每年，約有 120 萬人死于道路交通事故，還有無數(shù)人遭受改變?nèi)松膫??？紤]到這一點(diǎn)，世界衛(wèi)生組織和聯(lián)合國大會(huì)合作制定了一項(xiàng)名為“道路安全行動(dòng)十年”的計(jì)劃。該計(jì)劃旨在到 2030 年將道路交通傷亡人數(shù)減少至少 50%。

　　但法規(guī)制定者們還有他們的工作要做?！丁纷罱囊黄恼轮幸玫难芯恐赋?，在大流行期間，美國的車禍數(shù)量增加了 16%，2021 年的道路死亡人數(shù)達(dá)到 15 年來的最高水平，超過 42,000 人。雖然全球情況各不相同，但不幸的是，美國之前道路安全改進(jìn)的這種逆轉(zhuǎn)今天似乎仍在繼續(xù)。

　　立法和執(zhí)法將在實(shí)現(xiàn)減少 50% 的死亡和傷害目標(biāo)方面發(fā)揮關(guān)鍵作用。但額外的影響將來自汽車制造商實(shí)施高級駕駛輔助系統(tǒng) （ADAS） 和提高駕駛員自動(dòng)化水平。

　　雖然自動(dòng)駕駛汽車和經(jīng)常被引用的 SAE 水平駕駛自動(dòng)化已經(jīng)收到了大量行業(yè)報(bào)道和評論，但現(xiàn)實(shí)情況是 ADAS 解決方案正在挽救生命。這已經(jīng)通過啟用自動(dòng)緊急制動(dòng) （AEB）、車道偏離警告和前方碰撞警告（分別為 LDW 和 FCW）、盲點(diǎn)檢測 （BSD） 和駕駛員監(jiān)控 （DMS/OMS） 等功能來實(shí)現(xiàn)。因此，加速部署基于半導(dǎo)體的、經(jīng)濟(jì)高效的高性能 ADAS 解決方案必須成為行業(yè)的優(yōu)先事項(xiàng)。

　　攝像頭可捕獲車輛周圍環(huán)境的圖像，并支持基于人類視覺和計(jì)算機(jī)視覺的傳感用例，例如環(huán)視、LDW、AEB、BSD 以及駕駛員和乘客監(jiān)控。

　　基于攝像頭的傳感需要一個(gè)處理管道，其中包括圖像傳感器、圖像信號處理（用于顏色恢復(fù)、降噪、自動(dòng)曝光等）和軟件感知算法（經(jīng)典算法和基于 AI 的算法）來處理攝像頭數(shù)據(jù)以識別其他車輛、交通信號燈、路標(biāo)和行人等物體。但是，攝像機(jī)的深度感知能九游中國體育 官方網(wǎng)站力有限，惡劣天氣性能也很差。

　　相反，雷達(dá)在弱光和惡劣天氣條件下表現(xiàn)良好，可以探測短距離 （~1 m） 和長距離 （~200 m） 的物體。雷達(dá)已廣泛部署用于 FCW、BSD 和自適應(yīng)巡航控制 （ACC）。

　　汽車早期雷達(dá)部署使用基于脈沖的非相干傳感。這類似于我們在電影中經(jīng)?？吹降?“pinged ” 雷達(dá)描述。在這里，發(fā)射無線電脈沖，脈沖從物體反射回來所需的時(shí)間決定了距離（也稱為飛行時(shí)間或 ToF 檢測）。

　　隨著半導(dǎo)體集成和處理能力的發(fā)展，汽車制造商迅速從非相干雷達(dá)檢測轉(zhuǎn)向相干檢測。這是因?yàn)樗哂芯嚯x更遠(yuǎn)、抗干擾能力、發(fā)射峰值功率較低以及能夠提取即時(shí)每點(diǎn)速度信息等優(yōu)點(diǎn)。

　　調(diào)頻連續(xù)波 （FMCW） 檢測是當(dāng)今汽車?yán)走_(dá)解決方案中部署的最流行的相干技術(shù)。這也是大約 20+ 年前電信采用的方法，因?yàn)樗哂薪?jīng)過驗(yàn)證的潛在優(yōu)勢。

