有多少传感器自主驾驶吗?

传感器的成本从15美元到1000美元,汽车制造商开始问题有多少传感器所需车辆全自动的至少一部分的时间。

这些传感器被用来收集数据对周围的环境,包括形象、激光雷达、雷达、超声波和热传感器。一种类型的传感器是不够的,因为每个人都有其局限性。传感器融合背后的关键驱动力,它结合了多种类型的传感器来实现自主驾驶安全。

所有二级或更高的车辆依靠传感器“看见”周围环境和执行任务,如车道定心,自适应巡航控制,紧急制动,和盲点警告其他的事情。到目前为止,oem厂商正在设计和部署方法截然不同。

2022年5月,梅赛德斯-奔驰(mercedes - benz)介绍了三级能力的第一个车辆自主驾驶在德国。3级自动驾驶是一种选择的s级和方程式,计划在2024年与美国介绍。据该公司介绍,推动试点,建立在驾驶援助计划(雷达和摄像头),增加了新的传感器,包括激光雷达,一个先进的立体相机在前面的窗口和一个多功能摄像头在后窗。麦克风(特别是对于检测急救车辆)和湿敏元件在前面驾驶室也增加了。总共30传感器安装安全自主驾驶捕捉必要的数据。

特斯拉是采取了不同的路径。2021年,特斯拉特斯拉宣布,其视觉摄像机仅自动驾驶技术策略是实现模型3和Y,其次是2022年X模型和模型。该公司还决定把超声波传感器。

传感器的局限性
今天在自主驾驶设计面临的挑战不同的传感器的局限性。实现安全的自主驾驶,可能需要传感器融合。关键问题不仅有多少传感器,什么类型,和在哪里部署它们,而且AI /毫升技术应该如何与传感器为最佳驾驶决策分析数据。

图1:克服传感器的局限性,传感器融合可能需要结合多个传感器自主驾驶达到最优性能和安全。来源:节奏

说:“自主驾驶广泛使用人工智能技术蒂埃里Kouthon,技术产品经理为安全IPRambus。“自主驾驶,甚至是入门级ADAS功能,要求汽车展览的环境意识水平相当于,或比人类的司机。首先,车辆必须认识到其他车辆、行人、和路边基础设施和识别他们的正确位置。这需要人工智能模式识别功能深度学习技术解决。视觉模式识别是一种先进的深汽车使用密集的学习领域。同时,车辆必须能够计算时刻的最优轨迹和速度。这需要路线规划功能,人工智能还涉及。,激光雷达和雷达提供距离信息的正确重建车辆的环境”。

传感器融合,结合了来自不同传感器的信息,以更好地了解车辆的环境,仍然是一个活跃的研究领域。

“每一种传感器都有局限性,Kouthon说。“相机非常适合对象识别,但提供贫穷的距离信息,和图像处理需要大量的计算资源。相比之下,激光雷达和雷达提供优秀的距离信息,但贫穷的定义。此外,激光雷达不工作在恶劣的天气条件”。

传感器我们真的需要多少?
没有简单的答案的问题有多少传感器需要自主驾驶系统。oem厂商目前正试图弄清楚。其他考虑因素包括卡车开放道路和城市robo-taxis导航,例如,有不同的需求。

“这是一个艰难的计算,因为每个汽车制造商都有自己的体系结构来保护车辆通过提供更好的空间定位、时间范围高可见性、和能力识别和分类对象,然后区分不同对象,“Amit Kumar说,节奏的产品管理和市场营销主任Tensilica愿景、雷达和激光雷达需求方。“这也取决于水平的自主汽车制造商决定启用(例如,提供宽度)。简而言之,使部分自治权,最小数量的传感器可以是各种类型的4到8。拥有充分的自主权,12 +传感器用于今天。”

Kumar指出在特斯拉的情况下,有20个传感器(8相机传感器+ 12超声波传感器为3级或以下)没有激光雷达和雷达。在计算机视觉“公司坚信,其传感器套件适用于L3自主权。媒体报道,特斯拉可能引进雷达提高自动驾驶。”

Zoox实现了四个激光雷达传感器,再加上摄像头和雷达传感器的组合。这是一个全自动的车辆没有司机,和操作目标已有和容易理解的路线。商业部署尚未开始,但很快就会有限制的用例(不是广泛如客运车辆)。

Nuro无人驾驶运载工具,美学并不那么重要,使用一个360度摄像头系统有四个传感器,加一个360度的激光雷达传感器,四个雷达传感器,再加上超声波传感器。

没有简单的公式来实现这些系统。

“传感器的数量你需要的传感器的数量是一个可接受的风险水平的组织,也依赖于应用程序的,”克里斯·克拉克说,汽车软件高级经理和安全Synopsys对此的汽车集团。“如果你正在开发robo-taxis,它们不仅需要道路安全传感器,但他们还需要传感器在车辆监控,乘客在做什么在旅客安全的工具。在这个场景中,我们将在一个高人口和high-urban-density领域有相当独特的特点,而不是用于高速公路驾驶的车辆,有更长的距离和更大的反应空间。在高速公路上,减少入侵到道路的可能性。我不认为有一组规则,你必须说,三种不同类型的传感器和三种不同的相机覆盖不同角度自主车辆。”

