为了将车辆自动化提升到一个新的水平，设计人员研究了 LiDAR 等传感器选项的权衡，并着眼于传感系统架构。
本文引用地址：https://www.eepw.com.cn/article/202503/468584.htm
每年，约有 120 万人死于道路交通事故，还有无数人遭受改变人生的伤害。考虑到这一点，世界卫生组织和联合国大会合作制定了一项名为“道路安全行动十年”的计划。该计划旨在到 2030 年将道路交通伤亡人数减少至少 50%。
但法规制定者们还有他们的工作要做。《纽约时报》最近的一篇文章中引用的研究指出，在大流行期间，美国的车祸数量增加了 16%，2021 年的道路死亡人数达到 15 年来的最高水平，超过 42,000 人。虽然全球情况各不相同，但不幸的是，美国之前道路安全改进的这种逆转今天似乎仍在继续。
立法和执法将在实现减少 50% 的死亡和伤害目标方面发挥关键作用。但额外的影响将来自汽车制造商实施高级驾驶辅助系统 （ADAS） 和提高驾驶员自动化水平。
虽然自动驾驶汽车和经常被引用的 SAE 水平驾驶自动化已经收到了大量行业报道和评论，但现实情况是 ADAS 解决方案正在挽救生命。这已经通过启用自动紧急制动 （AEB）、车道偏离警告和前方碰撞警告（分别为 LDW 和 FCW）、盲点检测 （BSD） 和驾驶员监控 （DMS/OMS） 等功能来实现。因此，加速部署基于半导体的、经济高效的高性能 ADAS 解决方案必须成为行业的优先事项。
不同的传感器技术及其在 ADAS 中的实现
为了达到这些自动化和自主性水平，ADAS 使用了多种传感模式，包括：
摄像头，用于部署基于视觉的传感。
雷达，利用基于射频的传感。
LiDAR，部署基于红外光的传感。
摄像头可捕获车辆周围环境的图像，并支持基于人类视觉和计算机视觉的传感用例，例如环视、LDW、AEB、BSD 以及驾驶员和乘客监控。
基于摄像头的传感需要一个处理管道，其中包括图像传感器、图像信号处理（用于颜色恢复、降噪、自动曝光等）和软件感知算法（经典算法和基于 AI 的算法）来处理摄像头数据以识别其他车辆、交通信号灯、路标和行人等物体。但是，摄像机的深度感知能力有限，恶劣天气性能也很差。
相反，雷达在弱光和恶劣天气条件下表现良好，可以探测短距离 （~1 m） 和长距离 （~200 m） 的物体。雷达已广泛部署用于 FCW、BSD 和自适应巡航控制 （ACC）。
汽车早期雷达部署使用基于脉冲的非相干传感。这类似于我们在电影中经常看到的 “pinged ” 雷达描述。在这里，发射无线电脉冲，脉冲从物体反射回来所需的时间决定了距离（也称为飞行时间或 ToF 检测）。
随着半导体集成和处理能力的发展，汽车制造商迅速从非相干雷达检测转向相干检测。这是因为它具有距离更远、抗干扰能力、发射峰值功率较低以及能够提取即时每点速度信息等优点。
调频连续波 （FMCW） 检测是当今汽车雷达解决方案中部署的最流行的相干技术。这也是大约 20+ 年前电信采用的方法，因为它具有经过验证的潜在优势。
除了雷达之外，光探测和测距 （LiDAR） 现在还部署在车辆中，用于远程 （c.200 m） 探测。在最基本的层面上，LiDAR 系统从光源发射光子并测量返回信号的特性以确定物体距离。LiDAR 在红外光谱中运行，使用的波长比雷达小得多——在 200 THz（1550 μm 波长）LiDAR 和 77 GHz（4 mm 波长）雷达的情况下，使用的波长减少了 2500 倍。这为 LiDAR 赋予了相对于雷达的巨大传感分辨率优势，因此具有互补部署。
因此，汽车制造商正在寻找使用 LiDAR 的方法，不仅可以在远距离（例如在高速公路上）检测丢失的货物或轮胎（~15 厘米高），还可以用于短距离（<10 m）自动泊车应用，以准确检测小障碍物（包括宠物或儿童）。
与雷达的历史历程一样，LiDAR 传感在车辆中的早期部署是基于 ToF 的。但是，相干公司 LiDAR 检测（尤其是基于 FMCW 的检测）由于其相对于 ToF 检测的关键优势，现在正受到汽车制造商的关注。
相干检测对光学前端的硅光子集成能力，以及专用 LiDAR 处理器片上系统 （SoC）（如 Indie Semiconductors 的 iND83301）的日益普及，将有助于降低系统成本、尺寸和功耗，并满足汽车制造商的高性能要求。
图 1 显示了每种传感模式如何具有各自的优势。汽车制造商通常会部署多种模式，以最大限度地发挥 ADAS 功能的能力，以补充驾驶员的环境感知能力并提高系统冗余度。
- This chart highlights sensor modality capabilities for ADAS sensors.
图1. 此图表突出显示了 ADAS 传感器的传感器模态功能。
将传感器集成到高级车辆架构中
必须传输和处理不断增长的 ADAS 传感器生成的数据，以创建对车辆环境的感知。它还可以警告驾驶员潜在的危险，甚至采取自动纠正措施，例如紧急制动或转向驱动。但 ADAS 传感器位于车辆电气和电子 （E/E） 架构的框架内，这意味着必须在更广泛的背景下考虑实施的 ADAS 架构。
汽车半导体集成和处理性能的提高加速了汽车三大趋势的形成：ADAS、增强的车内用户体验和传动系统电气化。因此，车辆内支持半导体的电子控制单元 （ECU） 的数量已从数十个激增到今天的 100 多个。
对于汽车制造商来说，这在 E/E 架构设计复杂性、ECU 布线和配电的成本和重量、功率和热限制、车辆软件管理和供应链物流方面带来了挑战。
为了满足汽车大趋势的功能和处理需求，传统的单功能 ECU 架构正在被更高级别的多功能 ECU 整合所取代，并通过域（特定于功能）、区域（物理共存功能）和中央计算（中央“大脑”）E/E 架构实现更高水平的多功能 ECU 整合和更大的处理集中化（图 2）.这些 E/E 架构的确切定义因行业利益相关者而异，但通往更高级别 ECU 功能集成的大致轨迹是一致的。
- Vehicle E/E architecture evolution: From independent ECUs to greater centralization.
图2. 车辆 E/E 架构演变：从独立的 ECU 到更大的集中化。
这种向更大程度的 E/E 架构集中化的演变为 ADAS 传感架构提出了基本问题：
是否应该在车辆边缘对传感器数据和感知进行全面处理，并将每个传感器的感知“结果”传递给下游 Domain、Zone 或 Central Compute，以启动任何缓解安全问题的启动？
是否应该将原始传感器数据传输到中央计算进行处理、感知和驱动？
是否应该在车辆边缘或附近执行一些处理，并在任何所需的驱动之前在 Domains、Zones 和 Central Compute 中执行进一步的处理和感知？
不幸的是，
https://www.eepw.com.cn/article/202503/468584.htm