　　除了雷達(dá)之外，光探測和測距 （LiDAR） 現(xiàn)在還部署在車輛中，用于遠(yuǎn)程 （c.200 m） 探測。在最基本的層面上，LiDAR 系統(tǒng)從光源發(fā)射光子并測量返回信號的特性以確定物體距離。LiDAR 在紅外光譜中運(yùn)行，使用的波長比雷達(dá)小得多——在 200 THz（1550 μm 波長）LiDAR 和 77 GHz（4 mm 波長）雷達(dá)的情況下，使用的波長減少了 2500 倍。這為 LiDAR 賦予了相對于雷達(dá)的巨大傳感分辨率優(yōu)勢，因此具有互補(bǔ)部署。

　　因此，汽車制造商正在尋找使用 LiDAR 的方法，不僅可以在遠(yuǎn)距離（例如在高速公路上）檢測丟失的貨物或輪胎（~15 厘米高），還可以用于短距離（10 m）自動(dòng)泊車應(yīng)用，以準(zhǔn)確檢測小障礙物（包括寵物或兒童）。

　　與雷達(dá)的歷史歷程一樣，LiDAR 傳感在車輛中的早期部署是基于 ToF 的。但是，相干公司 LiDAR 檢測（尤其是基于 FMCW 的檢測）由于其相對于 ToF 檢測的關(guān)鍵優(yōu)勢，現(xiàn)在正受到汽車制造商的關(guān)注。

　　相干檢測對光學(xué)前端的硅光子集成能力，以及專用 LiDAR 處理器片上系統(tǒng) （SoC）（如Indie Semiconductors 的iND83301）的日益普及，將有助于降低系統(tǒng)成本、尺寸和功耗，并滿足汽車制造商的高性能要求。

　　圖 1顯示了每種傳感模式如何具有各自的優(yōu)勢。汽車制造商通常會(huì)部署多種模式，以最大限度地發(fā)揮 ADAS 功能的能力，以補(bǔ)充駕駛員的環(huán)境感知能力并提高系統(tǒng)冗余度。

　　必須傳輸和處理不斷增長的 ADAS 傳感器生成的數(shù)據(jù)，以創(chuàng)建對車輛環(huán)境的感知。它還可以警告駕駛員潛在的危險(xiǎn)，甚至采取自動(dòng)糾正措施，例如緊急制動(dòng)或轉(zhuǎn)向驅(qū)動(dòng)。但 ADAS 傳感器位于車輛電氣和電子 （E/E） 架構(gòu)的框架內(nèi)，這意味著必須在更廣泛的背景下考慮實(shí)施的 ADAS 架構(gòu)。

　　汽車半導(dǎo)體集成和處理性能的提高加速了汽車三大趨勢的形成：ADAS、增強(qiáng)的車內(nèi)用戶體驗(yàn)和傳動(dòng)系統(tǒng)電氣化。因此，車輛內(nèi)支持半導(dǎo)體的電子控制單元 （ECU） 的數(shù)量已從數(shù)十個(gè)激增到今天的 100 多個(gè)。

　　對于汽車制造商來說，這在 E/E 架構(gòu)設(shè)計(jì)復(fù)雜性、ECU 布線和配電的成本和重量、功率和熱限制、車輛軟件管理和供應(yīng)鏈物流方面帶來了挑戰(zhàn)。

　　為了滿足汽車大趨勢的功能和處理需求，傳統(tǒng)的單功能 ECU 架構(gòu)正在被更高級別的多功能 ECU 整合所取代，并通過域（特定于功能）、區(qū)域（物理共存功能）和中央計(jì)算（中央“大腦”）E/E 架構(gòu)實(shí)現(xiàn)更高水平的多功能 ECU 整合和更大的處理集中化（圖 2）.這些 E/E 架構(gòu)的確切定義因行業(yè)利益相關(guān)者而異，但通往更高級別 ECU 功能集成的大致軌跡是一致九游中國體育 官方網(wǎng)站的。

　　這種向更大程度的 E/E 架構(gòu)集中化的演變?yōu)?ADAS 傳感架構(gòu)提出了基本問題：

　　是否應(yīng)該在車輛邊緣對傳感器數(shù)據(jù)和感知進(jìn)行全面處理，并將每個(gè)傳感器的感知“結(jié)果”傳遞給下游 Domain、Zone 或 Central Compute，以啟動(dòng)任何緩解安全問題的啟動(dòng)？

　　是否應(yīng)該在車輛邊緣或附近執(zhí)行一些處理，并在任何所需的驅(qū)動(dòng)之前在 Domains、Zones 和 Central Compute 中執(zhí)行進(jìn)一步的處理和感知？