不过,传感器将取决于有多少用例的车辆将是解决。

“在robo-taxi的例子,激光雷达和普通相机,以及超声学或雷达,将不得不被使用,因为有太多的密度处理,”克拉克说。“此外,我们将需要包括V2X传感器,数据流入车辆将结合车辆出现的环境。在高速公路货运解决方案中,将使用不同类型的传感器。超声波并不像在高速中有益的,除非我们做类似的合作,但这不会是一个前瞻性的传感器。相反,它可能会向前,rear-looking传感器,连接所有的资产。但激光雷达和雷达变得更加重要,因为距离和范围的卡车在高速公路上行驶的旅行时必须考虑。”

另一个考虑是分析所需的水平。“有这么多数据处理,我们必须决定多少数据是很重要的,”他说。“这是它变得有趣的地方关于传感器的类型和功能。例如,如果激光雷达传感器可以做局部分析周期的早期,这减少传输的数据量为额外的传感器融合分析。降低反过来降低了整体的数据量的计算能力和系统设计的成本。否则,将需要额外的处理在汽车的形式巩固计算环境或专用的ECU专注于传感器啮合和分析。”

成本总是一个问题
传感器融合可以是昂贵的。在早期,由多个单元组成的激光雷达系统可能会高达80000美元。高成本来自单位的机械零件。今天,成本要低得多,一些制造商预计,在未来某个时候可能低至200美元至300单位。新和新兴热传感器技术将在几千美元的范围。总的来说,将会有持续的压力oem来减少总传感器部署成本。使用更多的相机,而不是激光雷达系统将帮助oem厂商降低生产成本。

“在城市环境中,安全是消除所有的基本定义可避免的冲突,”大卫·弗里茨说,混合动力和虚拟系统的副总裁西门子数字行业软件。是用例相关的所需的最小数量的传感器。一些人认为,在未来,智能城市基础设施将复杂和无处不在的,减少了需要机载遥感在城市环境中。”

Vehicle-to-vehicle沟通可能影响传感器。

“在这里,机载传感器的数量可能会减少,但我们没有,”弗里茨。”此外,总会有AV的情况下必须要假设所有外部信息变得不可用由于电源故障或其他故障。所以一些传感器总是需要在车辆——不仅对城市地区,但对于农村地区。很多设计我们一直在做需要八个摄像头以外的车辆和两个相机里面。前面两个摄像头,恰当的标准,我们可以实现低延迟、高分辨率立体视觉提供对象的深度范围,从而减少雷达的必要性。回来,我们做在前面,双方车辆的一个完整的360°的角度。”

相机进行目标检测和分类,重要的信息将被传递到中央计算系统做出控制决策。

“如果基础设施或其他车辆信息是可用的,它与机载传感器的信息融合生成一个更全面的三维视图,使更好的决策,”弗里茨说。”在室内,额外的相机驱动监控的目的,同时检测入住率条件像对象留下。可能增加一个低成本的雷达处理恶劣天气情况下,如模糊或下雨的条件,是一种优质的传感器套件。我们没有看到大量的激光雷达最近被使用。在某些情况下,激光雷达性能是影响回声和反思。最初,自主驾驶原型严重依赖GPU处理激光雷达数据,但最近聪明架构趋势转向高分辨率,高fps相机与分布式架构,更好的优化整个系统的数据流。”

优化传感器融合可以复杂。你怎么知道哪个组合给你最佳性能?除了做功能测试,oem厂商依靠Ansys和西门子等公司提供建模与仿真解决方案测试的结果,各种传感器的组合达到最佳性能。

增加未来传感器设计技术的影响
增加技术如V2X 5 g,先进的数字地图和GPS智能基础设施将使自主驾驶用更少的传感器。但对于这些技术提高,自主驾驶需要整个汽车工业的支持,以及智能城市发展。

“各种增加技术为不同的目的,”弗兰克Schirrmeister指出,解决方案和业务发展副总裁Arteris IP。“开发人员常常把几个创造安全、便捷的用户体验。例如,数字地图信息的双胞胎路径规划可以创建安全经验有限的能见度条件增加车内,当地决定基于传感器信息。V2V和V2X信息可以补充信息本地可用在汽车安全决策,增加冗余和创造更多的数据点基础安全的决定。”

此外,vehicle-to-everything承诺之间的实时协作车辆和路边基础设施,这就需要技术,如超可靠的低延迟通信(URLLC)。

“这些需求导致各种人工智能技术的应用对于交通预测,5 g的资源分配,拥塞控制,等等,”Kouthon说。“换句话说,AI可以优化和减少损失惨重,自主驾驶会对网络基础设施。我们期望oem厂商使用软件定义汽车架构,构建自主车辆ecu虚拟化和更新在空气中。数字双技术将必要的测试软件和更新云仿真的车辆非常接近真正的车。”

结论
当终于实现,三级自主驾驶可能需要30 +传感器,或12个摄像头,取决于一个OEM的架构。但判决仍然是安全,还是自主驾驶传感器系统将提供相同级别的安全驾驶的城市环境相比,在高速公路上开车。

作为传感器的成本下降在接下来的几年里,它可以打开门新的传感器,它可以被添加到混合在坏天气增加安全。但它可能是一个长时间oem标准化一定数量的传感器,被认为足以保证安全在所有条件下和角落。