首页 > 智能网

使用传感器融合走向真正的L3自动化?

来源:智能网
时间:2020-12-08 10:06:17
热度:75

使用传感器融合走向真正的L3自动化?本文来源:智车科技/ 导读 /地球人都知道,汽车制造商每年都会增加创新的主动安全功能,以减少事故和挽救生命。这些创新通常需要新的传感器——雷达、

本文来源:智车科技

/ 导读 /

地球人都知道,汽车制造商每年都会增加创新的主动安全功能,以减少事故和挽救生命。这些创新通常需要新的传感器——雷达、摄像头、LiDAR(LiDAR)和超声波传感器等。而每个新的传感器都需要有自己的电源、封装和数据处理。这意味着什么?它们要有自己的安装位置,还要考虑新增成本。

独立传感器成昨日黄花

软件功能的快速增长推动了对更强大计算的迫切需求。今天的汽车堪称轮子上的电脑,运行的软件代码是普通智能手机的10倍以上,而且还必须更加可靠。

传统上,传感器被用来独立处理环境输入信息。当一辆车上只有一两个传感器时,这没有问题,且独立式传感器更容易在不同的车辆品牌和型号之间通用。独立传感器包括处理其视野的内置计算能力,可触发警告(如前碰撞)或控制基本启动(如自动紧急制动)。

然而,随着驾驶功能级别的提高,这种渐进式传感器导入引发了人们对如何将其安装在车辆中,以及如何在其生命周期内管理独立开发和碎片化软件的担忧。我们需要一种更好的方法来解决传感器越来越多的难题。

人们开始求助于传感器融合,将来自多个雷达、LiDAR和摄像头的输入汇集在一起,形成车辆周围环境的单一模型或图像能力。更精确的模型、不同传感器的平衡,使车辆系统可以利用融合的信息支持更智能的行动。同时,还可以让传感器在精度、速度、距离和成本方面扬长避短。

组合多种传感方式的传感器融合 但这样融合就够了吗?还有没有改进的余地?我们往下看。

卫星架构应运而生

毋庸置疑,车辆上传感器越多,融合就越具有挑战性,但也有更多的机会来提高性能。过去,分析传感器数据、确定和跟踪目标的处理能力已经打包在摄像头或雷达上,由智能传感器独立处理环境输入,这意味着利用信息所做的任何决定都只能是单个传感器“看到”。

如何解决伴随当今车辆的智能化而出现的问题呢?Aptiv开发了一种称为低级别传感器融合的技术,创建了一个效率更高的电气架构——汽车“卫星架构”。

尽管卫星架构还没有被业界广泛认知,网上也没有更多资料,但它早在2019年4月即已荣获《汽车新闻》PACE 2019创新合作伙伴奖,以表彰推动未来出行的全球科技公司Aptiv与奥迪在自动驾驶卫星计算平台上的合作。

典型车辆架构是通过多个电子控制单元(ECU)实现分布式智能,而卫星架构计算平台是将传感器集中在一个强大的主动安全域控制器(DCU)中,留下只包含操作传感器绝对必要的硬件——“卫星”传感器(不是接收卫星信号的传感器,而是像卫星样分布的传感器),处理和决策则由域控制器管理。这种可扩展的安全解决方案大大提高了系统的灵活性、可伸缩性和性能。

评委们认为,Aptiv的系统集成能力加上与奥迪的强大合作实现的卫星计算平台将推动行业更高级别的合作,这是走向更先进自动驾驶所必需的。

改变游戏规则,产生诸多效益

卫星架构不仅优化了高级安全功能,同时有助于降低成本、重量和复杂性。它使OEM有了更多的选择,能够设计出更时尚、更人性化的汽车。随着车辆的自动化程度越来越高,其效益也将不断增加。

