传感器在自动驾驶的应用_当车载芯片碰上多传感器融合：“我太南了”

中心提示:为什么一辆车需要配备这么多传感器？ 最直接的原因是提高自动驾驶感知系统的精度和精度，提高自动驾驶系统的安全性和鲁棒性。

如果人类驾驶员主要通过眼睛观察周边的道路状况的话，自动驾驶车通过搭载在车上的各种传感器感知道路环境信息。 在自动驾驶车中，传感器就是它的“眼睛”。

目前自动驾驶汽车的环境感应传感器主要有摄像机、超声雷达、毫米波雷达、激光雷达等几种，但这些传感器在性能上优劣——在获取车辆、行人、信号等环境信息方面，摄像机具有能够正确识别物体属性的特征，具有优异的表现，但具有强光、雨 除了易受照相机识别精度影响的基于照相机的ADAS解决方案(例如雾)之外，汽车通常需要强大的计算机可视性，而后者在不满足要求时将大大降低对照相机环境的感知能力的毫米波雷达具有强透明度。 成像效果差的激光雷达分辨率高，探测距离远，但在雨、雪、多云、沙尘暴等恶劣天气下不能正常使用，价格昂贵。 随着汽车自动驾驶水平的不断提高，单个传感器无法满足复杂场景和安全冗馀需求，多传感器的融合成为必然。

例如特斯拉的自动导引2.0搭载了8台摄像机、1台毫米波雷达和12台超声波雷达，被称为“世界首台L3级自动驾驶量产车”的新奥迪A8最多搭载了24台传感器。 鱼眼摄像机，12台超声波雷达，4台中距离毫米波雷达，1台长距离毫米波雷达，1台激光雷达，1台前置摄像机。 威马的LivingPilot驾驶辅助系统也采用了前单高清相机1台、毫米波雷达3台、全景相机4台、超声波雷达12台传感器。

为什么一辆车需要搭载这么多的传感器呢？最直接的原因是提高自动驾驶感知系统的精度和精度，提高自动驾驶系统的安全性和鲁棒性。 但并不意味着自动驾驶车的传感器越多越好。

理论上，车辆搭载的传感器越多，车辆越能有效地检测周围环境的风险和障碍物。 然而，这也可能导致其它问题，例如成本、车辆增加传感器的成本、以及大量的数据处理问题，这些传感器在每天生成大量数据方面必然提出对芯片的处理能力的高要求。

目前，随着对ADAS和自动驾驶计算要求的提高，传统MCU的计算能力已经难以满足自动驾驶计算要求，目前行业越来越依赖于CPU、GPU、FPGA、ASIC等AI芯片。 特别是与CPU、GPU、ASIC相比，FPGA具备较高的适应性，因此除了高吞吐量、低等待时间之外，还能够更好地满足自动运行的不同级别的功能要求。

“举例来说，对于延迟而言，使用FPGA方案可增加12倍，但与通用计算架构相比，功耗可仅为通用计算架构的十分之一。 此外，FPGA方案具有附加的优点是不能以通用计算架构来提供，例如非常强的定时和更高的安全性。 基于FPGA平台，我们可以进行一些定制开发，使我们的算法更高效。 前几天，在犀灵思XDF大会亚洲站马智行北京研究开发中心的李衡宇社长说。

在FPGA芯片的开发中，犀灵思站在行业的最前沿。 截止到2018年，犀灵思的适应设备累计发货量达到了1亿7000万台，复盖了29个汽车品牌的111款车型。 根据现有成绩，在这次活动中，比赛灵思再次发布了两种汽车级产品ZynqUltraScaleMPSoC7EV和11EG。 与以往产品相比，新产品提供了最优秀的编程能力、性能和I/O功能，实现了高速数据的汇总、预处理和分配和计算的加速，能够满足L2到L4级高级驾驶辅助系统和自动驾驶车的开发需求。

特别是可扩展性和高度适应性对于赛灵汽车战略和客户营销总监DanIsaacs至关重要，他指出在自动驾驶的不同发展阶段，对数据处理的要求不同，汽车相关系统和设备要求可扩展性，可扩展适应性强

不仅如此，丹尼尔SACS认为未来汽车内部的连接性非常重要，分布式算法要求各节点具有计算能力，在自动驾驶中实现不同功能的高性能表现。 李衡宇承认了这一点，据他说，分布式系统是使各节点具有计算能力和智能最有效的系统，如果把所有的计算、所有的智能集中到一个中心节点或云上，实际上并不是很好的方案。

此外，在此次活动中，犀灵思还发表了最新的Vitis综合软件平台。 该平台可以自动地基于软件和算法代码自适应使用赛灵思硬件体系结构以从繁杂的硬件专业知识中释放用户。 对于硬件开发人员来说，Vitis是硬件和软件工程师在同一个工具平台上协作，可以显着提高工作效率，犀灵思想从设备转变为平台企业战略的里程碑产品之一。

有趣的是，尽管犀灵思在ADAS和自动驾驶两个领域都有丰富的研究开发经验，但DanIsaacs认为汽车产品必须实现完全自动化，走很长的路，现在很多技术功能都处于初期，要继续突破， 特别是在人口密度高的地方实现自动驾驶，有很多问题需要解决，需要在路上进行更多的测试来提高自动驾驶的性能。

*着作权声明:本论文是盖世太保的原创文章，转载时请遵守转载说明的规定。 如果违反了转载说明者，盖世太保将追究法律上的责任！