就像最初的登月一樣,，在通往安全自動駕駛車輛的道路上還存在許多障礙。最近發(fā)生的涉及自動駕駛車輛的事故助長了唱反調者的聲勢,，他們認為車輛及其行駛環(huán)境太復雜,，變數(shù)太多，而算法和軟件仍然錯誤太多,。對于參與了ISO26262功能安全合規(guī)性驗證的任何人來說,，他們對此持懷疑態(tài)度是可以理解的。
當務之急是要在自動駕駛即將到來之時,，保障至關重要的安全性,。加州車輛管理局（DMV）2018年的非官方數(shù)據(jù)顯示，同等英里數(shù)下,，自動駕駛模式的人為接管次數(shù)正在減少,，這也表明自動駕駛系統(tǒng)正變得越來越強大。而這種趨勢需要進一步加快,。
通過將協(xié)作和新思維放在第一位，汽車制造商將直接與芯片供應商洽談,；傳感器制造商將與AI算法開發(fā)人員討論傳感器融合,；而軟件開發(fā)人員將與硬件提供商建立聯(lián)系，充分發(fā)揮兩者的優(yōu)勢,。舊的關系正在改變,，新的關系正在動態(tài)地形成，以優(yōu)化最終設計的性能,、功能,、可靠性、成本和安全性,。
生態(tài)系統(tǒng)正在尋求合適的模式,，以便在此基礎上制造和測試全自動駕駛車輛,，用于快速涌現(xiàn)的新應用，如自動駕駛出租車（robo－taxi）和長途貨車,。在此過程中,，高級駕駛輔助系統(tǒng)（ADAS）所使用的傳感器不斷改進，使得自動化程度快速提高,。
這些傳感器技術包括攝像頭,、激光探測與測距（LiDAR）、無線電探測與測距（radar）,、微機電傳感器（MEMS）,、慣性測量單元（IMU）、超聲波和GPS,，所有這些都為人工智能系統(tǒng)提供關鍵的數(shù)據(jù)輸入,，從而驅動真正的自動駕駛車輛。車輛的智能化程度通常用自動駕駛級別來表示,。L1和L2主要是預警系統(tǒng),，而L3或更高級別的車輛被授權控制以避免事故。隨著車輛發(fā)展到L5,，方向盤將被取消,，車輛完全自動駕駛。
在最初的幾代系統(tǒng)中,，隨著車輛開始具備L2功能,，各個傳感器系統(tǒng)獨立工作。這些預警系統(tǒng)誤報率較高,，帶來了不少麻煩,，因此經(jīng)常被關閉。將更多傳感器安裝在車輛上后,，還可以更好地監(jiān)控和分析當前機械狀況,，如胎壓、重量變化（例如,，負載和無負載,、一名乘客或五名乘客），以及可能影響制動和操控的其他磨損因素,。有了更多的外部傳感方式,，車輛可以更充分地感知其行駛狀況和周圍環(huán)境。
傳感方式的改進使汽車能夠識別環(huán)境的當前狀態(tài),，并了解歷史狀態(tài),。這來自于ENSCO航空航天科學和工程部首席技術官Joseph Motola開發(fā)的原理。這種傳感能力既可以完成一些簡單的任務，例如探查道路狀況,，識別坑洼位置,，也可以進行一些詳細分析，比如一段時間內在特定區(qū)域發(fā)生的事故類型以及事故原因,。
在產(chǎn)生這些認知概念時,，由于感測、處理,、內存容量和網(wǎng)絡連接的限制,，使它們看起來似乎遙不可及。但現(xiàn)在情況已經(jīng)大有改觀?，F(xiàn)在,，系統(tǒng)可以訪問這些歷史數(shù)據(jù)，并將其與車輛傳感器提供的實時數(shù)據(jù)相結合,，以提供越來越準確的預防性措施,，避免發(fā)生事故。
要想真正有效地解決行業(yè)面臨的問題,，仍有許多工作要做,。例如，要提高攝像頭計算橫向速度的能力（也就是物體在與車輛行駛方向垂直的路徑上移動的速度）,。但是,，要實現(xiàn)足夠低的誤報率，即使是最好的機器學習算法仍然需要大約300毫秒來進行橫向移動檢測,。對于在以每小時60英里速度行駛的車 輛和在車輛前方行走的行人來說,，毫秒之差就關系到人員受傷的輕重程度，因此響應時間至關重要
300毫秒延遲是由系統(tǒng)從連續(xù)視頻幀執(zhí)行增量矢量計算所需的時間造成的,。要進行可靠的檢測,，需要十個或以上連續(xù)幀，但我們必須將其降到一個或兩個連續(xù)幀,，以便給車輛足夠的響應時間,。雷達可以做到這一點。
同樣,，雷達在速度和物體探測方面也有許多優(yōu)點,，例如對方位和俯仰角的高分辨率，以及＆ldquo,；看到＆rdquo；周圍物體的能力,，但它也需要為車輛提供更多的時間來作出反應,。以400公里／小時或更高的速度測定為目標，77GHz至79GHz的一些開發(fā)工作取得了新的進展。這種水平速度測定可能看起來很極端,，但對于支持復 雜的雙向車道行駛是必要的,，在這種路況中，相向行駛的車輛的相對速度超過200公里／小時,。
