讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼?

近幾年,傳統汽車正逐漸發展為“輪子上的計算機”,經久耐用和車速早已不是消費者購車的標準,尤其自動駕駛的興起,“可靠”的汽車正在走向“可信”的汽車。具體而言,是踩油門加速和踩剎車停車的動作轉變為緊急情況下汽車自己做出的可信的決策與行動。

汽車如何自己做出決策?智能感知系統充當汽車的眼睛,是“可信”的前提。那麼現有的汽車智能感知技術發展如何?距離“可信”汽車還有多遠?

佔據60%以上汽車成像市場份額和80%汽車感知市場份額的安森美在於上週五的一次媒體溝通會上做出部分解讀。

爆發式增長的汽車傳感

當汽車變得越來越智能甚至走向自動化時,一個顯著的特徵是汽車上的感知系統越來越豐富。

按照中國汽車駕駛自動化分級的規定,自動駕駛有從L0到L5共計6個等級,等級越高,意味着汽車的自動化程度越高,相應地感知配置也更加複雜。

讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼?

具體而言,L0是系統僅有目標和時間探測與相應功能,對傳感器還沒有需求,L1級別解放雙腳,要求系統可執行車輛橫向或縱向運動,需要配置5顆圖像傳感器和4顆超聲波傳感器;L2解放雙手,雙手不用接觸方向盤,需要配置8顆圖像傳感器、8顆超聲波雷達以及1至3顆毫米波雷達;L3解放雙眼,系統能夠識別失效模式併發出接管請求,因此8-13顆圖像傳感器、12顆超聲波雷達、3-5顆毫米波雷達以及1顆激光雷達。L4則是一個分界線,從某種程度而言駕駛員開車不用思考,意味着實現真正的自動駕駛,因此對各類傳感器的數量要求更高,汽車傳感器迎來爆發式增長。

那麼,這些傳感器具體有哪些用途?安森美半導體智能感知部門全球市場和應用工程副總裁易繼輝在媒體交流會上説,現在的汽車就像一台架在四個輪子上的擁有極強感知能力的計算機,汽車的感知系統可以拆分為前視先進駕駛輔助系統(ADAS)攝像機、倒車攝像機、環視、攝像機監控(CMS)、艙內的駕駛員監控系統(DMS)和乘員監控系統(OMC)、毫米波雷達(Radar)和激光雷達(Lidar)。“現在最好的汽車感知系統以及遠遠超過人類的感知,有的駕駛員會出現疲勞駕駛和注意力不集中的情況,但是汽車的感知系統卻不會”。

讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼?

寬動態技術是成像的主要挑戰

既然汽車的感知系統已經如此優秀,那麼智能傳感是否還面臨一些技術挑戰?

易繼輝認為,寬動態、極限環境以及辨別LED指示牌和交通燈是當下汽車成像面臨的主要挑戰。

讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼?

寬動態即動態範圍,是指在攝像機在同一場景中對最亮區域及較暗區域的表現存在侷限。對於汽車而言,當汽車逆光行駛時,尤其是從隧道駛出時或者夜晚遇到強烈的光線,如果寬動態較小,光線較暗的地方就會成為盲區,這對汽車而言是潛在的安全隱患,因此提高寬動態範圍至關重要。易繼輝也表示,寬動態也是從乘用車的L2、L3到商用上的L4、L5所面臨的主要挑戰。

對此,安森美給出了自己的解決方案,易繼輝介紹,安森沒美最近上市的Hayabusa系列產品,是市場上具有最高寬動態效果和第一款具有網絡安全功能的產品。“Hayabusa系列產品的圖像傳感器一共有6層,相當於在傳統小像素旁安裝一個大蓄水池,多餘的電荷流入蓄水池中,光強增量,信息量提高,相應地動態範圍也就增加了。”

讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼?

安森美的這一圖像傳感器最開始用在高端攝影機上,例如李安拍攝《少年派的奇幻漂流》使用的ARRI公司攝影機,就是用的安森美半導體的圖像傳感器,但現在這一技術已逐漸進入汽車行業。

據悉,而Hayabusa系列產品的曝光一次能夠達到95dB,經過多次曝光可以達到120dB,在102dB場景下能夠捕捉到詳細信息,且下一代產品將會達到110dB。

讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼?

對於辨別LED是指示牌和交通燈的挑戰,易繼輝表示,現在包括中國、歐洲、美國、日本、其他國家都已經開始在公路上實行LED電子管控牌,但LED的閃爍頻率沒有一定的標準,圖像傳感器經常無法捕捉到信號,雖然這對人眼而言不算挑戰,但對於機器視覺卻是很大的挑戰。

不過,目前這一挑戰的解決方案已經從軟件層面發展到芯片級的解決方案。

進入L5,最缺的是生態鏈建設

在解決寬動態的問題時,易繼輝也提到,儘管從硬件半導體的層面解決技術難題時最快的、性價比最高的,但是安森美也有同一些軟件公司合作,希望能夠從軟件的層面進一步改進這一問題,這同樣也是汽車行業本身的願景。

易繼輝透露,過去的傳感器公司同軟件、特別是人工智能算法部門直接溝通的機會較少,但最終傳感器所收集的信息依然需要計算機、人工智能、機器學習來處理,這些都是需要提升的方面。

據悉,目前智能感知產品已經廣泛用於L2、L3和L4級別的汽車,在L4的使用上,汽車行業本身希望解決極限場景問題。

易繼輝説,“極限場景問題並非是僅僅依靠圖像傳感器或軟件、GPU、CPU就能解決,而是需要整個生態鏈的合作,尋找最優的解決方案。”

而從L4邁向L5,汽車必定需要更強大的人工智能技術學習所有應用場景,生態鏈建設將是從L4過度到L5的必經之路。

文中圖片源自安森美

雷鋒網雷鋒網雷鋒網

【來源:雷鋒網】

聲明:轉載此文是出於傳遞更多信息之目的。若有來源標註錯誤或侵犯了您的合法權益,請作者持權屬證明與本網聯繫,我們將及時更正、刪除,謝謝。 郵箱地址:[email protected]

版權聲明:本文源自 網絡, 於,由 楠木軒 整理發佈,共 2130 字。

轉載請註明: 讓汽車從“可靠”到“可信”,現有智能感知技術還缺什麼? - 楠木軒