汽車制造商想知道車輛需要多少個傳感器才能實現完全自主。

在自動駕駛中，傳感器用于收集周圍環境的數據，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一個關鍵驅動力，它結合了多種類型的傳感器來實現安全的自主駕駛。

所有2級或更高等級的車輛都依賴傳感器來 "看到 "其周圍環境，并執行諸如車道居中、自適應巡航控制、緊急制動和盲點警告等任務。到目前為止，原始設備制造商正在采取非常不同的設計和部署方法。

2022年5月，梅賽德斯-奔馳在德國推出了第一輛能夠實現三級自動駕駛的汽車。3級自動駕駛是S級和EQS的一個選項，美國計劃于2024年引進。據該公司稱，在駕駛輔助包（雷達和攝像頭）的基礎上，DRIVE PILOT增加了新的傳感器，包括激光雷達、前窗的先進立體攝像頭和后窗的多功能攝像頭。還增加了麥克風（特別是用于探測緊急車輛）和前輪艙的濕度傳感器。總共安裝了30個傳感器，以獲取安全自主駕駛的必要數據。

特斯拉正在走一條不同的道路。2021年，特斯拉宣布在Model 3和Model Y中實施僅有Tesla Vision攝像頭的自動駕駛技術戰略，隨后在2022年實施Model S和Model X。該公司還決定取消超聲波傳感器。

傳感器的局限性

目前自主駕駛設計面臨的挑戰之一是不同傳感器的局限性。為了實現安全的自動駕駛，可能需要傳感器的融合。關鍵問題不僅是有多少個傳感器，什么類型，以及在哪里部署，還包括人工智能/ML技術應如何與傳感器互動，以分析數據，從而做出最佳的駕駛決策。?

為了克服傳感器的限制，可能需要傳感器融合，將多個傳感器結合起來用于自動駕駛，以實現最佳性能和安全。來源：Cadence

安全IP技術產品經理Thierry Kouthon說：“自動駕駛廣泛使用AI技術。自動駕駛，甚至是入門級的ADAS功能，都需要車輛表現出與人類駕駛員相當或更高的環境意識水平。首先，車輛必須識別其他汽車、行人和路邊的基礎設施，并確定它們的正確位置。這需要人工智能深度學習技術能夠很好地解決的模式識別能力。視覺模式識別是一個先進的深度學習領域，車輛會大量使用。此外，車輛必須能夠隨時計算其最佳軌跡和速度。這需要路線規劃能力，人工智能也能很好地解決這個問題。有了這些，激光雷達和雷達提供了正確重建車輛環境所必需的距離信息”。

傳感器融合，即結合不同傳感器的信息以更好地了解車輛環境，仍然是一個活躍的研究領域。

“每種類型的傳感器都有局限性，”Kouthon說。“照相機在物體識別方面非常出色，但提供的距離信息很差，而且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出色的距離信息，但清晰度差。此外，激光雷達在惡劣的天氣條件下不能很好地工作”。

我們到底需要多少個傳感器？

對于自動駕駛系統需要多少個傳感器的問題，沒有簡單的答案。OEM目前正在試圖弄清楚這個問題。這里的其他考慮包括：例如，在開放道路上航行的卡車和城市的機器人出租車有非常不同的需求。

Cadence負責Tensilica視覺、雷達和激光雷達DSP的產品管理和營銷總監Amit Kumar說：“這是一個艱難的計算，因為每個汽車OEM都有自己的架構，通過提供更好的空間定位、更遠的距離與高能見度，以及識別和分類物體的能力，然后區分各種物體，來保障車輛的安全。這也取決于汽車制造商決定啟用什么級別的自主權（例如，提供廣度）。簡而言之，為了實現部分自主性，傳感器的最低數量可以是4到8個各種類型的傳感器。對于完全自主性，今天使用12個以上的傳感器”。

Kumar指出，在特斯拉的例子中，有20個傳感器（8個攝像頭傳感器加上12個超聲波傳感器，用于3級或以下），沒有激光雷達或雷達。“該公司堅信計算機視覺，其傳感器套件對L3自動駕駛來說效果很好。媒體報道說，“特斯拉可能會引入雷達來改善自動駕駛”。

Zoox已經實現了四個激光雷達傳感器，外加一個攝像頭和雷達傳感器的組合。這是一輛完全自主的車輛，車內沒有司機，目標是在規劃好的、被充分理解的路線上運行。商業部署還沒有開始，但它很快就會在有限的使用情況下（不像乘用車那樣廣泛）進行。

Nuro公司的自動駕駛送貨車，審美并不那么重要，它使用了一個有四個傳感器的360度攝像系統，外加一個360度激光雷達傳感器，四個雷達傳感器，外加超聲波傳感器。

實施這些系統沒有簡單的公式。

“你所需要的傳感器數量是企業可接受的風險水平，同時也取決于應用，”Synopsys公司汽車軟件與安全部高級經理Chris Clark說。“如果你正在開發機器人出租車，他們不僅需要傳感器來保證道路安全，而且還需要車內的傳感器來監測乘客在車內做什么，以保證乘客安全。在這種情況下，我們將在一個高人口和高城市密度的地區測試，與用于公路駕駛的車輛相比，有相當獨特的特點，在那里你有更長的距離和更多的反應空間。在高速公路上，闖入路面的可能性較小。我不認為有一個固定的規則，比如說你必須有三種不同類型的傳感器和三個不同的攝像頭來覆蓋所有自主車輛的不同角度。”