卫星架构的一些具体好处如下:·提高感知性能,增加数据共享:Aptiv采用低级别传感器融合方法将来自多个传感器和传感模式的智能集中共享,域控制器中的主动安全程序有更多机会提高性能;甚至可以应用人工智能(AI)来提取有用信息,否则这些信息将被丢弃。AI可以从中学习,有助于解决客户面临的具有挑战性的极端案例。此外,由于域控制器不需要等待传感器处理数据,所以卫星架构减少了延迟,加快了决策过程。集中组合来自多种类型传感器和传感器位置输入的能力也为AI和机器学习提供了最可靠的数据集。综合起来,这些感知性能的改进创造了一个丰富的环境模型,这对于提供先进的安全功能至关重要。

传感器可扩展性:由于处理是在中央域控制器中进行,随着自动化级别的提高,添加卫星传感器也更简单,成本更低。虽然一辆具有L0或L1主动安全功能的汽车可能只有一个前向雷达和一个前向摄像头,但L2+车辆通常会增加360度环绕雷达和视野,偶尔还会增加一个LiDAR,从而增加8个或更多传感器。

·灵活的雷达和摄像头布放:卫星雷达比传统智能传感器小70%,可以灵活地布放在车辆周围,特别是空间昂贵的区域。雷达可以安全地放置在车身面板后面,或更容易封装在前格栅后面,而不会影响车辆美观。同样,卫星摄像头比智能摄像头更小、更轻,不易受到热影响,更易于封装在车内,比如安装在后视镜后面。

·减少车辆重量:在车辆性能方面,车越轻越好。卫星架构通过消除诸如电源、外壳和支架等冗余部件减轻了重量。与传统高级驾驶员辅助系统(ADAS)相比,系统的总体质量减轻了30%。

·散热:处理器会产生热量,重新定位中央控制器可以解决与车辆中分布的多个发热设备相关的热管理挑战。

·简化电气架构:将传感器输入集中到单个域控制器中,简化了车辆的电气/电子架构,这意味着域控制器可以升级,而无需对整个架构进行重大更改。

降低保修和维修成本:采用卫星架构,传感器中一些最昂贵的部件(涉及处理的部件)可位于车辆中央,而不是位于角落或格栅等最脆弱的区域。这意味着降低了小事故造成的维修成本。

卫星摄像头将视觉处理从边缘传感器移开 ·简化生命周期管理:单点智能简化了软件和固件的更新和增强。集中式软件更容易通过“空中传送”(OTA)进行更新,并且域控制器硬件可以根据需要随时间进行升级。这使得系统能够在其生命周期内轻松地进化和改进。

扑克牌vs口香糖

Aptiv高级副总裁兼高级安全与用户体验总裁David Paja表示,目前大多数系统都将计算能力集成到传感器中,从源头处理信息,即所谓的“边缘计算”,这使得每个传感器的构建和损坏时的更换成本都很高。 David Paja领奖 高效和可扩展的自动驾驶卫星计算平台有助于实现主动安全。它是如何运作的呢?利用卫星架构和高速、高可靠性网络,在车辆周围战略性部署各种传感器,包括摄像头、雷达、LiDAR和车辆到基础设施的能力。新架构将处理及智能从单个传感器中分离出来,不是将信息发送到高性能中央计算平台,而是将其集中到采用强大域控制器的卫星架构,改变了过去这类传感器独立做出很多决定的做法,从而提高性能、重用性和可更新性,同时使传感器更小、更具成本效益、更轻、更易于封装在车辆中。重量和体积的减少也消除了传感器散热问题,使车辆设计具有更大灵活性。在一个应用中,创新技术将摄像头的占位面积从一副扑克牌大小缩小到一包口香糖大小。

David Paja说:“与奥迪合作开发的自动驾驶卫星计算平台使我们的客户能够应用简化的传感器来扩展功能,实现高级安全自动化。它确实将改变行业的游戏规则者。”

