雖然今年以來中國汽車市場銷量有下滑趨勢,但汽車的電子化進程卻并未發生改變,未來汽車中將會有更多電子化的產品,這包括汽車信息娛樂系統、輔助駕駛、車聯網、自動駕駛等等。目前,不管是傳統汽車制造商,還是造車新勢力,都將自動駕駛作為其未來車型的重要發展方向。
而汽車的電子化,離不開半導體廠商的支持,最近半導體公司恩智浦在青島舉辦了一場圍繞技術的交流與分享活動,會后恩智浦資深副總裁兼首席技術官Lars Reger接受了媒體采訪,他透露了恩智浦在汽車領域的布局和對自動駕駛的看法。
圖1:恩智浦資深副總裁兼首席技術官Lars Reger(右)與恩智浦大中華區汽車電子首席技術官呂浩(左)。
完全自動駕駛至少還需要五年
在Lars Reger看來,現在談完全自動駕駛,即L5級自動駕駛,還為時尚早,至少還需要5年以上的時間。雖然一直以來,恩智浦都在從事自動駕駛方面的研究,但目前主要還是在L3和L4級自動駕駛方面,在這兩個級別,開始有一些比較成熟的解決方案出來了。特別是L3級自動駕駛,可以說是已經相當成熟了,一些國家也已經對允許多大程度的自動駕駛汽車上路開始了立法工作。未來一兩年內L3級別的自動駕駛應該就會普及開來。
但L4及后面的L5級自動駕駛則需要等待更長時間,因為要實現全路況、全天候的自動駕駛,目前難度很大。一是因為城市和鄉間的路況非常復雜,二是目前的技術還不能支撐L5級別的自動駕駛,三是目前人們的需要也沒有那么迫切。
L3級別的自動駕駛對普通人而言即可適用,但L4、L5級別的自動駕駛更多的是偏向出租車公司這類的商業用途,對普通用戶的吸引力其實并不大。
技術方面關鍵在傳感器
講到L5級自動駕駛系統落地的挑戰,Lars Reger認為一個關鍵難點就是傳感器。“過去很多自動駕駛車的路測出現了嚴重的車禍,原因在于傳感的功能不夠強,所以在開車的過程中沒有注意到行人或者誤判了對象。因此,我們需要讓傳感器做到非常完善的程度,像人的感官一樣。”
在他看來,自動駕駛汽車至少要配備三個類型的傳感器:第一個類型是人在駕車時,身體感知的一些勢能、動能,如轉向和壓力;第二個類型是駕駛員能看到的視線范圍所及的路徑,它可以涉及三類,激光雷達、雷達、攝像頭,就像人的眼睛能看到的視線一樣;第三個類型是人現在不具備的,就是在視線以外車跟車之間的通訊。
他舉例說,“一個人駕駛的車即將要到一個十字路口,另外一個方向有一輛救護車即將趕到,路燈可能會立刻變紅,駕駛員需要緊急剎車而不能再向前行駛。但有了傳感之后,救護車在開近之前就能告訴駕駛員的車,汽車就可以提前做好準備,避免出現緊急剎車的意外情況,這是人眼看不到的傳感。”
據Lars Reger介紹,恩智浦在這三個領域都有技術和產品的儲備,包括動能、勢能,還有微處理單元,服務于攝像頭和雷達系統。最近,大眾高爾夫8代最新的量產車也是發布了一款片上系統車聯網的芯片,能夠實現剛才講到的第三種類別的傳感。
在傳感器融合方面,恩智浦S32G的姊妹產品,如S32R雷達產品,能實現一些傳感器數據的融合。除此之外,“我們也有做傳感器數據前端的融合,這些信息通過以太網的光纖輸送到BlueBox的平臺上,然后在功能安全性和AI加速這兩塊傳感的信息能夠進行融合。” Lars Reger表示。
“關于預融合,正如人腦,如果在路上的自動駕駛車的雷達、攝像頭都看到了前面有路障,那它肯定就會執行一個緊急制動的操作,之后才會啟動策略的思考,研究到底前面的車是擁堵的車還是停在路邊的車,并確定是否繞過去。”他進一步指出。
他還指出了業界一個普遍的誤解,那就是認為自動駕駛車就是輪子上的智腦,“實際并非這樣,在輪子跟智腦之間還有車身,正如人還有軀干一樣,軀干會做出一些應激反應,會有保證安全的機制。車身的硬件、基礎設施也可以有這樣的效果保證安全駕乘,同時能讓自動駕駛的成本較低。”
