為了將車輛自動化提升到一個新的水平，設計人員研究了 LiDAR 等傳感器選項的權衡，并著眼于傳感系統架構。

每年，約有 120 萬人死于道路交通事故，還有無數人遭受改變人生的傷害。考慮到這一點，世界衛生組織和聯合國大會合作制定了一項名為“道路安全行動十年”的計劃。該計劃旨在到 2030 年將道路交通傷亡人數減少至少 50%。

但法規制定者們還有他們的工作要做。《紐約時報》最近的一篇文章中引用的研究指出，在大流行期間，美國的車禍數量增加了 16%，2021 年的道路死亡人數達到 15 年來的最高水平，超過 42,000 人。雖然全球情況各不相同，但不幸的是，美國之前道路安全改進的這種逆轉今天似乎仍在繼續。

立法和執法將在實現減少 50% 的死亡和傷害目標方面發揮關鍵作用。但額外的影響將來自汽車制造商實施高級駕駛輔助系統 （ADAS） 和提高駕駛員自動化水平。

雖然自動駕駛汽車和經常被引用的 SAE 水平駕駛自動化已經收到了大量行業報道和評論，但現實情況是 ADAS 解決方案正在挽救生命。這已經通過啟用自動緊急制動 （AEB）、車道偏離警告和前方碰撞警告（分別為 LDW 和 FCW）、盲點檢測 （BSD） 和駕駛員監控 （DMS/OMS） 等功能來實現。因此，加速部署基于半導體的、經濟高效的高性能 ADAS 解決方案必須成為行業的優先事項。

不同的傳感器技術及其在 ADAS 中的實現

為了達到這些自動化和自主性水平，ADAS 使用了多種傳感模式，包括：

• 攝像頭，用于部署基于視覺的傳感。

• 雷達，利用基于射頻的傳感。

• LiDAR，部署基于紅外光的傳感。

攝像頭可捕獲車輛周圍環境的圖像，并支持基于人類視覺和計算機視覺的傳感用例，例如環視、LDW、AEB、BSD 以及駕駛員和乘客監控。

基于攝像頭的傳感需要一個處理管道，其中包括圖像傳感器、圖像信號處理（用于顏色恢復、降噪、自動曝光等）和軟件感知算法（經典算法和基于 AI 的算法）來處理攝像頭數據以識別其他車輛、交通信號燈、路標和行人等物體。但是，攝像機的深度感知能力有限，惡劣天氣性能也很差。

相反，雷達在弱光和惡劣天氣條件下表現良好，可以探測短距離 （~1 m） 和長距離 （~200 m） 的物體。雷達已廣泛部署用于 FCW、BSD 和自適應巡航控制 （ACC）。

汽車早期雷達部署使用基于脈沖的非相干傳感。這類似于我們在電影中經常看到的 “pinged ” 雷達描述。在這里，發射無線電脈沖，脈沖從物體反射回來所需的時間決定了距離（也稱為飛行時間或 ToF 檢測）。

隨著半導體集成和處理能力的發展，汽車制造商迅速從非相干雷達檢測轉向相干檢測。這是因為它具有距離更遠、抗干擾能力、發射峰值功率較低以及能夠提取即時每點速度信息等優點。

調頻連續波 （FMCW） 檢測是當今汽車雷達解決方案中部署的最流行的相干技術。這也是大約 20+ 年前電信采用的方法，因為它具有經過驗證的潛在優勢。

除了雷達之外，光探測和測距 （LiDAR） 現在還部署在車輛中，用于遠程 （c.200 m） 探測。在最基本的層面上，LiDAR 系統從光源發射光子并測量返回信號的特性以確定物體距離。LiDAR 在紅外光譜中運行，使用的波長比雷達小得多——在 200 THz（1550 μm 波長）LiDAR 和 77 GHz（4 mm 波長）雷達的情況下，使用的波長減少了 2500 倍。這為 LiDAR 賦予了相對于雷達的巨大傳感分辨率優勢，因此具有互補部署。

因此，汽車制造商正在尋找使用 LiDAR 的方法，不僅可以在遠距離（例如在高速公路上）檢測丟失的貨物或輪胎（~15 厘米高），還可以用于短距離（<10 m）自動泊車應用，以準確檢測小障礙物（包括寵物或兒童）。

與雷達的歷史歷程一樣，LiDAR 傳感在車輛中的早期部署是基于 ToF 的。但是，相干公司 LiDAR 檢測（尤其是基于 FMCW 的檢測）由于其相對于 ToF 檢測的關鍵優勢，現在正受到汽車制造商的關注。

相干檢測對光學前端的硅光子集成能力，以及專用 LiDAR 處理器片上系統 （SoC）（如 Indie Semiconductors 的 iND83301）的日益普及，將有助于降低系統成本、尺寸和功耗，并滿足汽車制造商的高性能要求。

圖 1 顯示了每種傳感模式如何具有各自的優勢。汽車制造商通常會部署多種模式，以最大限度地發揮 ADAS 功能的能力，以補充駕駛員的環境感知能力并提高系統冗余度。

圖1. 此圖表突出顯示了 ADAS 傳感器的傳感器模態功能。

將傳感器集成到高級車輛架構中

必須傳輸和處理不斷增長的 ADAS 傳感器生成的數據，以創建對車輛環境的感知。它還可以警告駕駛員潛在的危險，甚至采取自動糾正措施，例如緊急制動或轉向驅動。但 ADAS 傳感器位于車輛電氣和電子 （E/E） 架構的框架內，這意味著必須在更廣泛的背景下考慮實施的 ADAS 架構。

