英飞凌开发出完整的77/79 GHz雷达芯片组 加速自动驾驶核心组件供应

发布者:量子启示最新更新时间:2017-10-10 来源: 麦姆斯咨询关键字:雷达芯片  自动驾驶  传感器 手机看文章 扫描二维码
随时随地手机看文章

据麦姆斯咨询报道,Infineon(英飞凌)已经能够为早期用户提供一款完整的雷达芯片组。这款芯片组包含一款77/79 GHz单片微波集成电路(MMIC),一款具有专用传感器处理单元的高性能多核微控制器,以及一款安全电源芯片。这款雷达芯片组能够加速先进雷达系统的开发。

“近年来,我们发现汽车产业创新脚步的速度之快,前所未有。来自硅谷的创新企业,在汽车产业创新浪潮中奋勇当先,” Infineon硅谷汽车创新中心(SVIC)负责人Ritesh Tyagi说。

这款雷达芯片组中的RF(射频)雷达单芯片收发器,取代了过去的三种组件:RF发射器、RF接收器以及锁相环(PLL)器件。

RF雷达单芯片收发器,结合英飞凌第二代AURIX雷达专用微控制器以及故障安全电源,组成了这款可扩展的雷达芯片组。所有这三款器件都完全符合ISO26262规范。

为支持老牌汽车系统供应商和创新厂商的雷达新设计,英飞凌将在2018年第一季度推出一款雷达模组套件。

这款雷达模组套件将包括上述三款IC(RF雷达单芯片收发器、AURIX雷达专用微控制器以及安全电源),和一款集成软件包,以充分利用芯片组中的专用信号处理硬件加速器。它将成为利用英飞凌雷达芯片组开发雷达传感器的评估套件。

除了雷达芯片之外,英飞凌还将为半自动驾驶和全自动驾驶汽车提供另外两款核心传感器:摄像头(基于飞行时间原理的3D图像传感器芯片)和LiDAR(激光雷达)芯片。

激光雷达、雷达以及图像传感器是未来汽车的支柱,图片引自《汽车MEMS和传感器市场及技术趋势-2017版》

3D图像传感器芯片——Real3

英飞凌Real3系列产品包含了高度集成的单芯片3D ToF(飞行时间)图像传感器。这款ToF传感器由英飞凌和PMD technologies联手开发。嵌入了来自PMD的高性能ToF像素矩阵,采用英飞凌经规模制造验证的CMOS工艺,将光敏器件和混合信号电路集成在了一颗单芯片上。这款ToF图像传感器可提供完整的3D环境数据,能够用于监测驾驶员是否分心、有睡意、打瞌睡以及脸部表情等情绪反应。

激光雷达(LiDAR

据麦姆斯咨询此前报道,英飞凌在2016年收购了从飞利浦独立出来的Innoluce。这家位于荷兰的公司,主要专注于开发和销售基于谐振MEMS反射镜和相关信号处理集成电路的固态激光扫描模组。基于MEMS微镜的激光雷达系统,可以有效降低机械扫描部件所需要的成本,同时,由于没有宏观活动部件,这种激光雷达尺寸更小且坚固。

Innoluce的LiDAR技术基于一维 MEMS反射镜,该公司称,它们比传统的二维MEMS系统具有更多的优势:更高的水平分辨率和视野、更好的温度稳定性、更低的振动灵敏度、更小的体积和更低的成本。此外,一维反射镜的运动更容易控制。基于Innoluce的专有技术,英飞凌将开发用于高性能激光雷达系统的芯片组件。英飞凌的目标,是将激光雷达的成本降低到全球每辆新车都可以接受的范围。


