保障自动驾驶安全性,底层传感器信号链是关键

2020-03-26来源: EEWORLD关键字:自动驾驶  传感器  激光雷达

就像最初的登月一样,在通往安全自动驾驶车辆的道路上还存在许多障碍。最近发生的涉及自动驾驶车辆的事故助长了唱反调者的声势,他们认为车辆及其行驶环境太复杂,变数太多,而算法和软件仍然错误太多。对于参与了ISO26262功能安全合规性验证的任何人来说,他们对此持怀疑态度是可以理解的。


当务之急是要在自动驾驶即将到来之时,保障至关重要的安全性。加州车辆管理局(DMV)2018年的非官方数据显示,同等英里数下,自动驾驶模式的人为接管次数正在减少,这也表明自动驾驶系统正变得越来越强大。而这种趋势需要进一步加快。


通过将协作和新思维放在第一位,汽车制造商将直接与芯片供应商洽谈;传感器制造商将与AI算法开发人员讨论传感器融合;而软件开发人员将与硬件提供商建立联系,充分发挥两者的优势。旧的关系正在改变,新的关系正在动态地形成,以优化最终设计的性能、功能、可靠性、成本和安全性。


生态系统正在寻求合适的模式,以便在此基础上制造和测试全自动驾驶车辆,用于快速涌现的新应用,如自动驾驶出租车(robo-taxi)和长途货车。在此过程中,高级驾驶辅助系统(ADAS)所使用的传感器不断改进,使得自动化程度快速提高。


这些传感器技术包括摄像头、激光探测与测距(LiDAR)、无线电探测与测距(radar)、微机电传感器(MEMS)、惯性测量单元(IMU)、超声波和GPS,所有这些都为人工智能系统提供关键的数据输入,从而驱动真正的自动驾驶车辆。车辆的智能化程度通常用自动驾驶级别来表示。L1和L2主要是预警系统,而L3或更高级别的车辆被授权控制以避免事故。随着车辆发展到L5,方向盘将被取消,车辆完全自动驾驶。


在最初的几代系统中,随着车辆开始具备L2功能,各个传感器系统独立工作。这些预警系统误报率较高,带来了不少麻烦,因此经常被关闭。将更多传感器安装在车辆上后,还可以更好地监控和分析当前机械状况,如胎压、重量变化(例如,负载和无负载、一名乘客或五名乘客),以及可能影响制动和操控的其他磨损因素。有了更多的外部传感方式,车辆可以更充分地感知其行驶状况和周围环境。


传感方式的改进使汽车能够识别环境的当前状态,并了解历史状态。这来自于ENSCO航空航天科学和工程部首席技术官Joseph Motola开发的原理。这种传感能力既可以完成一些简单的任务,例如探查道路状况,识别坑洼位置,也可以进行一些详细分析,比如一段时间内在特定区域发生的事故类型以及事故原因。

保障自动驾驶安全性,底层传感器信号链是关键

在产生这些认知概念时,由于感测、处理、内存容量和网络连接的限制,使它们看起来似乎遥不可及。但现在情况已经大有改观。现在,系统可以访问这些历史数据,并将其与车辆传感器提供的实时数据相结合,以提供越来越准确的预防性措施,避免发生事故。


要想真正有效地解决行业面临的问题,仍有许多工作要做。例如,要提高摄像头计算横向速度的能力(也就是物体在与车辆行驶方向垂直的路径上移动的速度)。但是,要实现足够低的误报率,即使是最好的机器学习算法仍然需要大约300毫秒来进行横向移动检测。对于在以每小时60英里速度行驶的车 辆和在车辆前方行走的行人来说,毫秒之差就关系到人员受伤的轻重程度,因此响应时间至关重要


300毫秒延迟是由系统从连续视频帧执行增量矢量计算所需的时间造成的。要进行可靠的检测,需要十个或以上连续帧,但我们必须将其降到一个或两个连续帧,以便给车辆足够的响应时间。雷达可以做到这一点。


同样,雷达在速度和物体探测方面也有许多优点,例如对方位和俯仰角的高分辨率,以及“看到”周围物体的能力,但它也需要为车辆提供更多的时间来作出反应。以400公里/小时或更高的速度测定为目标,77GHz至79GHz的一些开发工作取得了新的进展。这种水平速度测定可能看起来很极端,但对于支持复 杂的双向车道行驶是必要的,在这种路况中,相向行驶的车辆的相对速度超过200公里/小时。


激光雷达正在发展为经济高效的紧凑型固态设计,可以放置在车辆周边的多个位置,以支持完整的360覆盖范围。它与一般雷达和摄像头系统相辅相成,提升了角分辨率和深度感知,以提供更精确的三维环境影像。


