由于傳感器的成本從15美元到1美元不等，汽車制造商想知道車輛完全自動駕駛需要多少傳感器。 這些傳感器用于收集有關(guān)周圍環(huán)境的數(shù)據(jù)，它們包括圖像、激光雷達、雷達、超聲波和熱傳感器。一種類型的傳感器是不夠的，因為每種傳感器都有其局限性。這是傳感器融合背后的關(guān)鍵驅(qū)動力，它結(jié)合了多種類型的傳感器以實現(xiàn)安全的自動駕駛。 所有 L2 級或更高級別的車輛都依靠傳感器來“看到”周圍環(huán)境并執(zhí)行車道居中、自適應巡航控制、緊急制動和盲點警告等任務(wù)。到目前為止，原始設(shè)備制造商正在采用非常不同的設(shè)計和部署方法。

2022年5月，梅賽德斯奔馳在德國推出了首款能夠?qū)崿F(xiàn)L3級自動駕駛的車輛。L3 級自動駕駛是S級和EQS的一個選項，計劃于2024年在美國推出。 據(jù)該公司稱，基于駕駛輔助套件（雷達和攝像頭）的DRIVE PILOT增加了新的傳感器，包括激光雷達，前窗的高級立體攝像頭和后窗的多功能攝像頭。還增加了麥克風（特別是用于檢測緊急車輛）和前駕駛室中的濕度傳感器。總共安裝了 30 個傳感器，以捕獲安全自動駕駛所需的數(shù)據(jù)。 特斯拉正在走一條不同的道路。2021年，特斯拉宣布，Model 3和Model Y將實施特斯拉視覺攝像頭自動駕駛技術(shù)戰(zhàn)略，2022年將實施于Model S和Model X。該公司還決定拆除超聲波傳感器。

傳感器局限性

當今自動駕駛設(shè)計面臨的挑戰(zhàn)之一是不同傳感器的局限性。為了實現(xiàn)安全的自動駕駛，可能需要傳感器融合。關(guān)鍵問題不僅是傳感器的數(shù)量、類型和部署位置，還在于 AI/ML 技術(shù)應如何與傳感器交互以分析數(shù)據(jù)以實現(xiàn)最佳駕駛決策。

為了克服傳感器的限制，可能需要傳感器融合，將多個傳感器組合在一起用于自動駕駛，以實現(xiàn)最佳性能和安全性。 “自動駕駛廣泛使用人工智能技術(shù)，”Rambus安全IP技術(shù)產(chǎn)品經(jīng)理Thierry Kouthon說。“自動駕駛，甚至是入門級的ADAS功能，都要求車輛表現(xiàn)出與人類駕駛員相當或更好的環(huán)境意識水平。首先，車輛必須識別其他車輛、行人和路邊基礎(chǔ)設(shè)施，并確定它們的正確位置。

這需要AI深度學習技術(shù)能夠很好地解決模式識別能力。視覺模式識別是車輛大量使用的高級深度學習領(lǐng)域。此外，車輛必須能夠始終計算其最佳軌跡和速度。這需要人工智能也能很好地解決路線規(guī)劃能力。這樣，激光雷達和雷達就可以提供距離信息，這些信息對于正確重建車輛環(huán)境至關(guān)重要。”

傳感器融合結(jié)合了來自不同傳感器的信息以更好地了解車輛環(huán)境，仍然是一個活躍的研究領(lǐng)域。 “每種類型的傳感器都有局限性，”Kouthon說。“相機非常適合物體識別，但提供的距離信息很差，圖像處理需要大量的計算資源。相比之下，激光雷達和雷達提供了出色的距離信息，但清晰度較差。此外，激光雷達在惡劣的天氣條件下不能很好地工作。”

到底需要多少個傳感器？

對于自動駕駛系統(tǒng)需要多少傳感器的問題，沒有簡單的答案。原始設(shè)備制造商目前正試圖解決這個問題。這里的其他考慮因素包括，例如，在開放道路上行駛的卡車和城市機器人出租車的需求非常不同。 “這是一個艱難的計算，因為每個汽車OEM都有自己的架構(gòu)，通過提供更好的空間定位，更長的距離和高能見度，以及識別和分類物體的能力，然后區(qū)分各種物體，來保護車輛，”Cadence產(chǎn)品管理和營銷總監(jiān)Amit Kumar說。“這也取決于汽車制造商決定啟用的自主性水平（對于 示例，以提供廣度）。簡而言之，為了實現(xiàn)部分自主性，傳感器的最小數(shù)量可以是 4 到 8 個各種類型的傳感器。為了實現(xiàn)完全自主，今天使用了 12+ 個傳感器。”

