當你在美國鳳凰城附近駕車，很有可能會遇上無人駕駛車輛，你們將會在同一條道路上，共享一段旅程。

一年多前，Waymo宣布了自動駕駛汽車領域內的一個重大舉措，與捷豹路虎（Jaguar Land Rover ）公司合作，在其自動駕駛汽車車隊中增加新款純電動捷豹I-Pace跨界車，Waymo采用 I-Pace 電動 SUV 來進行自動駕駛技術測試。如今，這些“自動行走的獵豹”，已上路“奔跑”測試。

這輛車的標志十分低調，其只有一個不易被察覺的灰色“Waymo Engineering”logo在后車門上。不過這并不影響大家一眼就認出它，車頂上“滑雪盒”大小的裝置使自動駕駛汽車分外惹眼。

自動駕駛服務的目標人群是對駕車沒有興趣，并且只在當地購物和通勤的人。在美國，居住在依賴汽車出行的社區的老年人，以及40歲以上患有視力障礙的人，高達300萬人。這項自動駕駛服務，還旨在為這群人提供一種經濟有效的交通解決方案。

高級駕駛輔助系統（ADAS）已成為許多現代車輛的標配功能，ADAS能夠幫助駕駛員處理某些交通狀況。許多OEM和供應商正在專注于L3自動化的開發，目前，L3自動駕駛車輛已經可以做到讓駕駛員“不動手”和“不睜眼”的情況下駕車，但駕駛員必須在特定條件下進行干預。

Waymo不制造車，卻進入了汽車行業，并在自動駕駛L4階段開始競爭！

回顧：自動化的組成部分

我們把自動駕駛平臺拆解開來，其組成部分基本上由三個模塊組成：傳感器、計算和驅動。當前，為了識別周圍的環境，所有的自動駕駛解決方案都結合了大量不同的傳感器。包括短程感應，如超聲波和短程雷達，以及遠程雷達，LiDAR和360°攝像頭。

為了處理這些所有傳感器所帶來的數據，我們面臨著極大的挑戰。比如，巨大的數據量和廣泛的采樣率。LiDAR每秒可以產生超過一百萬個數據點，而其他傳感器可能每秒只能傳輸數萬個樣本。

雖說自動化水平較低的自動駕駛車輛不需要依賴太多的傳感器，但想要實現越高水平的自動駕駛汽車就需要越多的傳感器，沒有一定數量的傳感器，汽車就無法準確感知周圍的環境。

不同數據的融合

為了對收集到的大量數據進行概述，我們通常將其融合到一個稱為多傳感器融合的綜合數據流中。通過這個過程，將協調這些不同采樣率和體積的數據，使其成為一個環境模型，以提供給系統中更高級別的軟件去使用。

圖1:Sigmafusion的傳感器融合。可作為獨立解決方案或作為自動駕駛決策系統使用。

表1所列出的車外監測傳感器中，77?GHz頻帶和 24?GHz頻帶毫米波雷達的最大特點是耐天候性好（不受雨、雪、霧等天候的影響）。為了使ACC與避撞安全系統在任何行駛環境下都能發揮出最佳的效果，這兩種系統上廣泛地采用了毫米波雷達。

法國研究所Leti開發了一種名為SigmaFusion的傳感器數據融合解決方案。

考慮到用于車輛的測距傳感器的輸出數據具有一定的不確定性，首先為了確保其輸出數據的準確性，并在基于數據做出正確的決策，Leti對所使用的傳感器進行了描述。

將源數據輸入到SigmaFusion軟件中進行處理，為上面的應用層提供一個占用柵格，并計算前方路徑識別所需要的占用柵格。已知維度的占用柵格將能夠評估車輛周圍的自由空間和障礙物，模型中的每個單元格包含其被障礙物占用或未被障礙物占用的概率。

Leti位于法國格勒諾布爾，目前雇員超過1900人，是法國替代能源和CEA（原子能委員會）的分支機構。

選擇安全的處理平臺

當然，為了滿足安全關鍵系統中的軟件需求，還需要一個具有汽車領域系譜的處理器平臺。

無論是在ADAS獨立系統中，還是作為自動駕駛的配套基礎，英飛凌都是一個不錯的選擇。Aurix微控制器憑借其先進的信號處理能力、鎖步核心和汽車接口，構成了一個理想的處理平臺。因此，我們將Aurix作為展示樣品的平臺。該樣品是把一系列傳感器嵌入到車輛的塑料保險杠中，以顯示如何實現多傳感器融合，以及Sigmafusion軟件如何與Aurix結合。

目前，該技術已嵌入英飛凌科技的Aurix TC29x平臺。Leti還與其他未命名的供應商合作，將傳感器融合包整合到他們的MCU中。

最后

這款新的傳感器融合軟件SigmaFusion，能夠幫助工程師更高效地處理來自雷達、LiDAR、攝像頭以及超聲波傳感器的海量數據，同時還能減少整個系統所需要的電子控制單元數量。

法國CEA Leti研究院的研究工程師Julien Mottin說，“即使將它在更小的平臺上運行，在計算精度上也不會有缺陷。”

Leti還正在與一家供應商合作，將SigmaFusion應用于盲人手杖中。在該應用案例中，傳感器融合套裝可以從傳感器獲取信息，為使用者提供障礙物聲音警示，并且它不僅能夠提供用戶路徑中腿部的障礙物警示，還能提供頭部障礙提醒。這款傳感器融合算法在這些應用案例中，省去了成本高昂的硬件平臺，因而能夠幫助降低系統成本。

Mottin稱他們預計這款傳感器融合軟件的初期應用會是在汽車領域。“區別在于我們已經能夠將軟件優化到足以適配汽車級平臺，尤其是那些ADAS應用，”他說，“憑借這款傳感器融合軟件，便不再需要復雜的圖像處理單元或加速引擎。”