关键字:雷达芯片  自动驾驶  传感器 引用地址:英飞凌开发出完整的77/79 GHz雷达芯片组 加速自动驾驶核心组件供应

上一篇:通用汽车收购激光雷达企业 加快自动驾驶市场化
下一篇:丰田再遇猪队友 日本汽车行业造假丑闻不断

推荐阅读最新更新时间:2024-11-14 20:14

OmniVision最新RGB-Ir图像传感器实现单传感器生物识别应用
数字图像解决方案开发商豪威科技公司(OmniVision Technologies)今日宣布推出基于OmniVision PureCel® Plus技术的1/9”1.4微米 RGB-Ir传感器OV9738。由于可综合支持彩色和红外成像应用,OV9738可降低总体系统成本,也可为一系列设备(包括主流笔记本和移动设备)的脸部识别和手势界面提供基于IR的生物识别能力。OV9738的一体化设计也可降低对空间的需求,实现符合审美的工业设计。 脸部识别以及其它先进生物识别技术在移动设备和笔记本电脑中正变得越来越流行,正逐渐取代密码和指纹认证。据市场分析师预测,至2022年,全球脸部识别市场规模将达77.5亿美元。此外,将手势识别用于改进的用户
[传感器]
意法半导体先进的 MEMS 传感器助您开启Onlife 时代
ST第三代技术提高准确度和能效 附加功能包括边缘机器学习和静电感测 2022年3月4日,中国– 服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST) 推出其第三代MEMS传感器。新一代传感器助力消费类移动产品、智能工业、智能医疗和智能零售产品实现性能和功能新飞跃。 MEMS 技术实现是稳健可靠的芯片级运动和环境传感器的基础技术,今天的智能手机和可穿戴设备依靠MEMS传感器实现直观的环境感知功能。现在,意法半导体新一代 MEMS 传感器将性能提升到了一个新的水平,输出数据准确度和功耗都突破了现有技术限制。新传感器可让活动检测、室内导航、精密工业感测等产品功
[传感器]
意法半导体先进的 MEMS <font color='red'>传感器</font>助您开启Onlife 时代
自动驾驶汽车创企Aurora获5亿美元融资 红杉领投
据一份未经证实的报告显示,位于加州帕洛阿尔托的自动驾驶汽车初创公司AuroraInnovationInc.正处在新一轮风险投资当中,这轮融资金额约为5亿美元,估值20亿美元。 外媒报道称这轮融资将由传奇的硅谷风险投资公司红杉资本(Sequoiacapital)领投,这轮融资可能是该公司迄今为止最大的投资之一。 Aurora成立于2017年,与其他自动驾驶汽车初创企业的不同之处在于,它的目标是为“经验丰富的汽车专业人士开发一种能力更强的技术”,这是Aurora或汽车制造商无法单独完成的一个目标。 用Aurora自己的话说,它试图“将严谨的工程和应用机器学习结合起来,希望能够借此解决现代人最具挑战性、最重要、最有趣的机遇之一:改变人们
[机器人]
ST发布新款零漂移运算放大器采用精巧封装
中国,2014年6月24日 ——意法半导体的TSZ121系列零漂移运算放大器(zero-drift op amps)采用主流且精巧的封装,产品性能领先市场,为物联网应用及穿戴式设备(包括温度传感器、健康和健身监视器以及汽车控制器等)市场带来更广的选型范围、更高的准确度以及精密度。 新系列零漂移运算放大器的输入补偿电压在25°C时为5µV,温漂为 30nV/°C,特别适用于前端信号调理或低压侧电流检测。新系列产品的准确度十分出色,目标应用无需调整即可实现精密度要求,从而可节省外部元器件和制造成本。新系列运算放大器的温漂极低,高温不会对导致性能降低,因此无需自校准,从而提升了终端用户的使用体验。 优异的准确度和温
[物联网]
ST发布新款零漂移运算放大器采用精巧封装
汽车LiDAR系统智慧之眼——探测器该怎么选?
据麦姆斯咨询报道,现有LiDAR(激光雷达)系统已被用于从安全应用到测绘,再到工业自动化等各类创新应用。其中,汽车市场对LiDAR系统的发展和应用尤其关注。LiDAR扫描仪是自动驾驶汽车原型系统的关键组件,也是当前交通标志识别、自适应巡航控制(ACC)、盲点检测、防撞系统和车道偏离警告等系统中的关键组件。 在上述所有基于LiDAR的系统中,有一种核心组件不可或缺,那便是LiDAR系统的“智慧之眼”——探测器。 本文旨在简析LiDAR系统原始设备制造商(OEM)设计工程师在各种探测器技术中如何做出选择。 背景 汽车LiDAR系统必须能够快速可靠地感知车辆周围环境,尽可能细节丰富地创建周围环境和前方道路的3D图像。安装在快速行驶车
[汽车电子]
艾睿电子现提供TE Connectivity全系列传感器解决方案产品
艾睿电子公司(NYSE:ARW)今日宣布,为全球领先的连接产品供应商TE Connectivity之传感器产品和解决方案,扩展库存。艾睿电子现在提供TE的广泛的传感器产品,包括湿度,压力,温度和位置的传感器。 艾睿电子的客户需要TE各种应用的传感器产品,尤其是在设计未来的智能˴互联设备和系统的应用 艾睿电子半导体市场副总裁Aiden Mitchell表示。 我们期待与TE扩展这一方面的合作。 我们很高兴艾睿电子能扩大我们的传感器系列组合 TE Connectivity全球客户董事John Tuley表示, 艾睿电子的全球技术工程架构将能够提供我们全球客戶的设计需求,同时为客户提供供应链解决方案,以帮助我们
[嵌入式]
创始人马斯克发飙了,猜疑都是胡说八道
听说,国际新能源汽车巨头 特斯拉 近日被两起交通事故搞得焦头烂额,随着事故而来的是一片质疑声,惹得特斯拉创始人埃隆· 马斯克 发飙,怒斥这些报道为“胡说八道”,到底发生了什么?   据外媒报道,5月7日,在美国佛罗里达州一辆Model S在Autopilot 自动驾驶 模式下,撞上了一辆重型卡车,不幸的车主当场死亡,这起事故成为了特斯拉首例致死事故。事发后,美国高速公路交通安全委员会宣布对特斯拉ModelS系列汽车展开调查,如果是车型问题,数万辆汽车将被召回。     就在事故后不久,美国《财富》杂志发布了一篇质疑这起事故时间披露的相关文章。文章称,5月7日,ModelS车主约书亚·布朗(JoshuaBrown
[嵌入式]
自动驾驶测试场景深度解析
本文内容主要围绕自动驾驶汽车测试场景的内涵、作用、尺度、视角以及数据来源等方面进行了详细阐述。 01. 场景要素和场景分类 在进行测试场景构建时,首先需要明确测试场景所涵盖的要素。 真实世界中的场景无穷无尽,要素纷繁复杂,对场景进行分解,提取场景中包含的要素类型,是对现实世界场景进行降维和抽象的基本方法。 为了便于要素的分析及组织,需要对场景要素进行分类。根据不同的组织结构,场景要素划分有多种方式。从自动驾驶测试的需求角度出发,场景要素可以分为环境要素和自车任务两类要素。 从场景要素的基本属性出发,可以分为静态要素和动态要素等。从场景要素的拓扑关系出发,可以分为道路要素、交通参与者要素、气象要素等。场景要素是测
[嵌入式]
<font color='red'>自动驾驶</font>测试场景深度解析
小广播
最新汽车电子文章
换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved