【導讀】自1939年通用汽車公司面向全球展示世界上第一輛自動駕駛概念車，此后的八十多年里，全球各大科技公司和車企陸續將傳感器、攝像頭、計算芯片、存儲芯片等塞進車子里，并不斷在軌道、沙漠等特定場景下去嘗試自動駕駛。時至今日，廠商已經在一點點讓自動駕駛滲透到家用車市場，并致力于在這個領域實現更高級別的自動駕駛。
然而，我們也能看到，在技術和方案推進的過程中，自動駕駛的實現方式出來了明顯的“派系之爭”。一派認為應該走視覺與雷達的融合路線；另一派則認為純視覺實現就足夠了。派系之爭的根源是當前每個廠商對自動駕駛都有自己的理解，且都取得了一定的效果。當然，通過貿澤電子網站上在售的、各種應用于自動駕駛的元器件，我們也發現了兩個派系之間的一些共同點，比如靈活設計和性能冗余等。那么，接下來就讓我們展開聊一聊。
純視覺 VS 多傳感器融合
對于自動駕駛，還有很多其他的叫法，比如無人駕駛、電腦駕駛汽車或者輪式機器人等等。這些名稱的核心要義是通過計算機與人工智能技術的融合，代替人類駕駛員，讓車子自行完成完整、安全、有效的駕駛行為。無疑，這種智能化的駕乘體驗將會成為新時代汽車一個重要的賣點，吸引全球科技巨頭和車企紛紛投資布局。根據市場調研機構IHS Markit的預測數據，2022年全球自動駕駛汽車市場規模將達到1,629億美元，同比增長14%左右，預計2030年全球自動駕駛汽車市場規模將達到32,197億美元，年復合增長率高達45.21％。
圖1：全球自動駕駛汽車市場規模
（數據源自：IHS Markit）
在自動駕駛的設想下，當選定目的地后，汽車會利用導航系統規劃最佳路線，到達目的地，期間人類駕乘人員不需要為此分心，可以盡情享受科技帶來的便捷和舒適。然而，當人類駕駛汽車時，我們都會用“眼觀六路耳聽八方”來描述駕駛員的狀態，因此自動駕駛汽車需要具備比這更強的感知性能。環境感知與精準定位、路徑規劃、線控執行一起并稱自動駕駛四大核心技術。當汽車被置于社會應用場景下時安全可靠的感知是不可或缺的。
在環境感知上，純視覺方案僅依靠攝像頭搜集環境信息，然后將圖片傳輸到計算芯片進行分析，比較像人類駕駛車輛，通過眼睛來捕捉周圍的信息，然后傳輸給大腦做決策。當然，純視覺+AI的方案比人眼的視角更廣，通過大量的圖片信息讓汽車內部的計算系統擁有以車子為中心的“上帝視角”。純視覺方案的優點主要是，實現成本相對更低，更接近人類駕駛，通過高分辨率、高幀率的成像技術獲取的環境信息更加豐富；缺點主要是，攝像頭捕捉環境信息容易受到環境光的干擾，且純視覺方案對于圖像的處理更依賴訓練，難免出現環境認知的“死角”。目前，采用純視覺方案實現自動駕駛的企業主要有特斯拉、百度和極氪等。
“多傳感器融合”方案則是通過攝像頭、毫米波雷達、激光雷達等設備一起收集車輛的周邊信息。激光雷達的加入能夠獲取更深度的空間信息，對于物體的位置、距離和大小感知更準確，且由于激光雷達是自發光并不受環境光影響。不過，“多傳感器融合”方案也有自己的局限性，激光雷達容易受到雨雪霧天氣的影響。由于激光雷達本身數千美元的硬成本，加上“多傳感器融合”往往對計算芯片有更高的算力要求，因此成本沒有優勢。目前，采用“多傳感器融合”方案實現自動駕駛的企業主要有小鵬、蔚來、極狐等。
兩大派系在技術實現上，都是基于硬件來幫助汽車構架自身周圍的3D信息，然后讓計算芯片提取關鍵信息來做出駕駛決定。未來，“純視覺”要解決的是光致盲和認知錯誤等問題，“多傳感器融合”本身的融合就是一大技術挑戰，且算法本身還得優化，也需要更低成本的激光雷達產品。目前來看，兩大技術路線都還有很多潛能值得挖掘。
當然，高級別自動駕駛尚未打開家用這個大市場，路線之爭不僅是環境感知層面，還有單車智能和路車協同之間的爭議。但正如上文所述，元器件廠商對于自動駕駛的支持都選擇了高靈活性和性能冗余等方式，給每一種實現方案都提供盡可能的支持。下面我們就著重為大家介紹幾款貿澤電子網站上在售的可應用于自動駕駛的元器件產品，幫助大家完成各種不同的自動駕駛實現方案。
為下一代ADAS助力的FPGA
