智能汽車論壇2017

總結：1、目前量產車型中，最高等級的是L2級別，更高級別的無人駕駛只是樣車，預計到2020年左右，L3級別的量產車會推出來

2、感測器方案中，初期階段可以以視覺為主，但到L3以及更高級別中，毫米波雷達與激光雷達至關重要

3、隨著無人駕駛等級的提高，多感測器融合是大趨勢，即使是高精度的激光雷達，也存在某些缺陷，需要多種感測器融合處理

4、毫米波雷達價格下降很快，由90年代初的10萬美元下降至現在的100美元左右，未來隨著固態激光雷達的成熟，成本也將快速下降

一、智能駕駛與多感測器融合（同濟大學教授）

1）智能駕駛的背景與進程

目前量產車型自動駕駛等級最高的，也就處於L2級別，L2主要是准自動巡航（合資品牌很多都有了，自主品牌近期也會開始跟進）、自動變道（這個功能目前還是比較少）、跟隨防撞已經市場化。

目前汽車上用的感測器主要包括電子雷達、激光雷達、相機、紅外線相機及超聲波感測器等幾種，每種感測器都有其優缺點。各種感測器成本也在大幅下降，比如毫米波雷達由90年代末期的10萬美元，目前已經下降至100美元左右

單個感測器存在明顯不足，即使是很先進的64線激光雷達，10米看人很清楚，20米也還不錯，30米要開始猜了，50米就看不出來是啥了。因此，現在車輛都是配置多個感測器，融合很重要。

2）智能駕駛多感測器信息融合的三種方式：集中式處理、全分散式及分布集中式系統

集中式處理，超級中央處理器，所有感測器採集的數據，全部傳輸過去，感測器只負責採集和傳輸，因此成本個方面能夠得到控制，缺點是傳輸帶寬及中央處理器要求很高

全分散式，每個感測器裡面有信息處理能力，把結果匯總在一個地方，這樣的，雖然感測器帶寬可以變小，但由於需要增加處理能力，感測器成本會更高

3）分布集中式，局域集中，再融合，分區域網來做，拓展性強

3）智能駕駛目標物體識別演算法

目標物體多樣性、環境和路況多樣性、在動態場景中進行識別，50ms以內，所以很難上傳到雲端，等雲端處理，是來不及的，都需要終端進行數據處理。

物體識別演算法通常的6個步驟，前處理-前景分離-物體分類-結果改進-物體追蹤-行為層面處理

4）車載毫米波雷達的情況

從開發歷史看今後的趨勢，70年代就開始了，毫米波雷達到2000年的時候，第一款產品搭載在賓士和日產上的，加上其他設備一些高配部件，高達10萬美金，其實主要是雷達的錢

毫米波雷達的進步主要體現在晶元的進步上，晶元的發展過程中，背後支撐的是材料的進步，到CMOS晶元普及還需要3-5年左右，現在以SiGe為主

5）公司毫米波雷達技術動態

80M的中距離毫米波雷達，2018年有希望量產；150米的還在研發中，77Ghz毫米波雷達相機一體機、還有ADAS系統的演算法

擋風玻璃會對雷達由30%左右的減衰，要檢測120米，裸雷達要達到180米以上

二、ADAS與自動駕駛的未來之路（NXP專家）

NXP解決方案，包括連接、動力與傳統系統控制、車身與舒適系統控制等多方面。

汽車周邊環境評估的感知方案

車廠需要的功能

NXP全面支持基於域的車輛結構，半集中式的來做，幾個模塊，域之間的連接，都是用千兆乙太網來連接。

計劃從2018年開始，把車裡面處理器硬體架構打通，每個晶元會有60%通用部分和40%專用部分，對用戶來說，都是在一個架構上，方面在一個域上，軟體開發上會省事很多

處理器方面，DSP會用的越來越少，FPGA，很昂貴；GPU功耗原因，未必是好選擇

三、自動駕駛解決方案（瑞薩專家）

瑞薩內部自動駕駛趨勢預測：ADAS功能滲透並將遷移到自動駕駛（L4與L5階段），L3與L4在2020年左右會有相關的車退出來。

瑞薩產品線，具備從感測到片段再到車輛控制的全套解決方案

瑞薩智能攝像頭解決方案

瑞薩自動駕駛整體解決方案路線圖

四、突破77-79Ghz毫米波雷達（納雷專家）

車載感測器匯總方案

不同ADAS功能中適合的感測器，毫米波雷達應用廣泛

毫米波雷達在汽車領域應用的發展歷程

全球2020年車載毫米波雷達市場空間預計將達到56億美元，國內市場達到72億元

目前77Ghz毫米波雷達主要是國外廠商壟斷。

77Ghz與24Ghz毫米波雷達對比

國內77Ghz毫米波雷達需要突破高精度、高可靠性及性能三大挑戰

公司24Ghz毫米波雷達出貨情況(77Ghz還在研發中），目前還難以進入前裝市場

納雷1+4毫米波雷達解決方案

五、各大車廠無人駕駛方案解讀

無人駕駛的架構是早就確立的

激光雷達是一種兼具毫米波雷達與攝像頭優勢的感測器

蘋果無人駕駛車採用了12個16線激光雷達

全球主要激光雷達公司匯總

百度無人車採用的也是64線激光雷達

基於視覺的ADAS系統，在高階無人駕駛系統上使用範圍很窄