Junko Yoshida作者EE Times来源高璇编译

2019年的自动驾驶领域,谁来操刀iDAR?

2019 年汽车行业「未解之题」:我们真的需要激光雷达吗?科技/汽车公司是否真的愿意合作,为了追求自动驾驶软件进步所需的网络效应?行业是否会解决 L2 到 L3 的过渡问题?后两个问题的答案目前趋向肯定,而针对第一个问题,商用 iDAR 的出现让这一争论又添新的可能。

今天,科技公司和汽车公司的高管和工程师们正致力于解决自动驾驶汽车(AV)的技术,以此实现商业宏图。过程中有许多问题,其中三个悬而未决的问题尤其引人注目。

IIL Markit 的汽车信息娱乐和高级驾驶员辅助系统(ADAS)研究主管 Egil Juliussen 将以下内容列为 2019 年汽车行业「未解之题」:

  1. 我们真的需要激光雷达吗?

  2. 科技/汽车公司是否真的愿意合作,为了追求自动驾驶软件进步所需的网络效应?

  3. 行业是否会解决 L2 到 L3 的过渡问题?

业内观察员肯定会看到,新一轮的 AV 合作关系正在渗透到科技公司、行业巨头和汽车 OEM 之中。有几家公司正在尝试新技术,例如 ADAM,以解决 L2 到 L3 的过渡问题。

当机器控制权突然回到人类驾驶员手中时,他们会面临难以想象的两难困境,「预计下个月在拉斯维加斯举行的 2019 年消费电子产品展上,高层和 OEM 对驾驶员监控系统的兴趣会重新燃起,」Semicast Research 的首席分析师 Colin Barnden 告诉我们。

但是,ADAS 汽车和机器人真的需要激光雷达吗?Juliussen 告诉我们,「我们已经开始听到很多这样的声音。」问题出现在数字成像雷达的出现之后,他解释道,「它可以比以往做得更多。」

AEye 融合相机/激光雷达数据

在这种背景下,位于加利福尼亚州普莱森顿的一家名为 AEye 的创业公司上周宣布推出首款商用产品「iDAR」,这是一款融合了高清摄像头的固态激光雷达,适用于 ADAS / AV 市场。

取消激光雷达自动驾驶汽车的想法已经在科技界流传了近一年。这个提议颇具吸引力,因为许多汽车 OEM 认为激光雷达太过昂贵,他们一致认为激光雷达技术的前景不是很光明。

虽然没有人说「无激光雷达时代」即将来临,但许多成像雷达技术开发人员都以此为行业潜在目标之一。例如,NXP 半导体的首席技术官 Lars Reger 在 11 月告诉我们,他们公司希望证明这样是可行的。

然而,AEye 从另一个角度加入了这场争论。该公司认为,汽车 OEM 不愿意使用现有的激光雷达,因为他们今天的解决方案依赖于一系列独立传感器,这些传感器共同产生大量数据。

AEye 解释说,「这需要漫长的处理时间和巨大的计算能力来收集和重组数据集,需要对数据进行校对、分析、纠错、下采样,并将它们转换为可安全引导车辆的可操作信息。」

但是,如果 AEye 只将人工智能应用于对 AV 路径规划有意义的数据信息进行区分,而不是为每个像素分配相同的优先级呢?AEye 营销副总裁 Stephen Lambright 向 EE Times 解释道,这一想法启发了 AEye 开发 iDAR。

事实上,据 Lambright 所说,AEye 的 iDAR「深深扎根于最初为国防工业开发的技术」。该创业公司首席执行官 Luis Dussan 之前曾致力于为战斗机设计监控、侦察和防御系统。他组建了 AEye「以在自动驾驶汽车上实现军用级别的性能。」

AEye 的 iDAR 的开发遵从「Dussan 学习的军用飞机感知系统的三个原则」,Lambright 说:1)永远不会错过任何东西; 2)不同对象需要赋予不同的注意力; 3)一切都在实时变化。

总之,iDAR 的目标是开发一种「不浪费计算周期」的传感器融合系统,AEye 产品副总裁 Aravind Ratnam 说。iDAR 的构建模块包括 1550nm 固态 MEMS 激光雷达,微光高清摄像头和嵌入式 AI。该系统旨在「结合」2D 相机「像素」(RGB)和 3D 激光雷达数据「体素」(XYZ),以提供「新的实时传感器数据类型」,为 AV 的路径规划系统更快地提供更准确、更远距离和更智能的信息。

值得注意的是,AEye 的 iDAR 提供的不是单独的相机和激光雷达系统扫描后的融合。而是通过开发智能人工感知系统,将固态激光雷达与高分辨率相机物理融合,AEye 解释说其 iDAR「创建了一种称为动态像素的新数据类型。」通过捕获 x、y、z、r、g、 b 数据,动态 Vixels「仿生」出人类视觉皮层的数据结构。

「Combiner」SoC 

上周发布的新型 iDAR 系统 AE110 是第四代原型机。根据 Ratnam 的说法,系统中包含一个基于 Xilinx Zynq SoC 的「Combiner」SoC。Zynq 将基于 ARM 的处理器与 FPGA 集成在一起。它旨在实现关键分析和硬件加速,同时在一台设备上集成 CPU、DSP、ASSP 和混合信号功能。他补充说,2019 年,AEye 计划为 Combiner SoC 设计自己的 ASIC。AEye 的 iDAR AE110 框图(来源:AEye)

「视觉+雷达」或「视觉+激光雷达」?