除了自己的傳感器,恩智浦也投資了一些傳感器廠商,比如,今年上半年,恩智浦與南京隼眼電子科技有限公司(簡稱“隼眼”)簽署了戰略合作伙伴與投資協議。隼眼是依托東南大學毫米波國家重點實驗室成立的一家創業公司,在77GHz雷達領域擁有深厚的專業知識和高素質的工程人才。恩智浦認為,77GHz汽車雷達傳感器將對ADAS下一階段的發展起到關鍵作用,發展為成像雷達后,可結合攝像頭與V2X技術,取代激光雷達。
另外,在芯片方面,Lars Reger也覺得目前的AI芯片性能和功耗都還不能滿足自動駕駛的需求,未來3nm的AI芯片出現時,可能才能實現L5級自動駕駛。
技術之外,還與環境密切相關
除了上面提到的一些技術難點,還與社會環境密切相關,Lars Reger舉例說,他們在自動駕駛路測時在很多地方都碰到了一個情況,那就是總有些年輕人看到自動駕駛車過來后,會故意擋在汽車的前面,反復幾次汽車就被困在了路中間。因此,如果目前要做到車里面完全沒有駕駛員,那么就沒有辦法把這些路測完全順利地開展下去。
他認為在中國會有不同的結果,因為中國的城市有非常嚴格的社會監控體系,相比歐洲各地的監控都要更加普及,對于上述有類似行為的人,可能會有相應的處罰。因此,Lars Reger認為,一方面自動駕駛的機器人要學好這些培訓的內容,另一方面路測需要時間,也需要一個良好的社會監管環境。因此,他認為中國可能會更快實現完全自動駕駛。
恩智浦的努力
在自動駕駛方面,恩智浦其實一直都有投入,比如他們的開發平臺Bluebox,其中包含了一系列芯片產品,包括S32處理器,還有一些比較高性能的AI加速器。
“我們在2015年跟飛思卡爾合并之后就著手進行自動駕駛領域的投入,我們計劃收購Marvell的藍牙和WiFi的業務,還自主研發了包括UWB在內的多種技術,這些都是發力自動駕駛而進行的技術儲備。因此恩智浦在業界成為唯一一家能夠為汽車行業實現電動化、互聯以及安全自動駕駛提供相應半導體技術和系統級解決方案支持的企業,而且我們能實現90%以上芯片的自研發和自生產。” Lars Reger表示。
恩智浦正在把其他行業的一些創新思路復制到汽車行業,同時也把汽車行業的用例推廣到其他市場。Lars Reger舉例說,“比如UWB芯片,我們現在將其引入到汽車電子中以實現對汽車行業應用的創新,現在我們也已經看到UWB的芯片應用在手機端就可以實現更強大的連結功能,包括與汽車、手機以及與鑰匙、密鑰等系統的融合。“
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
傳感器
+關注
關注
2576文章
55041瀏覽量
791359 -
恩智浦
+關注
關注
14文章
6095瀏覽量
147431 -
人工智能
+關注
關注
1817文章
50098瀏覽量
265411 -
自動駕駛
+關注
關注
793文章
14883瀏覽量
179900 -
傳感融合
+關注
關注
0文章
2瀏覽量
6257
發布評論請先 登錄
相關推薦
熱點推薦
如何設計自動駕駛傳感器失效檢測與容錯策略?
對于自動駕駛汽車而言,傳感器是它感知世界的窗口。攝像頭負責采集環境圖像,毫米波雷達和激光雷達則用于測量周圍物體的位置和速度,而GNSS(全球導航衛星系統)與慣性測量系統可提供車輛的定位信息。這些數據經過融合處理之后,自動駕駛系統
超聲波傳感器線圈:自動駕駛實現精確實時近距離感知的關鍵
超聲波傳感器線圈是自動駕駛系統中不可或缺的組成部分。隨著自動駕駛技術的快速發展,各類傳感器成為智能汽車感知環境的關鍵,不僅保障行車安全,也提
在山區實現自動駕駛的難點在哪里?
