智能駕駛【進階】的必選項，誰可以率先突破“感知”難題？

ainet.cn 2022年10月10日

        現(xiàn)階段，智能輔助駕駛正在不斷往高階自動駕駛邁進，基于多傳感器融合的感知方案已經(jīng)成為了主流方案。
由于多傳感器融合可以提高自動駕駛系統(tǒng)的安全冗余性、數(shù)據(jù)質量、數(shù)據(jù)可靠性和穩(wěn)健性等，目前包括小鵬、蔚來、長城等都是采用“多傳感器融合”方案實現(xiàn)自動駕駛。
        不過，多傳感器融合方案還面臨著安全性、系統(tǒng)復雜性、執(zhí)行效率等一系列挑戰(zhàn)。尤其是域控制器架構的出現(xiàn)，自動駕駛域控制器通常會連接攝像頭、激光雷達、毫米波雷達等傳感器，并且將采集到的大量原始數(shù)據(jù)直接傳輸?shù)街醒胩幚砥鬟M行融合處理和計算，這對于數(shù)據(jù)處理的精度、執(zhí)行效率等要求更高。
        多位業(yè)內人士表示，伴隨著越來越多傳感器的使用，整個融合系統(tǒng)的架構將變得更為復雜，不僅需要基于單傳感器的物體檢測、語義分割、跟蹤等基礎技能，還需要熟悉多傳感器的時空標定、融合方法等。
        與此同時，支持多傳感器融合的芯片平臺也面臨著高計算量、高帶寬、更快速的數(shù)據(jù)處理速度、高吞吐等挑戰(zhàn)。
        那么，在這樣的背景之下，哪種芯片方案更加符合智能輔助駕駛及L3及以上自動駕駛的多傳感器融合系統(tǒng)？ASIC、GPU和FPGA等芯片方案，誰才更是解決多傳感器融合問題的最佳之選？

1.多傳感器融合面臨的挑戰(zhàn)
        眾所周知，ADAS系統(tǒng)最為常用的傳感器有攝像頭、毫米波雷達、超聲波雷達等，但各類傳感器在物體探測距離、識別分類能力、抗惡劣天氣等特性各有優(yōu)劣勢以及局限性。
        比如攝像頭在成本、物體高度與寬度測量精準度、車道線識別、行人識別準確度等方面具備優(yōu)勢，但卻存在容易受外界光照環(huán)境影響、作用距離和測距精度不如毫米波雷達等缺點。
        因此，多傳感器融合成為了ADAS及自動駕駛的主流趨勢。例如長城魏牌城市NOH系統(tǒng)搭載了2顆激光雷達+5顆毫米波雷達+12顆超聲波雷達+12顆攝像頭（包含4顆百萬級像素環(huán)視攝像頭、4顆百萬級像素側視攝像頭、4顆800萬像素感知攝像頭）等31個感知傳感器。
        通過多傳感器的融合使用，自動駕駛系統(tǒng)可以得到一個更加精確的結果模型，進而提高自動駕駛系統(tǒng)的安全性和可靠性。
        不過，伴隨著ADAS往L3及以上自動駕駛的演進，傳感器的數(shù)量變多、類型變得更加豐富，且各個傳感器的接口都不同，多傳感器融合系統(tǒng)也變得極其復雜。對此，AMD—Xilinx大中華區(qū)汽車業(yè)務系統(tǒng)架構工程師毛廣輝指出，多傳感器融合還面臨著三大挑戰(zhàn)：

        一是安全性方面，主要體現(xiàn)在低延遲和冗余性兩大方面。其中低延時主要體現(xiàn)在多傳感器融合系統(tǒng)需要更快地處理及更準確的反應。比如在高速道路上行駛，500毫秒的延遲就可能產生十幾米的制動距離，這對駕駛員來說是致命的；而冗余性則體現(xiàn)在L3及以上的自動駕駛系統(tǒng)需要DDT（動態(tài)駕駛任務）反饋，還要應對數(shù)據(jù)斷路的失效。
        二是多樣性方面，多傳感器融合系統(tǒng)需要解決傳輸協(xié)議、數(shù)據(jù)格式和時鐘等帶來的多樣性問題，同時還面臨著采集和數(shù)據(jù)源級別的數(shù)據(jù)多模態(tài)性。
        三是效率問題，因為多傳感器的多路輸入輸出和大量數(shù)據(jù)的帶寬將引發(fā)效率瓶頸，這需要處理器平臺具備高吞吐的特性。
        在這樣的情況下，用于多傳感器融合的處理器平臺需要具備更強大的計算能力、更高吞吐能力以及處理海量不同來源和結構的數(shù)據(jù)等能力，傳統(tǒng)的MCU已經(jīng)難以滿足自動駕駛汽車的計算需求。
        目前，市場上主流的智能輔助駕駛AI芯片主要有特斯拉（不外供）、英偉達、TI、地平線等。其中，定制批量生產的低功耗、低成本的專用自動駕駛AI芯片（ASIC）+CPU方案已經(jīng)成為了主流趨勢。
        然而，在面對L3及以上自動駕駛系統(tǒng)時，多傳感器融合系統(tǒng)不僅需要處理器（芯片）具備高吞吐的特性，還需要處理器在處理過程中同時具備低延遲、高精度的特性。
        毛廣輝直言，與GPU、ASIC相比，F(xiàn)PGA具備高度自適應性，并且同時具備高吞吐、低時延、高精度的優(yōu)點，能夠很好地滿足L3及以上自動駕駛的功能要求。