但是,近红外波段(IR)(850nm至940nm)对视网膜有害,因此其能量输出在905nm处被严格调节到200nJ/脉冲。而通过迁移到波长超过1500nm的短波红外,这些光由眼睛的整个表面吸收。这样就可以放宽一些限制,调节到每脉冲8 mJ。1500nm脉冲激光雷达系统的能量级别是905nm激光雷达的40,000倍,探测距离是后者的4倍。此外,1500nm系统可以更好地抵御某些环境条件,如雾霾、灰尘和细小的气溶胶。


1500nm激光雷达面临的挑战是系统成本,这在很大程度上受到光伏探测器技术的推动(该技术如今基于InGaAs技术)。获得高质量解决方案,即具有高灵敏度、低暗电流和低电容,将是1500nm激光雷达取得进展的关键技术。此外,随着激光雷达系统进入第二代和第三代,需要使用针对应用而优化的电路集成,以减少尺寸、功率和整体系统成本。


除了超声波、摄像头、雷达和激光雷达之外,其他传感技术也在实现全自动驾驶方面发挥着关键作用。GPS让车辆能够始终了解自己所处的位置。尽管如此,仍有一些地方无法获得GPS信号,例如隧道和高层建筑中。而这就是惯性测量单元发挥重要作用的地方。


尽管经常被忽视,但IMU非常稳定可靠,因为它依赖于重力,而重力几乎不受环境条件影响。它对航位推算非常有用。在暂时没有GPS信号的情况下,航位推算可使用来自速度计和IMU等来源的数据,检测行驶的距离和方向,并将这些数据叠加到高清地图上。这使自动驾驶车辆能够保持在正确的轨迹,直到GPS信号恢复。和这些传感技术一样重要的是它们的可靠性,如果传感器本身不可靠,输出的信号没有被准确捕获以作为高精度数据提供给上游,那么这些关键的传感器将变得毫无意义,也正应验了那句话,如果输入的是垃圾,那么输出的也一定是垃圾。


为了确保传感器的可靠性,即使是最先进的模拟信号链也必须不断改进,以检测、获取和数字化转换传感器信号,使其准确度和精度不会随时间和温度的变化而发生偏差。采用合适的器件和设计方法,可以大幅缓解一些出了名的难题(如偏置温漂、相位噪声、干扰和其他不稳定现象)。高精度/高质量的数据是机器学习和人工智能处理器得到适当训练并做出正确决策的基础。一般不会有第二次机会让你重头来过。


一旦数据质量得到保证,各种传感器融合方法和人工智能算法就可以做出最佳响应。事实上,不管人工智能算法训练得有多好,一旦模型被编译并部署到网络边缘的设备上,它们的有效性就完全依赖于高精度的传感器可靠数据。传感器模式、传感器融合、信号处理和人工智能之间的这种相互作用,对具有智能和认知能力的自动驾驶车辆的发展,以及保障驾驶员、乘客和行人安全都有着深远的影响。但是,如果没有高度可靠、准确、高精度的传感器信息(这些信息是安全自动驾驶车辆的基础),一切都毫无意义。


和任何先进技术一样,我们在这方面做的工作越多,就会发现更多需要解决的复杂用例。这种复杂性将继续对现有技术构成难题,因此我们期待下一代传感器和传感器融合算法可以解决这些问题。


就像最初的登月一样,我们对于整个自动驾驶车辆推行计划也抱有巨大的期待,希望这将为社会带来深刻的变革和持久的影响。从辅助驾驶发展到自动驾驶,不仅会大幅提升交通安全性,还会显著提高生产力。而这样的未来完全依托于传感器,其他一切都将建立在传感器基础之上。


过去25年来,ADI一直致力于汽车安全和ADAS发展。现在,ADI正在为自动驾驶的未来奠定基础。ADI围绕惯性导航、高性能雷达和激光雷达等领域的卓越积累,提供高性能传感器和信号/功率链解决方案。这些解决方案不仅将大幅提高这些系统的性能,而且还将降低整个平台的实施成本,从而加快我们迈向自动驾驶的步伐。



关键字:自动驾驶  传感器  激光雷达 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic492624.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:TE推出温度与湿度传感器 可用于汽车暖风空调系统等
下一篇:最后一页