無論是傾向于怎樣的技術流派，對于實現自動駕駛而言，攝像頭都是必要的，它們充當著汽車的“眼睛”。那么，我們第一款要推薦的方案就是可應用于下一代ADAS開發的FPGA評估套件——UltraScale+? MPSoC ZCU102開發工具，它在視覺處理上非常出色，來自制造商AMD Xilinx，貿澤電子網站上的制造商編號為EK-U1-ZCU102-G-J。
圖2：MPSoC ZCU102評估套件
（圖源：AMD Xilinx）
MPSoC ZCU102開發工具采用Zynq UltraScale+ MPSoC器件，作為系統核心，該器件在核心配置、工藝架構、器件尺寸、系統功耗、軟件支持和圖形處理等方面具有行業領先的產品特性。
圖3：Zynq UltraScale+ MPSoC器件系統框圖
（圖源：AMD Xilinx）
通過上方的系統框圖能夠看到，Zynq UltraScale+ MPSoC器件基于四核ARM? Cortex-A53和雙核Cortex-R5實時處理器打造，并搭配靈活應變的內存層級。異構處理的產品設計加上器件本身的可編程特性，在提供更好性能的同時，允許工程師朋友多角度優化自己的應用。
16nm FinFET配合超小型化封裝讓Zynq UltraScale+ MPSoC器件擁有無與倫比的計算密度，不受應用條件限制，并提供更好的信號完整性。
支持AI/ML的深度學習處理單元以及Mali-400 MP2圖形處理單元的存在，讓Zynq UltraScale+ MPSoC器件可以勝任下一代ADAS系統對于視覺系統和相關算法的高要求，H.264/H.265視頻編解碼器則進一步提升了這方面的性能。同時，豐富的外設接口讓Zynq UltraScale+ MPSoC器件對支持“多傳感器融合”也是毫無壓力。
可以說，異構、高性能、超小型、高算力的Zynq UltraScale+ MPSoC器件是一顆用于打造下一代ADAS應用的理想器件，該器件所提供的64位處理器可擴展性更是為方案設計帶來了無限可能。想要體現該器件非凡的魅力，MPSoC ZCU102評估套件無疑提供了出色的平臺。
圖4：MPSoC ZCU102評估套件系統框圖
（圖源：AMD Xilinx）
MPSoC ZCU102評估套件針對采用Zynq Ultrascale+ MPSoC的應用原型設計進行了優化，包括下一代ADAS。如上圖所示，該評估套件支持Zynq Ultrascale+ MPSoC的全部主要外設和接口，比如PCIe根端口Gen2x4、USB3、顯示端口和SATA等，支持各種方案的設計實現。
可用于ADAS原型設計的FPGA
在自動駕駛推進的過程中，我們看到，目前基本是廠商在主導技術路線之爭。而更進一步來講，即便是相同的路線下，由于廠商對于各個ECU功能單元的界定不同，系統架構和核心芯片的功能也會有差異。從元器件角度分析，由于每個公司對自動駕駛的理解不同，產品設計理念也有很大差異。那么，如何才能高效找到更有市場競爭力的設計方案呢？接下來這款產品能夠幫到你。
下面我們為大家介紹的是來自制造商AMD Xilinx的另一款解決方案——Versal? AI Core系列VCK190評估套件，貿澤電子上，該產品的制造商編號為EK-VCK190-G-ED。
圖5：Versal? AI Core系列VCK190評估套件
（圖源：AMD Xilinx）
根據Xilinx Wiki的介紹，VCK190評估套件是第一個 Versal? AI Core系列評估套件，可幫助設計者使用AI和DSP引擎開發解決方案。相較于服務器級CPU，這款評估套件的系統核心VC1902器件能夠提供超過100倍的計算力。
VCK190評估套件是一個“多面手”，工程師朋友既可以借助其廣泛的連接選項進行快速應用開發，包括數據中心計算、5G無線電與波束成形（DFE）、無線測試設備等。同時，也可以應用于ADAS的原型開發。
針對ADAS的原型開發，AMD Xilinx提供專門的目標參考設計，幫助實現汽車應用的多傳感器視頻分析。在參考設計中，VCK190評估板上的圖像傳感器模塊能夠實時接收信息傳遞并加速和攝像頭掛鉤的圖像傳感器信息，同時該評估板還支持其他汽車應用中常見的AI/ML工作負載。
