随着自动驾驶汽车变得越来越普遍,将会有更多的法规和各种消费者习惯陆续发挥作用,这将有助于塑造自动驾驶车辆的未来市场。也许每三年更换一次车载摄像头会成为一种必要,就像消费者需要定期更换轮胎一样。


网络安全和汽车感测器


图四 : 今日的惯性导航系统多轴感测器整合趋势。(source:st.com)
图四 : 今日的惯性导航系统多轴感测器整合趋势。(source:st.com)

在确保自动驾驶汽车感测器安全时,需要考虑几个不同的因素。入侵系统始终是一个问题,需要在软体和硬体设计阶段就加以解决。


另一个不太明显的安全因素,是影响车辆中的机器学习技术中,使其无法正确做出分析。在一项研究中,研究人员导入了一个视讯广告看板,该广告看板已被篡改,在短短几分之一秒内就显示停车标志。自动驾驶汽车会感应到停车标志并进行停车,因为它们能够捕捉到该影像并对其做出反应,就像他们在道路上感应到停车标志一样。


随着这些设备的复杂性和功能的增加,发生网路安全攻击的不同途径也将按比例增加。设计师和汽车制造商将不得不找到一种方法,来更新他们的防御并管理这些类型的意外反应,防御的一部分是透过一个强大的生命周期管理软体程序,以防止这些非传统的网路攻击。


结语

一部智能化的现代车辆都有数万行运行代码,汽车供应商需要在车辆的整个生命周期内,从软体安全的角度管理并开发车辆,以确保其能持续像是第一次上路那般的安全行车(甚至更好)。而同样的理念也适用于感测器本身的物理性能,以防止元件的退化。跟上感测器融合领域的所有进步是具有挑战性的,但也是有益的,因为未来,我们将持续看到自动驾驶汽车成为市场上的主流。


相关文章
开启边缘智能新时代 ST引领AI开发潮流
模拟工具可预防各种车用情境中的严重问题
车商和一级供应商为连网汽车保护资料安全
ST以MCU创新应用技术潮流 打造多元解决方案
ST开启再生能源革命 携手自然迎接能源挑战
comments powered by Disqus
  相关新闻
» 帆宣与隹世达合组「达宣智慧」公司 启动智慧医疗引擎
» R&S推出专用於相位杂讯分析及高达50GHz压控振荡器量测的FSPN50
» ROHM推出世界最低耗电流运算放大器 助消费性电子和工控设备应用节能省电
» 瀚??引进智能家居系列产品上市 推进连网增速新趋势
» 友通加速投入AI IPC研发 扩大应用领域
  相关产品
» u-blox多功能Wi-Fi 6模组NORA-W4适用於大众市场
» Littelfuse超小型包覆成型磁簧开关适用於空间受限设计
» Littelfuse新款SM10系列压敏电阻突破汽车与电子产品浪涌保护成效
» 安勤全新EQM-EHL模组实现高画质视觉体验
» u-blox新款LTE-M模组整合GNSS增强工业连接性


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 / E-Mail: webmaster@hope.com.tw