激光雷達正在發(fā)展為經(jīng)濟高效的緊湊型固態(tài)設計,，可以放置在車輛周邊的多個位置，以支持完整的360覆蓋范圍,。它與一般雷達和攝像頭系統(tǒng)相輔相成,，提升了角分辨率和深度感知，以提供更精確的三維環(huán)境影像,。
但是,，近紅外波段（IR）（850nm至940nm）對視網(wǎng)膜有害，因此其能量輸出在905nm處被嚴格調節(jié)到200nJ／脈沖,。而通過遷移到波長超過1500nm的短波紅外,，這些光由眼睛的整個表面吸收。這樣就可以放寬一些限制,，調節(jié)到每脈沖8 mJ,。1500nm脈沖激光雷達系統(tǒng)的能量級別是905nm激光雷達的40，000倍,，探測距離是后者的4倍,。此外，1500nm系統(tǒng)可以更好地抵御某些環(huán)境條件,，如霧霾,、灰塵和細小的氣溶膠。
1500nm激光雷達面臨的挑戰(zhàn)是系統(tǒng)成本,，這在很大程度上受到光伏探測器技術的推動（該技術如今基于InGaAs技術）,。獲得高質量解決方案，即具有高靈敏度,、低暗電流和低電容,，將是1500nm激光雷達取得進展的關鍵技術。此外,，隨著激光雷達系統(tǒng)進入第二代和第三代,，需要使用針對應用而優(yōu)化的電路集成，以減少尺寸,、功率和整體系統(tǒng)成本,。
除了超聲波、攝像頭,、雷達和激光雷達之外,，其他傳感技術也在實現(xiàn)全自動駕駛方面發(fā)揮著關鍵作用,。GPS讓車輛能夠始終了解自己所處的位置。盡管如此,，仍有一些地方無法獲得GPS信號,，例如隧道和高層建筑中。而這就是慣性測量單元發(fā)揮重要作用的地方,。
盡管經(jīng)常被忽視,，但IMU非常穩(wěn)定可靠，因為它依賴于重力,，而重力幾乎不受環(huán)境條件影響,。它對航位推算非常有用。在暫時沒有GPS信號的情況下,，航位推算可使用來自速度計和IMU等來源的數(shù)據(jù),，檢測行駛的距離和方向，并將這些數(shù)據(jù)疊加到高清地圖上,。這使自動駕駛車輛能夠保持在正確的軌跡,，直到GPS信號恢復。和這些傳感技術一樣重要的是它們的可靠性,，如果傳感器本身不可靠,，輸出的信號沒有被準確捕獲以作為高精度數(shù)據(jù)提供給上游，那么這些關鍵的傳感器將變得毫無意義,，也正應驗了那句話,，如果輸入的是垃圾，那么輸出的也一定是垃圾,。
為了確保傳感器的可靠性,，即使是最先進的模擬信號鏈也必須不斷改進，以檢測,、獲取和數(shù)字化轉換傳感器信號,，使其準確度和精度不會隨時間和溫度的變化而發(fā)生偏差。采用合適的器件和設計方法,，可以大幅緩解一些出了名的難題（如偏置溫漂,、相位噪聲、干擾和其他不穩(wěn)定現(xiàn)象）,。高精度／高質量的數(shù)據(jù)是機器學習和人工智能處理器得到適當訓練并做出正確決策的基礎,。一般不會有第二次機會讓你重頭來過。
一旦數(shù)據(jù)質量得到保證,，各種傳感器融合方法和人工智能算法就可以做出最佳響應,。事實上，不管人工智能算法訓練得有多好,，一旦模型被編譯并部署到網(wǎng)絡邊緣的設備上,，它們的有效性就完全依賴于高精度的傳感器可靠數(shù)據(jù),。傳感器模式、傳感器融合,、信號處理和人工智能之間的這種相互作用，對具有智能和認知能力的自動駕駛車輛的發(fā)展,，以及保障駕駛員,、乘客和行人安全都有著深遠的影響。但是,，如果沒有高度可靠,、準確、高精度的傳感器信息（這些信息是安全自動駕駛車輛的基礎）,，一切都毫無意義,。
和任何先進技術一樣，我們在這方面做的工作越多,，就會發(fā)現(xiàn)更多需要解決的復雜用例,。這種復雜性將繼續(xù)對現(xiàn)有技術構成難題，因此我們期待下一代傳感器和傳感器融合算法可以解決這些問題,。
就像最初的登月一樣,，我們對于整個自動駕駛車輛推行計劃也抱有巨大的期待，希望這將為社會帶來深刻的變革和持久的影響,。從輔助駕駛發(fā)展到自動駕駛,，不僅會大幅提升交通安全性，還會顯著提高生產(chǎn)力,。而這樣的未來完全依托于傳感器,，其他一切都將建立在傳感器基礎之上。
過去25年來,，ADI一直致力于汽車安全和ADAS發(fā)展?，F(xiàn)在，ADI正在為自動駕駛的未來奠定基礎,。ADI圍繞慣性導航,、高性能雷達和激光雷達等領域的卓越積累，提供高性能傳感器和信號／功率鏈解決方案,。這些解決方案不僅將大幅提高這些系統(tǒng)的性能,，而且還將降低整個平臺的實施成本，從而加快我們邁向自動駕駛的步伐,。