在城市道路實現自動駕駛或許不難,但想把自動駕駛車應用到山區道路,其難度會比想象的大得多。城市里路標、車道、紅綠燈比較多,車流也比較規則;而很多山路卻沒有清晰車道、路面起伏大、天氣變化快,還有隨時掉落
如何處理自動駕駛感知傳感器臟污問題?
[首發于智駕最前沿微信公眾號]自動駕駛系統依賴多種傳感器來感知外界環境,攝像頭負責將光學圖像轉換為圖像數據供算法解析,激光雷達生成描述物體三維形狀的點云數據,毫米波雷達探測目標的距離與速度,超聲波
激光雷達傳感器在自動駕駛中的作用
2024 年至 2030 年間,高度自動化汽車每年的出貨量將以 41% 的復合年增長率增長。這種快速增長導致汽車品牌對精確可靠傳感器技術的需求空前高漲,因為他們希望提供精準、可靠且最終完全自動
想實現自動駕駛,哪些技術非常關鍵?
近年來,隨著人工智能、車載計算平臺、傳感器技術的快速進步,自動駕駛已從實驗室走向實際道路。而支撐這一切的,是一套龐大且精密的技術架構系統。這套架構就像一輛自動駕駛汽車的大腦與神經網絡,既要能感知周圍環境,又要能分析并作出決策,最
塑造自動駕駛汽車格局的核心技術
自動駕駛汽車長期以來一直是科幻小說中的情節,但在如今的2025年,它似乎已經離我們越來越近,智能輔助駕駛已經出現在越來越多的新能源汽車中。但距離完全的
太陽光模擬器 | 在汽車自動駕駛開發中的應用
在汽車產業向電動化、智能化轉型的浪潮中,自動駕駛技術的研發面臨著復雜環境感知的挑戰。光照條件作為影響傳感器性能的關鍵因素,直接關系到自動駕駛系統的安全性和可靠性。紫創測控Luminbo
康謀分享 | 基于多傳感器數據的自動駕駛仿真確定性驗證
自動駕駛仿真測試中,游戲引擎的底層架構可能會帶來非確定性的問題,侵蝕測試可信度。如何通過專業仿真平臺,在多傳感器配置與極端天氣場景中實現測試數據零差異?確定性驗證方案已成為自動駕駛研發的關鍵
自動駕駛汽車如何正確進行道路識別?
識別不僅僅是簡單地判斷車輛是否在車道中心行駛,更涉及到對車道線、交通標志、道路邊緣以及其他道路要素的綜合感知與理解。 傳感器硬件 傳感器硬件是自動駕駛道路識別的基礎,當前主流的傳感器包
自動駕駛汽車是如何準確定位的?
厘米級的定位精度,并能夠實時響應環境變化。為此,自動駕駛系統通常采用多傳感器融合的方式,將全球導航衛星系統(GNSS)、慣性測量單元(IMU)、激光雷達(LiDAR)、攝像頭、超寬帶(UWB)等多種傳感器數據進行綜合處理,通過算
自動駕駛技術落地前為什么要先測試?
大量的傳感器、復雜的算法和強大的計算平臺來取代人類駕駛員的感知、判斷和操作。在技術落地之前,“測試”便成了自動駕駛從實驗室走向真實道路的“安全閥”和“試金石”。如果沒有充分的測試,無論技術多么先進,都可能在現實環境中
Vicor高效電源模塊優化自動駕駛系統
低壓(48V)自動駕駛電動穿梭車配備了先進的自動駕駛系統,能夠在復雜的城市道路上自動行駛。GPU 和傳感器是自動駕駛系統的
新能源車軟件單元測試深度解析:自動駕駛系統視角
。
?自動駕駛軟件的特殊性?
? 感知層: ?激光雷達、攝像頭等傳感器數據處理算法的單元測試需覆蓋極端場景。例如,激光雷達點云濾波算法在雨雪天氣下的噪聲抑制能力需通過邊界測試驗證。某廠商曾在測試中遺漏
發表于 05-12 15:59
激光雷達技術:自動駕駛的應用與發展趨勢
隨著近些年科技不斷地創新,自動駕駛技術正逐漸從概念走向現實,成為汽車行業的重要發展方向。在眾多傳感器技術中,激光雷達(LiDAR)因其獨特的優勢,被認為是實現高級自動駕駛功能的
完全自動駕駛至少還需要5年,關鍵難點在傳感器
評論