Kumar指出，在特斯拉的案例中，有20個傳感器（8個攝像頭傳感器加上12個3級或以下的超聲波傳感器），沒有激光雷達或雷達。“該公司堅信計算機視覺，其傳感器套件適用于L3 Autonomy。據(jù)媒體報道，特斯拉可能會引入雷達來改善自動駕駛。 Zoox已經(jīng)實現(xiàn)了四個激光雷達傳感器，以及攝像頭和雷達傳感器的組合。這是一款完全自動駕駛的車輛，內(nèi)部沒有駕駛員，目標是在地圖清晰且易于理解的路線上運行。商業(yè)部署尚未開始，但很快就會有一個有限的用例（不像乘用車那么廣泛）。 Nuro的自動駕駛送貨車，美學并不那么重要，它使用帶有四個傳感器的360度攝像頭系統(tǒng)，加上一個360度激光雷達傳感器，四個雷達傳感器和超聲波傳感器。

實施這些系統(tǒng)沒有簡單的公式。 “需要的傳感器數(shù)量是組織可接受的風險水平的傳感器數(shù)量，并且也取決于應用程序，”Synopsys汽車集團汽車軟件與安全高級經(jīng)理Chris Clark說。“如果正在開發(fā)機器人出租車，他們不僅需要道路安全的傳感器，而且還需要車內(nèi)的傳感器來監(jiān)控乘客在車內(nèi)的行為，以確保乘客安全。在這種情況下，我們將處于一個人口眾多、城市密度高的地區(qū)，該地區(qū)具有相當獨特的特征，而不是用于高速公路駕駛的車輛，在那里你有更長的距離和更大的反應空間。在高速公路上，侵入道路的可能性較小。我不認為有一個固定的規(guī)則，必須擁有三種不同類型的傳感器和三種不同的攝像頭來覆蓋所有自動駕駛汽車的不同角度。”

不過，有多少傳感器將取決于該車輛將要解決的用例。 “在機器人出租車的例子中，必須使用激光雷達和常規(guī)相機，以及超聲波或雷達，因為有太多的密度需要處理，”克拉克說。“此外，我們需要包括一個用于V2X的傳感器，其中流入車輛的數(shù)據(jù)將與車輛在周圍環(huán)境中看到的內(nèi)容保持一致。在公路卡車運輸解決方案中，將使用不同類型的傳感器。超聲波在高速公路上沒有那么有益，除非我們正在做類似組隊的事情，但這不是一個前瞻性的傳感器。相反，它可能是前視和后視傳感器，以便我們可以連接到所有團隊資產(chǎn)。但是激光雷達和雷達變得更加重要，因為卡車在高速公路上行駛時必須考慮的距離和范圍。

另一個考慮因素是所需的分析水平。“有這么多數(shù)據(jù)需要處理，我們必須決定其中有多少數(shù)據(jù)是重要的，”他說。“這就是傳感器類型和功能變得有趣的地方。例如，如果激光雷達傳感器可以在周期的早期進行局部分析，這將減少流回傳感器融合以進行其他分析的數(shù)據(jù)量。減少數(shù)據(jù)量反過來又會降低整體計算能力和系統(tǒng)設(shè)計成本。否則，車輛將需要以整合計算環(huán)境或?qū)Ｗ⒂趥鞲衅骶W(wǎng)格劃分和分析的專用ECU的形式進行額外的處理。

成本始終是一個問題

傳感器融合可能很昂貴。在早期，由多個單元組成的激光雷達系統(tǒng)的成本可能高達80000美元。高成本來自裝置中的機械部件。今天，成本要低得多，一些制造商預計在未來的某個時候，它可能低至每單位200至300美元。新興的熱傳感器技術(shù)將在幾千美元左右。 總體而言，OEM廠商將繼續(xù)面臨降低傳感器總部署成本的壓力。使用更多的相機而不是激光雷達系統(tǒng)將有助于OEM降低制造成本。

“在城市環(huán)境中，安全的基本定義是消除所有可避免的碰撞，”西門子數(shù)字工業(yè)軟件混合和虛擬系統(tǒng)副總裁David Fritz說。所需的最小傳感器數(shù)量取決于用例。一些人認為，未來，智慧城市基礎(chǔ)設(shè)施將變得復雜且無處不在，從而減少城市環(huán)境中對車載傳感的需求。 車對車通信也可能對傳感器產(chǎn)生影響。 “在這里，機載傳感器的數(shù)量可能會減少，但我們還沒有，”Fritz觀察到。“此外，總會有一些情況，AV將不得不假設(shè)由于電源故障或其他停電而無法獲得所有外部信息。因此，車輛上總是需要安裝一些傳感器——不僅適用于城市地區(qū)，也適用于農(nóng)村地區(qū)。