不過，有多少傳感器將取決于該車輛要解決的使用情況。

“在機器人出租車的例子中，激光雷達和普通相機，以及超聲波或雷達，將不得不使用，因為有太多的密度需要處理，"ClarK說。“此外，我們還需要包括一個用于V2X的傳感器，流向車輛的數據將與車輛在周圍環境中看到的情況相一致。在高速公路的卡車運輸解決方案中，將使用不同類型的傳感器。超聲波在高速上并不那么有利，除非我們正在做類似于組隊的事情，但那不會是一個前瞻性的傳感器。相反，這將是潛在的前視和后視傳感器，這樣我們就能與所有的團隊資產連接。但是激光雷達和雷達變得更加重要，因為卡車在高速行駛時必須考慮到距離和范圍。”

另一個考慮是所需的分析水平。他說：“有這么多數據需要處理，我們必須決定這些數據中有多少是重要的，這就是關于傳感器的類型和能力變得有趣的地方。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，這就減少了流回傳感器融合的額外分析的數據量。減少數據量反過來又降低了系統設計的整體計算能力和成本。否則，就需要在車輛中進行額外的處理，其形式可以是綜合計算環境或專注于傳感器網格化和分析的專用ECU。”

成本總是一個問題

傳感器的融合可能是昂貴的。在早期，一個由多個單元組成的激光雷達系統的成本可能高達80,000美元。高成本來自于單元中的機械部件。今天，成本要低得多，一些制造商預計，在未來的某個時間點，成本可能低至每臺200至300美元。新興的熱傳感器技術將在幾千美元的范圍內。總的來說，OEM將繼續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將有助于OEM廠商降低制造成本。

“在城市環境中，安全的基本定義是消除所有可避免的碰撞，”西門子數字工業軟件公司混合和虛擬系統副總裁 David Fritz說。“所需的最低數量的傳感器取決于使用情況。一些人認為，在未來，智能城市基礎設施將是復雜和無處不在的，從而減少城市環境中對車載傳感的需求”。

車對車的通信也可能對傳感器產生影響。

“在這里，機載傳感器的數量可能會減少，但我們還沒有到那一步，”Fritz觀察到。“此外，總是會有這樣的情況，AV將不得不假設所有的外部信息由于停電或其他的故障而變得不可用。因此，車輛上總是需要有一些傳感器--不僅適用于城市地區，也適用于農村地區。我們所做的很多設計都需要在車輛外部安裝八個攝像頭，并在內部安裝幾個攝像頭。有了前面的兩個攝像頭，經過適當的校準，我們可以實現低延遲、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、后部和兩側都這樣做，以獲得一個完整的360°視角。”

“隨著所有攝像機進行物體檢測和分類，關鍵信息將被傳入中央計算系統，以做出控制決策。”

“Fritz說：“如果有基礎設施或其他車輛信息，它將與來自車載傳感器的信息相融合，以產生一個更全面的三維視圖，從而能夠做出更好的決策。在車內，額外的攝像頭起到了監控駕駛員的作用，同時也檢測到了遺留物品等占用情況。有可能增加一個低成本的雷達來處理惡劣的天氣情況，如霧天或雨天的情況，是對傳感器套件的一種優質補充。我們最近沒有看到大量的激光雷達被使用。在某些情況下，激光雷達的性能會受到回聲和反射的影響。最初，自動駕駛原型在很大程度上依賴于激光雷達數據的GPU處理，但最近更智能的架構已經趨向于高分辨率、高FPS的相機，并采用分布式架構，更好地優化整個系統的數據流。”

優化傳感器融合可能很復雜。你怎么知道哪種組合能給你最好的性能？除了做功能測試外，OEM依靠安世公司和西門子等公司提供建模和仿真解決方案，測試各種傳感器組合的結果，以達到最佳性能。

增強型技術影響未來的傳感器設計

諸如V2X、5G、先進的數字地圖和智能基礎設施中的GPS等增強技術將使自動駕駛在車上的傳感器數量減少。但為了使這些技術得到改進，自動駕駛將需要整個汽車行業的支持，以及智能城市的發展。

Arteris IP的解決方案和業務發展副總裁Frank Schirrmeister指出：“各種增強技術有不同的目的。開發人員經常將幾種技術結合起來，創造安全和方便的用戶體驗。例如，用于路徑規劃的地圖信息的數字雙胞胎可以在能見度有限的情況下創造更安全的體驗，以增強基于傳感器信息的車內、本地決策。V2V和V2X信息可以補充車內本地可用的信息，以做出安全決策，增加冗余度，創造更多的數據點，作為安全決策的依據。”

此外，“車輛到一切”允許在車輛和路邊基礎設施之間進行實時協作，這需要超可靠低延時通信（URLLC）等技術。

“這些要求導致了各種人工智能技術在交通預測、5G資源分配、擁堵控制等方面的應用，”Kouthon說。“換句話說，人工智能可以優化和減少自動駕駛對網絡基礎設施的沉重負擔。我們預計OEM將使用軟件定義的車輛架構來建造自動駕駛汽車，其中ECU是虛擬化的，并通過空氣進行更新。數字孿生技術對于在非常接近真實車輛的云端模擬上測試軟件和更新將是至關重要的”。

結論

當最終實施時，3級自動駕駛可能需要30多個傳感器，或十幾個攝像頭，這取決于OEM的架構。但是，哪個更安全，或者自主駕駛傳感器系統在城市環境中提供的安全駕駛水平是否與在高速公路上的駕駛水平相同，還沒有定論。

隨著未來幾年傳感器成本的下降，它可能為新的傳感器打開大門，這些傳感器可以被添加到組合中，以提高惡劣天氣下的安全性。這些傳感器需要足以確保在所有條件和極端情況下的安全，OEM對這些傳感器進行的標準化可能還需要很長一段時間。

編輯：黃飛

?