AEye 正在推广视觉/激光雷达结合的传感器系统,而一些高精度毫米波(mmWave)雷达芯片开发人员则提议视觉/雷达解决方案。

Linley Group 的高级分析师 Mike Demler 称,AEye 的相机-激光雷达融合「是一种有趣的方法。」虽然 Aeye「可能具有一些独特的功能」,但 Demler 说,AEye「不是唯一一家这样做的公司。」他指出,Continental 也销售相机-激光雷达组合系统。不过,Continental 是在预处理后将两个独立传感器的数据结合起来。

在 Demler 看来,AEye 方法的优势在于「传感器融合软件」,实质上是「将相机/激光雷达图像传感器作为一个集成单元,可以加速识别感兴趣的区域」。他说,「但除此之外,两种传感器的所有优点/缺点仍然适用。」

Demler 指出,AEye 使用的是 MEMS 激光雷达,但没有透露其空间分辨率。他推测,与 Velodyne 这样的扫描激光雷达相比,这可能是一个弱点。

「相机传感器分辨率最高,但它无法处理极亮或极暗的场景,并且灰尘污渍可能会阻挡镜头。所以你的空间分辨率不能依赖于它。同样地,激光雷达在复杂天气中不如雷达那样好,所以不能依靠它进行物体探测,而且大多数激光雷达都不能测量速度(velocity)。」

当被问及 AEye 时,VSI Labs 创始人 Phil Magney 透露,他的公司已受雇验证激光雷达的距离和扫描速率上的性能。

Magney 强调,「iDAR 传感器的独特之处在于,它将相机与激光雷达结合,并在中央计算机处理数据之前将其融合。」他认为,「这是真正的边缘融合,因为设备在分类前就将原始数据和相机数据融合了起来。」Magney 补充说,「我们也知道该设备有能力深入到感兴趣区域,这意味着不需要处理整个点云场景。」

Magney 承认,AEye 的 iDAR 设备「具有更好的分类潜力,因为可以利用融合的相机数据。」他指出,「iDAR 正在开发适用于融合数据集的分类算法。」

理论上,AEye 所谓的动态像素创造的内容「比相机或激光雷达自身产生的内容更丰富」,Magney 说。但他提醒说,「基本上每个像素都有一个点,每个点都有一个像素,但相机的分辨率远高于激光雷达,因此像素与点不是一一对应的。」

Magney 承认,「当将 iDAR 与雷达进行比较时,雷达的优势不再明显,因为激光雷达和雷达都是测距仪器。」

他指出,「如果激光雷达能够得到正确的深度感知,并且可以跟踪目标的速度,那么,这就是可能实现的。值得一提的是,iDAR 的扫描速度是大多数商用激光雷达产品的两倍 (100hz),这是他们设备的另一个优势。」

另一方面,由于具有 ADAS 功能的汽车比完全自动驾驶汽车推出时间更早,所以雷达似乎在 ADAS 市场上比激光雷达(或 iDAR)更具优势。

「雷达在恶劣天气下能够更好地工作,因此最适合 ADAS,即使条件不适宜自动驾驶,也需要保障安全系统运行,」Magney 说。「但雷达本身在分类方面仍然受限。这是由雷达设备中的固件决定的。我们知道雷达在分类方面越来越好,并且有公司打算实现更丰富的功能。有一些雷达初创公司发表过一些令人印象深刻的声明。」

VSI 最近验证了最近 AEye iDAR 传感器性能测试中的测试和方法。Magney 表示,该公司验证了激光雷达信号能够检测到 1 公里外的道路上的卡车。VSI 还证实了扫描速率为 100hz。

他补充说,「我们没有证实这种传感器是否会带来更高的性能或安全性,但我们确实证明了它完全可以识别 1000 米处的物体。」

当被问及雷达与激光雷达时,Demler 做了总结。对于高级自动驾驶汽车,目前没有一家公司称激光雷达是无用的。他说:「当然,你可以在没有它的情况下制造一辆自动驾驶汽车,但这并不意味着这辆汽车能在所有条件下都运行良好,或者像照相机/激光雷达/雷达系统一样安全。」

在 Demler 看来,AEye 的 iDAR 并没有取代雷达。Demler 解释说,TI 的毫米波成像雷达并不能取代激光雷达。「大多数 AV 开发人员都使用这三种传感器,事实上其他传感器例如超声波传感器、红外线传感器也会被使用。」

他说:「安全和冗余要求备份,并且需要多种传感器类型,因为没有哪种传感器在所有条件下都能最有效。」

谁来操刀 iDAR?

上周,AEye 还披露了其 B 轮融资,这将使公司的总融资超过 6000 万美元。

AEye 表示其 B 轮投资者包括汽车 OEM、一级和二级制造商,以及战略投资者 Hella Ventures,Subaru-SBI 创新基金,LG 电子和 SK Hynix。

AEye 的 Lambright 指出了 Hella Ventures 和 LG 电子加入 B 轮融资的重要性。AEye 依靠这些顶级合作伙伴来提高 iDAR 产量并降低单台成本。Lambright 估计,2021 年 iDAR 的初始成本将低于每台 1,000 美元。

产业高精地图自动驾驶
1
相关数据
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

路径规划技术

路径规划是运动规划的主要研究内容之一。运动规划由路径规划和轨迹规划组成,连接起点位置和终点位置的序列点或曲线被称为路径,构成路径的策略则被称为路径规划。路径规划在很多领域都具有广泛的应用,如机器人的自主无碰行动;无人机的避障突防飞行等。

推荐文章
暂无评论
暂无评论~