该平台包括中央计算机、感知系统,以及高速、高可靠性电源和数据分配等功能,为配备车外先进主动安全系统,增强车内用户体验提供更智能、更安全和更集成的解决方案。

包括域控制器、区域控制器的中央计算机 该平台可以从基本的ADAS扩展到L4自动驾驶车辆,以满足不断提高的自动驾驶级别和复杂性要求。这一概念对Aptiv客户的车辆架构产生了革命性的影响。

安全从ADAS做起

Aptiv以实现更安全、更环保、更互联的未来为使命,而先进安全技术的普及首当其冲。Aptiv认为,在一个94%的事故都是由于驾驶员失误造成的世界上,ADAS可以帮助完全避免事故的发生。安全出行解决方案的普及意味着高级安全功能(如自动紧急制动或车道偏离/盲点警告)要广泛可用,而不限于高档车辆。

那么,ADAS应该怎么做?看看Aptiv的回答:

凭借其开发和提供感知系统的丰富经验,Aptiv将ADAS分成了几个阶段:·基本ADAS:在L1和L2,车辆都配备了ADAS功能,但关键是驾驶员精神和身体的投入,换句话说:大脑负责任务,眼睛盯着道路。通过一些L1和L2 ADAS技术,驾驶员可暂时将手或脚从方向盘或踏板上移开,但最终驾驶员仍必须随时可以控制车辆。在这一级别,Aptiv能够在交叉口场景下实现符合NCAP的自动紧急制动。由于采用灵活的卫星架构,它可以通过软件无缝地添加到客户的车辆计划中。

中级ADAS:为了无缝地扩展和添加高级L2产品的功能(如自动换道),Aptiv的附加组件已覆盖灵活的卫星架构,并添加了更复杂的软件。从基础到高级的一系列解决方案都可以在单一车辆平台上提供,而无需进行重大硬件更改。

·高级ADAS:在L2之后,卫星架构继续扩展,以支持更多的特性和功能。在车辆上添加传感器以提供更完整的环境视图,并结合了更先进的算法,以便在复杂情况下理解和正确控制车辆。在某些情况下,驾驶员可以长时间地将脚从踏板上移开,手离开方向盘,但眼睛仍应注视路面,其大脑在需要时可以接管控制权。

·从ADAS到自动化:除了技术方面的问题,系统可承受性也必须考虑。随着越来越多自动驾驶解决方案进入市场,对消费者来说,让这些系统足够实惠是市场接受的关键,而添加功能和特性会导致系统成本增加。不过,在充分发挥这些先进安全系统好处的同时,将成本降到最低点是众望所归。在L2+/L3-阶段,Aptiv可以提供成熟的雷达和视觉功能,而无需增加昂贵的LiDAR。

在公路/交通堵塞辅助驾驶方面,针对L2+系统,Aptiv增加了一个驾驶员感应摄像头和其他复杂的软件算法,从而实现了公路辅助功能;而在堵车辅助驾驶方面,Aptiv为L3增加了自动驾驶计算平台和更复杂的软件,启用堵车驾驶功能是让驾驶者“忘却”驾驶任务的第一步,走向真正的L3自动化。

下一个级别的自动驾驶将有越来越多的软件功能。随着向L4迈进,人工智能(AI)和机器学习技术,特别是神经网络,可以使自动驾驶车辆像人类一样工作,在实现先进安全性前提下,最终实现自动驾驶。

基于大脑神经网络的软件根据一定的概率做出决定 值得一提的是,作为传感器融合领域的领导者,Aptiv通过组合大量卫星传感器(包括视觉和LiDAR),通过低级别融合创建了一个车辆周围环境的稳健模型。卫星架构方法具有高度可扩展性,适合多种车型和市场,充分利用了车辆大脑和神经系统方面的优势。卫星架构中的产品可根据客户的需求进行调整,无论是完全集成的硬件和软件解决方案、支持软件的ADAS,还是单独的软件功能,都不在话下。

Baidu
map