我們一直在研究的許多設(shè)計都需要車輛外部的八個攝像頭和內(nèi)部的幾個攝像頭。通過前面的兩個攝像頭，經(jīng)過適當校準，我們可以實現(xiàn)低延遲、高分辨率的立體視覺，提供物體的深度范圍，從而減少對雷達的需求。我們在車輛的前部、后部和兩側(cè)都這樣做，以獲得完整的 360° 視角。” 隨著所有相機執(zhí)行對象檢測和分類，關(guān)鍵信息將被傳遞到中央計算系統(tǒng)以做出控制決策。 “如果基礎(chǔ)設(shè)施或其他車輛信息可用，它將與來自車載傳感器的信息融合，以生成更全面的3D視圖，從而實現(xiàn)更好的決策，”Fritz說。“在內(nèi)部，額外的攝像頭用于駕駛員監(jiān)控，并檢測留下的物體等占用條件。可能增加一個低成本的雷達來處理惡劣天氣情況，如大霧或下雨，是傳感器套件的一個高級補充。我們最近沒有看到大量使用激光雷達。

在某些情況下，激光雷達性能會受到回波和反射的影響。最初，自動駕駛原型嚴重依賴激光雷達數(shù)據(jù)的GPU處理，但最近更智能的架構(gòu)更傾向于高分辨率、高FPS攝像頭，其分布式架構(gòu)可以更好地優(yōu)化整個系統(tǒng)的數(shù)據(jù)流。” 優(yōu)化傳感器融合可能很復雜。如何知道哪種組合能提供最佳性能？除了進行功能測試外，OEM還依靠Ansys和西門子等公司提供建模和仿真解決方案來測試各種傳感器組合的結(jié)果，以實現(xiàn)最佳性能。

增強技術(shù)影響未來的傳感器設(shè)計

智能基礎(chǔ)設(shè)施中的V2X、5G、高級數(shù)字地圖和GPS等增強技術(shù)將使車載傳感器更少的自動駕駛成為可能。但要改進這些技術(shù)，自動駕駛將需要整個汽車行業(yè)的支持，以及智慧城市的發(fā)展。

“各種增強技術(shù)服務(wù)于不同的目的，”Arteris IP解決方案和業(yè)務(wù)開發(fā)副總裁Frank Schirrmeister指出。“開發(fā)人員經(jīng)常將兩者結(jié)合起來，以創(chuàng)建安全便捷的用戶體驗。例如，用于路徑規(guī)劃的地圖信息數(shù)字孿生可以在能見度有限的條件下創(chuàng)造更安全的體驗，以增強基于傳感器信息的車內(nèi)本地決策。V2V和V2X信息可以補充車內(nèi)本地可用的信息，以做出安全決策，增加冗余并創(chuàng)建更多數(shù)據(jù)點作為安全決策的基礎(chǔ)。”

此外，車聯(lián)網(wǎng)有望在車輛和路邊基礎(chǔ)設(shè)施之間進行實時協(xié)作，這需要超可靠低延遲通信（URLLC）等技術(shù)。 “這些要求導致了各種人工智能技術(shù)在交通預測、5G資源分配、擁堵控制等方面的應用，”Kouthon說。“換句話說，人工智能可以優(yōu)化和減少自動駕駛對網(wǎng)絡(luò)基礎(chǔ)設(shè)施的沉重影響。我們預計原始設(shè)備制造商將使用軟件定義的汽車架構(gòu)來構(gòu)建自動駕駛汽車，其中ECU是虛擬化的，并通過無線方式進行更新。數(shù)字孿生技術(shù)對于在非常接近真實車輛的車輛云模擬上測試軟件和更新至關(guān)重要。”

結(jié)論

最終實施時，L3 級自動駕駛可能需要30+個傳感器，或十幾個攝像頭，具體取決于OEM的架構(gòu)。但是，關(guān)于哪種更安全，或者自動駕駛傳感器系統(tǒng)是否會在城市環(huán)境中提供與在高速公路上駕駛相同水平的安全駕駛，目前還沒有定論。 隨著傳感器成本在未來幾年的下降，它可能會為新傳感器打開大門，這些傳感器可以添加到組合中以提高惡劣天氣下的安全性。但是，OEM廠商可能需要很長時間才能對一定數(shù)量的傳感器進行標準化，這些傳感器被認為足以確保所有條件和極端情況下的安全性。

審核編輯：黃飛

?