S32G2處理器幫助打造下一代網關
如上文所述，環境感知與精準定位、路徑規劃、線控執行并稱自動駕駛四大核心技術。在具體實現時，“純視覺”是多組ECU對應多組攝像頭，提取有用信息之后匯總到計算芯片上做決策；“多傳感器融合”則是不同的傳感器對應不同的ECU模塊單元，最終依然需要將提取之后的信息發送到計算芯片上進行運算。在車輛外部，車聯網的概念讓部分信息需要上傳到云端，實現汽車作為邊端的邊云通信。那么，在此過程中，網關配置就顯得尤為重要，用來幫助提高實時性處理和安全性。
接下來，我們要重點介紹的這款元器件便是可用于實現下一代汽車網關和架構的S32G2汽車網絡微處理器，來自制造商NXP Semiconductors，大家可以通過搜索制造商編號S32G274AABK0VUCT在貿澤電子網站上精準找到它。
S32G2微處理器是NXP在汽車網關設備系列中的升級產品，基于四核Arm? Cortex?-A53應用處理器打造，性能和網絡加速能力是該公司此前產品的10倍以上。能夠實現如此大的性能跨越，得益于該器件先進的設計理念。S32G2處理器帶可選的兩兩鎖步功能，用于處理高算力的應用和服務，其中3個Arm Cortex-M7全鎖步內核，用于處理實時應用。以太網數據包轉發引擎（PFE）、低延遲通信引擎（LLCE）以及硬件安全引擎（HSE）三大硬件加速器的存在，讓汽車網絡傳輸更快、更安全。
圖6：S32G2汽車網絡微處理器系統框圖
（圖源：NXP）
安全是S32G2處理器的一大產品特色，除了所提到的硬件加速器，還提供支持實現ASIL D功能安全的片上硬件模塊和軟件庫。在可選的高級軟件方案中，還提供可用于功能安全實現的S32安全軟件框架和用于Cortex-A53內核的結構內核自測（SCST），帶來更高級的信息安全和功能安全體驗。
總體而言，在域控制器、汽車網絡和安全處理器等方面，多功能的S32G2處理器都是絕佳選擇。
滿足多種汽車應用的圖像傳感器
在技術路線的解讀中我們看到，無論走怎樣的發展路線，攝像頭都是自動駕駛系統中必須要有的一部分，統稱為視覺系統。接下來，我們為大家介紹的這款器件是可用于ADAS、自動駕駛、環視、倒車攝像頭、車艙內監測等諸多汽車應用的圖像傳感器，來自制造商安森美(onsemi)，貿澤電子上的制造商編號為ASX340AT2C00XPED0-DPBR2。
ASX340AT圖像傳感器是安森美圖像傳感器解決方案中的一個系列，主要面向汽車應用市場，適用于后視攝像頭、盲點監控和環視等應用。
ASX340AT系列是VGA格式的單芯片CMOS有源像素數字圖像傳感器，具有優質圖像傳感器的內在優點，比如低噪聲、低功耗和集成優勢等，提供了多種攝像頭功能，包括自動聚焦、自動白平衡和自動曝光。值得注意的是，ASX340AT系列是一款完整的片上攝像系統，在片上集成了復雜的攝像頭功能，讓集成商能夠在無需額外處理芯片的情況下設計后視攝像頭系統。
圖7：ASX340AT系列內部框圖
（圖源：安森美）
除了ASX340AT系列，整個安森美圖像傳感器解決方案是全面的圖像檢測產品組合，支持VGA至超過50MP的分辨率以及CMOS和CCD技術，可覆蓋汽車、工業、消費領域的各種應用。目前，該組合中新款5個系列圖像傳感器都在貿澤電子分銷，幫助工程師朋友實現前沿應用創新。
路線之爭持續，但目標只有一個
無疑，在未來很長的一段時間內，關于如何實現自動駕駛，依然會存在派系之爭，無論是環境感知，還是整體方案的實現。不過，純視覺方案在未來將逐漸丟失先發優勢，且由于方案的局限性較為明顯，預計會有越來越多的廠商擁抱“多傳感器融合”方案，尤其是在更高階的自動駕駛領域。當然，無論如何實現，最終目標只有一個——讓汽車駕駛更安全。為實現這個目標，廠商需要用更好的硬件方案去適配更智能的軟件算法，而這正是貿澤電子能夠幫到廣大工程師朋友的地方，通過海量的原廠授權器件，讓大家高效、優質地實現自動駕駛或輔助駕駛的硬件部分。
來源：貿澤電子
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