2.FPGA是多傳感器融合的重要手段
多位業(yè)內人士向《高工智能汽車》透露，多傳感器數(shù)據(jù)融合、人工智能算法等技術都對智能駕駛域控制器的接口和算力等性能有著更高的要求。因此，智能駕駛域控制器的SoC芯片內部需要具備AI加速單元、通用計算單元、控制單元、圖像信號處理單元（ISP）、傳感器接口豐富等特性。

        目前，市場上主流的自動駕駛芯片方案有：一是CPU+GPU+ASIC的芯片架構，代表企業(yè)有英偉達、特斯拉、高通；二是CPU+ASIC的芯片架構，代表企業(yè)有Mobileye、華為、地平線等；三是以AMD-Xilinx為代表的CPU+FPGA的芯片架構。
        單純從多傳感器融合的角度來看，基于以FPGA的硬件架構為基礎的自適應計算平臺，可以同時滿足高帶寬、低延遲、易于部署、靈活可擴展的核心訴求，能夠有效解決多傳感器融合所面臨的種種難題和挑戰(zhàn)，助力加速實現(xiàn)高等級自動駕駛。
        一是FPGA具備高吞吐、多種協(xié)議的特性，能夠很好地解決多傳感器融合系統(tǒng)多路輸入輸出和大量數(shù)據(jù)的帶寬瓶頸問題。據(jù)了解，AMD—Xilinx的7nm FPGA器件外部傳輸帶寬高達34.1GB/s，器件內部帶寬高達34.56GB/s，在實現(xiàn)高吞吐的同時還可以滿足低延遲的需求。
        二是FPGA具備低延時的優(yōu)勢，解決了多傳感器融合系統(tǒng)需要更快的反饋結果，從而提高系統(tǒng)效率。由于FPGA內部的硬件資源可編程，所以可以實現(xiàn)數(shù)據(jù)的全并行和流水處理。相關實測數(shù)據(jù)顯示，以8MP 30FPS視覺處理為例，在FPGA內部的處理可以做到行緩存，遠小于一幀延遲。同時這種基于FPGA全硬件邏輯的視頻鏈路處理也可以實現(xiàn)各相機之間微秒級的高精度同步對齊。
        三是FPGA具備良好的冗余安全與可靠性，解決了數(shù)據(jù)斷路和功能失效的風險，從而提高安全性。
        不可否認，在L3及以上的自動駕駛系統(tǒng)當中，無論是自動剎車還是高速行駛等場景，都要求處理器必須同時具備高清度、低延時等特性。
        “FPGA同時具備上述幾大特性，將是實現(xiàn)高階自動駕駛的重要手段之一?！泵珡V輝表示，AMD-Xilinx的FPGA器件擅長處理各種傳感器的復雜數(shù)據(jù)，其本身就內置了數(shù)據(jù)存儲處理單元，在提供大規(guī)模數(shù)據(jù)并行處理的同時，提供獨立接收通道（不限通道數(shù)量及接口種類）進行優(yōu)化處理，可以有效優(yōu)化復雜的前后處理，并且有效區(qū)分有用點云和無用點。

        另外，需要特別提及的是，當前大多數(shù)傳感器融合方式主要發(fā)生在“目標級”的后處理階段。在這種模式下，物體數(shù)據(jù)的收集、處理、融合和分類都發(fā)生在傳感器層面。如此一來，在數(shù)據(jù)綜合處理前，單個傳感器就會對信息進行預先過濾，使得自動駕駛決策所需的背景信息被剔除。
        業(yè)內人士一致認為，未來多傳感器“前融合”將是必然趨勢?；跁r空同步的原理，讓攝像頭、毫米波雷達等傳感器感知到的同一環(huán)境信息的原始數(shù)據(jù)做融合，統(tǒng)一生成一個置信水平更高的感知結果，降低了整個感知架構的復雜度和系統(tǒng)延遲性，并且大大提高了感知系統(tǒng)的穩(wěn)健性。
        但是，實現(xiàn)這一切的前提是計算芯片需要具備巨大數(shù)據(jù)量的處理能力、足夠快的計算能力等特性。毛廣輝表示，F(xiàn)PGA具備其他芯片解決方案無法比擬的優(yōu)勢，不僅能夠實現(xiàn)多傳感器的同步和融合，還支持功能的持續(xù)迭代和傳感器分辨率的持續(xù)提升，目前包括圖森未來、Auto.X、小馬智行等廠商均選用了AMD-Xilinx的FPGA方案。