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

自动驾驶布局频遭波折 Uber想要角逐冠军恐怕还为时尚早
自动驾驶领域就像一座围城:有人想出去,有人想进来,尽管目前已有一些资金消耗殆尽的企业被迫出局,但仍有不少企业想进来分一杯羹。如今,传统汽车公司、科技巨头和无人驾驶初创企业都加入了自动驾驶的战斗,全球自动驾驶竞争进入白热化的新格局,无论是Waymo、滴滴,还是Cruise,每家企业都依靠联盟或收购的方式探索自动驾驶领域,其中自动驾驶技术更是出行公司最看重的领域,虽说前有宝马、奔驰、福特、通用提出将共享自动驾驶技术,马斯克更是表示“愿意开放并且共享特斯拉的所有专利”,但是专注于出行服务的Uber显然与汽车厂商面临的挑战不同。Uber自2015年入局自动驾驶领域以来,一直是位“激进派”,积极开发自动驾驶技术,更是一度先于业内,似乎无法
发表于 2020-03-10
中国自动驾驶汽车分级标准出炉 加速推动其商业化进程
近年来,随着人工智能热潮兴起,自动驾驶汽车的发展也非常迅猛。不仅谷歌、百度等科技互联网企业相继入局,传统汽车巨头如丰田、福特、宝马等也不甘落后,自动驾驶领域的竞争愈发激烈。在这样的情况下,人们对于自动驾驶汽车越发期待,企业也加速推动其商业化进程。然而,在自动驾驶汽车发展的过程中,出现了一系列安全事故。苹果自动驾驶测试车发生交通意外,特斯拉自动驾驶测试车更是摊上了撞车致死事件。一时间,公众对于自动驾驶汽车的安全性产生了巨大质疑。如何确保自动驾驶汽车商用普及与安全性能的平衡推进,成为监管机构的重要工作。早前,为了更好地确定自动驾驶汽车技术水平,从而便于管理、分类,美国汽车工程师协会(SEA)将自动驾驶汽车划分为6个等级,分别是从L0
发表于 2020-03-10
Hailo融资4.17亿元 研发可用于全自动驾驶汽车的AI芯片
预计,未来该芯片将用于全自动驾驶汽车、智能摄像头、智能手机、无人机、AR/VR平台,甚至可穿戴设备。值得注意的是,Hailo还面临着很多竞争对手。初创公司AIStorm、Esperanto Technologies、Quadric、Graphcore、Xnor和Flex Logix 都在针对AI工作负载研发定制芯片。据市场咨询公司Allied Market Research所说,2018年,机器学习芯片市场市值为66亿美元,预计到2025年将达911亿美元。英特尔于2017年5月以153亿美元收购的特拉维夫公司Mobileye也为自动驾驶汽车提供了一款计算机视觉处理解决方案,隶属于其EyeQ产品线。去年7月份,百度推出
发表于 2020-03-09
Hailo融资4.17亿元 研发可用于全自动驾驶汽车的AI芯片
5G汽车迎来怎样的阶段
协会也正在推动5G的发展,包括福特汽车、通用汽车、本田、现代、日产、大众、华为、英特尔和高通都是成员企业。而在福特自动驾驶汽车公司首席执行官Sherif Marakby看来,5G网络将使自动驾驶更容易处理操作所需的大量数据,最高可达每小时25GB。自动驾驶汽车可能还需要数年时间才能广泛应用,但联网汽车已经与我们息息相关。汽车正迅速成为一个承载传感器的移动物联网设备,车载计算能力和通信系统都涉及到使用蜂窝网络,以及越来越多的5G技术。全球的移动运营商仍在积极部署5G网络,速度也正在加快。根据GSA协会的数据,到2019年底,34个国家的61家运营商已经推出了一项或多项兼容3GPP的5G服务。其中,49家运营商推出了5G
发表于 2020-03-09
5G汽车迎来怎样的阶段
首个上车量产的边缘AI芯片 助力自动驾驶逐渐成为现实
汽车从诞生至今已有一百三十多年历史。在长达一个多世纪的时间里,人类无时无刻不在想办法优化它的性能。但此前由于算法和算力的限制,汽车的性能优化只停留在第二产业阶段,和信息化并无太多联系。近几年,随着人工智能的兴起与蓬勃发展,自动驾驶逐渐成为现实。以 ADAS(高级驾驶辅助系统)为代表的智能驾驶产品成为汽车厂商关注的焦点。在中国汽车市场,ADAS系统正成为各类车辆的标准配置,迎来爆发前夜。而这一切,都离不开车载边缘AI芯片的发展。豪强林立,扛起国产大旗如今,AI芯片的应用场景不再局限于云端,部署于终端的各项产品早已日趋丰富。和智能手机、安防摄像头等应用场景相比,自动驾驶汽车未来所需的芯片数量更多,难度更大,功能更繁多,涉及到的商业生态
发表于 2020-03-09
自动驾驶够好吗?对不起我真的不放心
,这必须被替换,这是我以前从未见过的说辞。 摆在自动驾驶面前的岔路口 我们现在看到的是,随着AV技术产业追求与传统汽车制造商完全不同的战略,自主权的梦想正在破裂。 Left Fork: AV技术产业正依靠幻想和神奇的思维来描绘一个由机器驱动的航天飞机和机器人出租车的完美未来。在这个科技乌托邦里,人类沦为运输中的“牲畜”——理想情况下是全程观看广告。这似乎就是像GM Cruise、Waymo和Zoox这样的公司所设想的未来,因为人类在驾驶方面做得不够好,所以他们被完全从驾驶任务中剔除。 从他们的虚张声势中可以看出,AV技术供应商无法处理错综复杂的微妙、谦逊和耐心等这些心理,相反,他们只能站在
发表于 2020-03-09
自动驾驶够好吗?对不起我真的不放心
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved