【導(dǎo)讀】科技進(jìn)步推動產(chǎn)品創(chuàng)新，給各行各業(yè)的設(shè)計師們帶來了前所未有的挑戰(zhàn)，這一點在汽車行業(yè)尤為明顯。汽車廠商正努力將已實現(xiàn) ADAS 功能的 L2 自動駕駛技術(shù)升級到 L3 和 L4，并最終能在自動駕駛領(lǐng)域，將基于 AI 的系統(tǒng)發(fā)展到 SAE 6 級水平。L3 級乘用車已在全球多個地區(qū)上路行駛，L4 級自動駕駛出租車目前也在舊金山等城市街道上進(jìn)行廣泛試驗（在有些地區(qū)已投入商業(yè)使用）。但是，在這些車輛大規(guī)模投入市場之前，仍存在許多商業(yè)、物流和監(jiān)管方面的挑戰(zhàn)。

科技進(jìn)步推動產(chǎn)品創(chuàng)新，給各行各業(yè)的設(shè)計師們帶來了前所未有的挑戰(zhàn)，這一點在汽車行業(yè)尤為明顯。汽車廠商正努力將已實現(xiàn) ADAS 功能的 L2 自動駕駛技術(shù)升級到 L3 和 L4，并最終能在自動駕駛領(lǐng)域，將基于 AI 的系統(tǒng)發(fā)展到 SAE 6 級水平。L3 級乘用車已在全球多個地區(qū)上路行駛，L4 級自動駕駛出租車目前也在舊金山等城市街道上進(jìn)行廣泛試驗（在有些地區(qū)已投入商業(yè)使用）。但是，在這些車輛大規(guī)模投入市場之前，仍存在許多商業(yè)、物流和監(jiān)管方面的挑戰(zhàn)。

汽車廠商面臨的挑戰(zhàn)之一是要彌合兩種情況之間的差距：一邊是于少數(shù)技術(shù)實例的概念驗證，另一邊是將概念轉(zhuǎn)化成為穩(wěn)健、可重復(fù)和實用的大規(guī)模制造和部署。后者要求設(shè)計穩(wěn)定、安全、可靠，并且定價合理。

在進(jìn)行概念驗證時，可以通過不同的途徑實現(xiàn)目標(biāo)?！白陨隙隆钡姆椒ㄊ窃谲囕v中集成盡可能多的硬件、傳感器和軟件，然后通過實現(xiàn)融合、降低復(fù)雜性，達(dá)到性能、成本和重量目標(biāo)。相反，“自下而上”的方法則更有條理，汽車廠商先完成一個級別的自動駕駛設(shè)計，然后再收集數(shù)據(jù)并克服必要的挑戰(zhàn)，達(dá)到下一個級別。后一種方法越來越受到大型主機(jī)廠的青睞。

汽車要提供先進(jìn)的 ADAS 系統(tǒng)，并最終實現(xiàn)自動駕駛，必須感知周圍環(huán)境，然后根據(jù) “看到的內(nèi)容”采取行動。車輛對環(huán)境的認(rèn)知越準(zhǔn)確，就能做出越好的決策，行車也越安全。因此，設(shè)計自動駕駛汽車時，首先要確定部署在車輛周圍的傳感器數(shù)量和類型。在環(huán)境傳感方面，有三種常用技術(shù)：圖像傳感器即攝像頭、毫米波雷達(dá)和激光雷達(dá)，三者各有利弊。

在上述的三種傳感器中，很明顯，攝像頭和激光雷達(dá)的算法處理已經(jīng)普遍在中央域控了，而目前市場上的各類毫米波雷達(dá)，通常還是前端處理，生成目標(biāo)以后，再送到中央域控，而并非中央集中處理。我們將在本文中著重介紹對于 4D 成像毫米波雷達(dá)進(jìn)行中央集中處理的必要性和安霸 CV3 在這方面的技術(shù)優(yōu)勢。

一旦確定了車輛對傳感器的需求，就要做出一系列關(guān)鍵決定，包括設(shè)計系統(tǒng)架構(gòu)和選擇配備合適的處理器。這就需要從根本上考慮是集中處理傳感器數(shù)據(jù)，還是在前端處理傳感器數(shù)據(jù)。

圖1 確定傳感器架構(gòu)是自動駕駛汽車取得成功的前提

傳統(tǒng) 3D 雷達(dá)技術(shù)雖然成本較低，但在感知能力存在著一些不足。通常毫米波雷達(dá)做前端計算，生成目標(biāo)以后，在域控里和來自攝像頭的感知結(jié)果做后融合。這種方式因為在前端的信息損失，不僅使得 3D 雷達(dá)的作用被大大削弱，并且在視覺感知高度發(fā)展的今天，傳統(tǒng) 3D 雷達(dá)有靠邊站的趨勢。

隨著毫米波雷達(dá)技術(shù)的演進(jìn)，我們看到 4D 成像毫米波雷達(dá)的技術(shù)指標(biāo)比起傳統(tǒng) 3D 毫米波雷達(dá)有了大幅的改進(jìn)，包括多了一個高度維度，看得更遠(yuǎn)，點云更密集，有更好的角分辨率，對靜止目標(biāo)檢測更可靠，更低的誤檢和漏檢等。4D 成像毫米波雷達(dá)之所以有這些技術(shù)優(yōu)勢，往往來自于更復(fù)雜的調(diào)制技術(shù)，和更復(fù)雜的點云算法，跟蹤算法等。因而 4D 成像毫米波雷達(dá)往往需要專門的雷達(dá)處理芯片才能達(dá)到所需的高性能。目前市場上已經(jīng)存在一些在前端雷達(dá)模塊中添加雷達(dá) DSP 或 FPGA 來進(jìn)行前端計算的設(shè)計。雖然這些前端計算的 4D 成像毫米波雷達(dá)有些展現(xiàn)出比傳統(tǒng) 3D 雷達(dá)更好的性能，成本較高，不利于廣泛應(yīng)用。

而在集中式處理方法下，由于所有傳感器的原始數(shù)據(jù)都在一個中心點進(jìn)行合并，數(shù)據(jù)進(jìn)行融合時不會丟失關(guān)鍵信息。由于不在前端進(jìn)行處理，毫米波雷達(dá)傳感器模塊大大簡化，從而縮小了尺寸，降低了功耗和成本。此外，大多數(shù)毫米波雷達(dá)都位于車輛保險杠后側(cè)，最大限度地降低事故后的維修費用。

集中式處理方法還能讓研發(fā)人員靈活地實時調(diào)整毫米波雷達(dá)數(shù)據(jù)和攝像頭數(shù)據(jù)的相對重要性，在各種環(huán)境天氣和駕駛條件下提供最佳的環(huán)境感知能力。舉例來說，在惡劣天氣條件下，沿高速公路行駛時，毫米波雷達(dá)數(shù)據(jù)將發(fā)揮更大優(yōu)勢；而在擁擠的城市中緩慢行駛時，攝像頭在識別車道線，讀取道路標(biāo)志和場景感知，識別危險方面將發(fā)揮更重要的作用；而激光雷達(dá)對于一般障礙物檢測和夜晚 AEB 方面更有特色，動態(tài)配置傳感器套件可以節(jié)省處理器資源，降低能耗，同時提高環(huán)境感知能力和安全性。

隨著電動汽車的普及，如何節(jié)約電能并最大限度地提高“每次充電的續(xù)航里程 ”成為每個車輛零部件的關(guān)鍵考慮因素。節(jié)能是集中式 AI 域控芯片的優(yōu)勢。有些多芯片中央域控消耗大量電能，因而縮短了車輛的續(xù)航里程。如果 SoC 產(chǎn)生的熱量過大，需要設(shè)計主動冷卻方案，甚至某些架構(gòu)需要液體冷卻，這就大大增加了汽車的尺寸、成本和重量，從而降低了電池續(xù)航能力。

AI 智駕軟件正迅速成為系統(tǒng)的關(guān)鍵要素，AI 的實現(xiàn)方式對 SoC 的選擇，以及開發(fā)系統(tǒng)所花費的時間和資金投入都有重大影響。關(guān)鍵是如何以最小的工作量和能源，運行最新的神經(jīng)網(wǎng)絡(luò)算法，但又不犧牲精度。這不僅需要仔細(xì)考慮硬件該如何實現(xiàn)神經(jīng)網(wǎng)絡(luò)，還要考慮為中間件、設(shè)備驅(qū)動程序和 AI 工具提供支持，縮短開發(fā)時間并降低風(fēng)險。

車輛出廠后，無論是解決某個問題，還是新增功能，軟件都需要持續(xù)更新?；趩蝹€域控制器的集中式架構(gòu)簡化了這一過程，OTA 升級的實現(xiàn)，解決了目前需要單獨更新每個前端模塊軟件的難題（更加昂貴和復(fù)雜）。這種 OTA 方法也意味著系統(tǒng)網(wǎng)絡(luò)安全是設(shè)計過程中需要解決的另一個重要領(lǐng)域。

SoC 的選擇影響著設(shè)計過程的各個方面，包括整輛自動駕駛汽車的效能。為了賦能大型主機(jī)廠更快落地極具性價比的智駕產(chǎn)品，綜合性地考慮到客戶需求，為客戶帶來主攻 L3/L4 旗艦智駕系統(tǒng)的大算力中央域控 AI 芯片 CV3-AD685，該芯片可實現(xiàn) 4D 成像毫米波雷達(dá)原始數(shù)據(jù)的集中式處理和深度融合。