汽車半導體集成和處理性能的提高加速了汽車三大趨勢的形成：ADAS、增強的車內用戶體驗和傳動系統電氣化。因此，車輛內支持半導體的電子控制單元 （ECU） 的數量已從數十個激增到今天的 100 多個。

對于汽車制造商來說，這在 E/E 架構設計復雜性、ECU 布線和配電的成本和重量、功率和熱限制、車輛軟件管理和供應鏈物流方面帶來了挑戰。

為了滿足汽車大趨勢的功能和處理需求，傳統的單功能 ECU 架構正在被更高級別的多功能 ECU 整合所取代，并通過域（特定于功能）、區域（物理共存功能）和中央計算（中央“大腦”）E/E 架構實現更高水平的多功能 ECU 整合和更大的處理集中化（圖 2）.這些 E/E 架構的確切定義因行業利益相關者而異，但通往更高級別 ECU 功能集成的大致軌跡是一致的。

圖2. 車輛 E/E 架構演變：從獨立的 ECU 到更大的集中化。

這種向更大程度的 E/E 架構集中化的演變為 ADAS 傳感架構提出了基本問題：

• 是否應該在車輛邊緣對傳感器數據和感知進行全面處理，并將每個傳感器的感知“結果”傳遞給下游 Domain、Zone 或 Central Compute，以啟動任何緩解安全問題的啟動？

• 是否應該將原始傳感器數據傳輸到中央計算進行處理、感知和驅動？

• 是否應該在車輛邊緣或附近執行一些處理，并在任何所需的驅動之前在 Domains、Zones 和 Central Compute 中執行進一步的處理和感知？

不幸的是，有點不滿意的答案是“視情況而定”。

每家汽車制造商都有不同的（通常是傳統的）汽車平臺，它必須支持從入門級和中型車型到高檔和豪華車型的各種車型。一刀切的中央計算“大腦”E/E 架構的前提原則上很有吸引力，可能適合選定的單一平臺汽車制造商（例如僅限豪華車型或非傳統“全新”電動汽車制造商）。然而，現實情況是，大多數公司需要支持多個 E/E 架構來滿足其商業需求。

當然，汽車制造商的 ECU 整合和跨車型重用軟件對于最大限度地提高開發和成本效率至關重要。然而，僅限中樞大腦的架構并不是萬能的，對于大多數汽車制造商來說，它也不具有商業實用性。

在 ADAS 系統中利用分布式智能

因此，在可預見的未來，支持分布式智能的 E/E 和 ADAS 架構將存在。這包括跨越車輛傳感器邊緣以及域、區域和中央計算 ECU 的數據處理和感知。這種分布式架構雖然不能完全解決軟件復雜性和管理問題，但確實緩解了數據傳輸、ECU 布線和配電挑戰。它們還支持 ECU 和 ADAS 傳感器的可選性，以滿足汽車制造商車型的價格點。

在 ADAS 傳感的情況下，分布式智能架構意味著一些數據處理和感知是在傳感器附近或附近實現的。然后，生成的感知計算（例如，場景分割、對象分類或對象檢測）被傳遞到域、區域或中央計算 ECU，與來自其他傳感器的感知計算一起處理，以實現最終的感知和安全響應驅動。

這種感知架構通常被稱為晚期融合，因為每個傳感器都已經執行了一定程度的感知。晚期融合與僅中央計算架構相關的早期融合形成鮮明對比，在這種架構中，來自多個傳感器模態的原始、未處理的數據通過車輛傳輸，以便在中央“大腦”ECU 中進行聚合處理。

分布式智能傳感架構的一個潛在用例是保護弱勢道路使用者 （VRU），例如行人和騎自行車的人。最近對新車驗收計劃（如 EuroNCAP）的更改引入了對 VRU 的額外測試，包括在倒車和盲點場景中。

盲點雷達和環視攝像頭通常在物理上位于同一位置。因此，汽車制造商正在尋找能夠同時處理雷達和攝像頭數據并執行每個管道決策融合的單一 SoC 解決方案（即，在雷達的情況下是標記的 2D 點，在攝像頭的情況下是邊界框）。這將有助于降低 ADAS 傳感成本并實現低延遲邊緣決策。

邊緣或附近的傳感器融合分布式智能概念也可以擴展到其他 ADAS 用例和傳感器模式，有助于將 ADAS 的優勢帶入最廣泛的市場。

ADAS 的最終目標 — 道路安全

ADAS 在汽車行業中發揮著至關重要的作用，可以減少道路傷亡。不同傳感器模式的功能相輔相成，導致汽車制造商越來越多地部署多模式傳感，以增強駕駛員的環境感知和車輛的安全響應行動。

在不斷發展的車輛 E/E 架構背景下，傳感器創新和分布式智能有助于在所有車輛類別中推廣 ADAS 技術。最終，我們的道路對所有道路使用者來說都將更加安全。