在五年前，一輛全新的汽車可能包含大約60到100個感測器。在今天，這個數(shù)字實際上更接近200或更多。隨著車輛不斷變得更加智能和自主，感測器的發(fā)展和復雜程度也跟上了步伐。例如，傳統(tǒng)安裝在車輛上的大型LiDAR變得更小、數(shù)據(jù)更多、效能更高，同時提供更高的解析度。但是，比感測器類型本身更大的進步是能夠獲取來自多種感測器類型的數(shù)據(jù)，並在強大的計算平臺上對這些數(shù)據(jù)進行網(wǎng)格化。

隨著自動駕駛汽車產(chǎn)業(yè)的不斷發(fā)展，技術(shù)供應商和汽車製造商需要考慮邊緣運算能力、感測器融合、感測器退化、監(jiān)控以及車輛生命週期內(nèi)軟體維護與服務之間的成本及性能平衡。

圖一 : 汽車自動化的五個層級，需要具備不同的感測能力。（source：st.com）

車輛環(huán)境感測器

汽車製造商和原始設備製造商面臨的最大挑戰(zhàn)之一，是跟上感測器和數(shù)據(jù)開發(fā)的快速步伐。感測器需要為車輛系統(tǒng)提供必要的數(shù)據(jù)保真度，以滿足設計要求。例如，如果駕駛市場上任何最新的車輛，它們的感測器將尋找車道標記，並在必要時提供車道的視覺提示。

這些類型的功能很有幫助，但在自動駕駛汽車方面仍然屬於相對初級的能力。在道路上有大量司機、行人、騎自行車者和摩托車的人口，在稠密的大都市地區(qū)行駛，需要車輛在瞬間做出停車或轉(zhuǎn)向的決定，以避免撞到行人或其他車輛。感測器融合開始在這樣的領(lǐng)域發(fā)揮作用，做出人類駕駛員在高級駕駛輔助（ADAS）系統(tǒng)做出反應之前，可能無法做出的決定。

圖二 : 汽車自動化對於感測器的需求逐年增加。（source：st.com）

為了實現(xiàn)ADAS功能和自動駕駛，如今的汽車配備了越來越多的環(huán)境感測器，例如雷達、攝像頭、超聲波和激光雷達等。然而，每個感測器本身都有其侷限性，不能單獨提供有關(guān)車輛環(huán)境所需的完整信息，以執(zhí)行安全功能。透過結(jié)合來自各種感測器的輸入，可以有足夠的信心生成完整的環(huán)境模型，以啟用ADAS功能或自動駕駛功能。作為可以做出關(guān)鍵自主決策的自動駕駛系統(tǒng)的一部分，感測器融合系統(tǒng)的設計必須滿足最高的安全和安保標準。

整合多項感測數(shù)據(jù)

感測器融合是將來自多個雷達、激光雷達和攝像頭的輸入?yún)R集在一起，以形成車輛周圍環(huán)境的單一模型或影像。生成的模型更加準確，因為它平衡了不同感測器的強度。然後，車輛系統(tǒng)可以使用透過感測器融合提供的資訊，來支援更高智能的車輛運作。

每種感測器的類型（或模態(tài)）都有其特定的優(yōu)勢和劣勢。雷達在準確確定距離和速度方面非常強大，即使在具有挑戰(zhàn)性的天氣條件下依然如此，但卻無法讀取路牌或辨別紅綠燈的顏色。而相機可以很迅速地讀取標誌或?qū)ξ矬w進行分類，例如行人、騎自行車的人或其他車輛。然而，它們很容易被泥土、陽光、雨、雪或黑夜所蒙蔽。激光雷達可以準確地檢測物體，但它們沒有相機或雷達的視線範圍或可負擔性。

感測器融合將來自各種感測器類型的數(shù)據(jù)匯集在一起，使用軟體演算法來提供最全面、最準確的環(huán)境模型。它還可以透過稱為內(nèi)部和外部感測器融合的過程，與駕駛室內(nèi)部的數(shù)據(jù)進行連結(jié)。