為什么安霸傲酷雷達(dá)可以做到成本更低呢？ 

這是因為，傳統(tǒng) 4D 成像毫米波雷達(dá)使用固定的調(diào)制技術(shù)，需要根據(jù)調(diào)制方案對性能進(jìn)行折中。不過，采用基于 AI 的實時動態(tài)波形的新興 4D 成像毫米波雷達(dá)設(shè)計正在幫助解決這一難題。將 “稀疏化陣列天線”與可動態(tài)學(xué)習(xí)并適應(yīng)環(huán)境的 AI 算法（即虛擬孔徑成像（VAI）技術(shù)）相結(jié)合，從根本上打破了調(diào)制帶來的性能折中，可將 4D 成像毫米波雷達(dá)的分辨率提高至 100 倍。這大幅度提高了角度分辨率，以及系統(tǒng)性能和精確度，而天線數(shù)量也減少了一個檔次，外形尺寸、功率預(yù)算、數(shù)據(jù)傳輸要求和成本也相應(yīng)降低。

如何在 CV3 上做中央域控雷達(dá)設(shè)計呢？ 

CV3 支持雷達(dá)前端傳感器直接傳輸 RAW 數(shù)據(jù)到域控，而在 CV3 上完成必要的雷達(dá)計算包括高質(zhì)量點云生成，處理，跟蹤等算法。CV3-AD685 上帶有專用 4D 成像毫米波雷達(dá)處理硬件單元，簡潔而高效地完成多個雷達(dá)同時工作時的數(shù)據(jù)處理。

圖 3 顯示了一個功能強(qiáng)大的 SoC 框圖，它是安霸的 CV3-AD685。該 SoC 專為汽車中央域控制器而設(shè)計，可高性能運行各種神經(jīng)網(wǎng)絡(luò)算法，實現(xiàn)完整的自動駕駛解決方案。CV3-AD685 帶有專業(yè)圖像信號處理單元、可使用各種傳感器感知（如來自攝像頭、毫米波雷達(dá)、超聲波雷達(dá)和激光雷達(dá)）、執(zhí)行多種傳感器的深度融合，運行車輛路徑預(yù)測規(guī)劃控制等算法。CV3-AD 系列專為汽車智駕設(shè)計的架構(gòu)與 GPU 等競品芯片架構(gòu)截然不同，GPU 一般采用更為通用的并行計算設(shè)計，以運行各種不同的應(yīng)用。因而在運行智駕應(yīng)用的時候，CV3 比競品的效率更高，功耗更低。

圖3 安霸 CV3-AD685 SoC 框圖，該芯片專為汽車應(yīng)用中的集中式AI域控而設(shè)計。

如圖 3 所示，該 SoC 集成了神經(jīng)網(wǎng)絡(luò)處理器（NVP），通用矢量處理器 (GVP)（用于加速通用機(jī)器視覺算法和毫米波雷達(dá)處理）、高性能圖像信號處理器（ISP） 、12 個 Arm? Cortex?-A78AE 和多個 R52 CPU，雙目立體視覺和密集光流引擎、以及 GPU（用于 3D 渲染如 AVM ）。CV3-AD系列的整體架構(gòu)和 CV3-AD685 相同，適用于從 L2+ 到 L4 級汽車智駕系統(tǒng)，擁有充沛算力和安全冗余，可運行完整的自動駕駛解決方案。其 AI 性能則在高性能 GPU 的 3 倍左右，盡管性能出眾，這款 SoC 的工作功耗卻大幅低于競品。因此，使用 CV3-AD685，與競品芯片相比，在電池容量相同的情況下，電動汽車的續(xù)航里程至少可增加 30 公里。另外，在保持相同續(xù)航里程的情況下，電池成本可以大幅降低，電池重量也可以減少幾公斤。

近年來，智駕技術(shù)取得了質(zhì)的飛躍。不同的智駕高級功能成為主流已有一段時間，隨著汽車廠商不斷創(chuàng)新突破，其他新功能也不斷涌現(xiàn)。汽車行業(yè)現(xiàn)在面臨的挑戰(zhàn)是如何將目前的 L3 和 L4 級智能駕駛試驗車全面投入生產(chǎn)。

這一進(jìn)步的關(guān)鍵在于傳感器的選擇，包括車輛的結(jié)構(gòu)和域控芯片的選擇。使用專為集中式傳感器融合設(shè)計的處理器，以及基于 AI 的創(chuàng)新技術(shù)（如稀疏化毫米波雷達(dá)陣列），自動駕駛汽車可以集中處理毫米波雷達(dá)數(shù)據(jù)，并將其與攝像頭數(shù)據(jù)進(jìn)行融合，對車輛周圍動態(tài)環(huán)境做出及時反應(yīng)。這種性能和靈敏度的提高可以減少對激光雷達(dá)的依賴性，進(jìn)一步降低成本，并且達(dá)到更好的環(huán)境感知性能。

（作者： Senya Pertsel ，來源：Ambarella安霸半導(dǎo)體）

免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進(jìn)行處理。

推薦閱讀：

意法半導(dǎo)體碳化硅數(shù)位電源解決方案被肯微科技采用于服務(wù)器電源供應(yīng)器設(shè)計及應(yīng)用

開展倒計時8天|CITE2024邀您打卡開年深圳首個電子信息展

低壓MOS在新能源園林機(jī)械上的應(yīng)用

利用雙MOSFET最大限度地提高開關(guān)轉(zhuǎn)換器應(yīng)用的功率密度和性能

光的波長對視覺成像性能的影響