　　每家汽車制造商都有不同的（通常是傳統(tǒng)的）汽車平臺(tái)，它必須支持從入門級和中型車型到高檔和豪華車型的各種車型。一刀切的中央計(jì)算“大腦”E/E 架構(gòu)的前提原則上很有吸引力，可能適合選定的單一平臺(tái)汽車制造商（例如僅限豪華車型或非傳統(tǒng)“全新”電動(dòng)汽車制造商）。然而，現(xiàn)實(shí)情況是，大多數(shù)公司需要支持多個(gè) E/E 架構(gòu)來滿足其商業(yè)需求。

　　當(dāng)然，汽車制造商的 ECU 整合和跨車型重用軟件對于最大限度地提高開發(fā)和成本效率至關(guān)重要。然而，僅限中樞大腦的架構(gòu)并不是萬能的，對于大多數(shù)汽車制造商來說，它也不具有商業(yè)實(shí)用性。

　　因此，在可預(yù)見的未來，支持分布式智能的 E/E 和 ADAS 架構(gòu)將存在。這包括跨越車輛傳感器邊緣以及域、區(qū)域和中央計(jì)算 ECU 的數(shù)據(jù)處理和感知。這種分布式架構(gòu)雖然不能完全解決軟件復(fù)雜性和管理問題，但確實(shí)緩解了數(shù)據(jù)傳輸、ECU 布線和配電挑戰(zhàn)。它們還支持 ECU 和 ADAS 傳感器的可選性，以滿足汽車制造商車型的價(jià)格點(diǎn)。

　　在 ADAS 傳感的情況下，分布式智能架構(gòu)意味著一些數(shù)據(jù)處理和感知是在傳感器附近或附近實(shí)現(xiàn)的。然后，生成的感知計(jì)算（例如，場景分割、對象分類或?qū)ο髾z測）被傳遞到域、區(qū)域或中央計(jì)算 ECU，與來自其他傳感器的感知計(jì)算一起處理，以實(shí)現(xiàn)最終的感知和安全響應(yīng)驅(qū)動(dòng)。

　　這種感知架構(gòu)通常被稱為晚期融合，因?yàn)槊總€(gè)傳感器都已經(jīng)執(zhí)行了一定程度的感知。晚期融合與僅中央計(jì)算架構(gòu)相關(guān)的早期融合形成鮮明對比，在這種架構(gòu)中，來自多個(gè)傳感器模態(tài)的原始、未處理的數(shù)據(jù)通過車輛傳輸，以便在中央“大腦”ECU 中進(jìn)行聚合處理。

　　分布式智能傳感架構(gòu)的一個(gè)潛在用例是保護(hù)弱勢道路使用者 （VRU），例如行人和騎自行車的人。最近對新車驗(yàn)收計(jì)劃（如 EuroNCAP）的更改引入了對 VRU 的額外測試，包括在倒車和盲點(diǎn)場景中。

　　盲點(diǎn)雷達(dá)和環(huán)視攝像頭通常在物理上位于同一位置。因此，汽車制造商正在尋找能夠同時(shí)處理雷達(dá)和攝像頭數(shù)據(jù)并執(zhí)行每個(gè)管道決策融合的單一 SoC 解決方案（即，在雷達(dá)的情況下是標(biāo)記的 2D 點(diǎn)，在攝像頭的情況下是邊界框）。這將有助于降低 ADAS 傳感成本并實(shí)現(xiàn)低延遲邊緣決策。

　　邊緣或附近的傳感器融合分布式智能概念也可以擴(kuò)展到其他 ADAS 用例和傳感器模式，有助于將 ADAS 的優(yōu)勢帶入最廣泛的市場。

　　ADAS 在汽車行業(yè)中發(fā)揮著至關(guān)重要的作用，可以減少道路傷亡。不同傳感器模式的功能相輔相成，導(dǎo)致汽車制造商越來越多地部署多模式傳感，以增強(qiáng)駕駛員的環(huán)境感知和車輛的安全響應(yīng)行動(dòng)。

　　在不斷發(fā)展的車輛 E/E 架構(gòu)背景下，傳感器創(chuàng)新和分布式智能有助于在所有車輛類別中推廣 ADAS 技術(shù)。最終，我們的道路對所有道路使用者來說都將更加安全。