車輛可以使用感測器融合技術(shù)，來整合多個相同類型感測器（例如雷達）的信息。這可透過部分重疊的視野來改善感能力。由於多個雷達觀察車輛周圍的環(huán)境，因此將有多個感測器同時檢測物體。通過360度感知軟體來進行演算並解讀，來自多個感測器的數(shù)據(jù)就可以重疊或融合，以提高車輛周圍物體的檢測概率和可靠性，並產(chǎn)生更準確和可靠的環(huán)境狀態(tài)分析。

在自動駕駛汽車的情況下，傳統(tǒng)上將來自各種感測器的信號傳輸?shù)街醒脒\算處理器，以估計物體（即人類、動物、其他汽車等）的位置和類型、物體的速度。物體正在移動，而移動的軌跡將有助於做出導航的決策。

邊緣運算使車輛能夠在資訊來源（即感測器本身）附近即時進行分析運算，而不用將資訊再中繼到中央處理器去，進而可以減少延遲並實現(xiàn)更即時的處理。汽車擁有的邊緣運算感測器數(shù)量越多，實時響應的能力就越好，儘管如此，這卻也增加了解決方案的成本和整合的復雜性。

解決感測器退化問題

圖三 : 汽車對於先進感測器融合的採用，大致分為三個不同的階段。（source：st.com）

感測器退化是自動駕駛汽車都會發(fā)生的狀況，特別是考慮到當今汽車的使用壽命通常為10到15年。退化的主要原因包括感測器的一般磨損、惡劣的操作環(huán)境，以及其他電子系統(tǒng)元件的退化等。

此外，還有來自環(huán)境因素的臨時感測器退化，例如阻礙相機視野的直射陽光，或擁擠區(qū)域中的高射頻（RF）噪聲。為了防止這種退化，汽車製造商通常會安裝多種類型的感測器，為ADAS子系統(tǒng)來提供額外的資訊，以便做出更好的決策。

就元件的逐漸退化而言，汽車製造商和技術(shù)供應商必須考慮已安裝的感測器（如LiDAR、攝像頭、超聲波等）的能力，使其在整個預期過程中的性能與開始時相同，甚至更高於車輛的使用壽命。

此外，他們還必須瞭解如果感測器開始出現(xiàn)故障時會發(fā)生什麼事情。車輛如何提醒駕駛員它需要進行維護，另外在車輛維護完成之前，是否會自動暫停其自動駕駛能力？隨著自動駕駛汽車變得越來越普遍，將會有更多的法規(guī)和各種消費者習慣陸續(xù)發(fā)揮作用，這將有助於塑造自動駕駛車輛的未來市場。也許每三年更換一次車載攝像頭會成為一種必要，就像消費者需要定期更換輪胎一樣。

網(wǎng)絡安全和汽車感測器

圖四 : 今日的慣性導航系統(tǒng)多軸感測器整合趨勢。（source：st.com）

在確保自動駕駛汽車感測器安全時，需要考慮幾個不同的因素。入侵系統(tǒng)始終是一個問題，需要在軟體和硬體設計階段就加以解決。

另一個不太明顯的安全因素，是影響車輛中的機器學習技術(shù)中，使其無法正確做出分析。在一項研究中，研究人員導入了一個視訊廣告看板，該廣告看板已被篡改，在短短幾分之一秒內(nèi)就顯示停車標誌。自動駕駛汽車會感應到停車標誌並進行停車，因為它們能夠捕捉到該影像並對其做出反應，就像他們在道路上感應到停車標誌一樣。

隨著這些設備的複雜性和功能的增加，發(fā)生網(wǎng)路安全攻擊的不同途徑也將按比例增加。設計師和汽車製造商將不得不找到一種方法，來更新他們的防禦並管理這些類型的意外反應，防禦的一部分是透過一個強大的生命週期管理軟體程序，以防止這些非傳統(tǒng)的網(wǎng)路攻擊。

結(jié)語

一部智能化的現(xiàn)代車輛都有數(shù)萬行運行代碼，汽車供應商需要在車輛的整個生命週期內(nèi)，從軟體安全的角度管理並開發(fā)車輛，以確保其能持續(xù)像是第一次上路那般的安全行車（甚至更好）。而同樣的理念也適用於感測器本身的物理性能，以防止元件的退化。跟上感測器融合領(lǐng)域的所有進步是具有挑戰(zhàn)性的，但也是有益的，因為未來，我們將持續(xù)看到自動駕駛汽車成為市場上的主流。