技术开发生态系统对持续提升自动驾驶安全至关重要.docxVIP

自动驾驶的技术协作有助于促进自动驾驶和证明其是安全、高效和可行的。

自动驾驶汽车(AV)正迅速从炒作走向现实。最近的报告记载了11家最大的汽车厂商计划，其中本田、丰田和雷诺日产最早将于明年开展计划。然而，很明显，部署批量生产的自动驾驶汽车比传统汽车有更多的要求。

自动驾驶需要与驾驶员、其他车辆、基础设施进行积极的交互，并且需要更多的验证。仅仅一个参与者是不能完成的，还需要自动驾驶生态系统中不同参与者之间的合作。最近的技术协作，如3M的下一代数字化智能代码签名技术和NVIDIA的DRIVEConstellation?仿真平台，已经表明生态系统在实现自动驾驶汽车方面的重要性。

目前取得了一些进展，尽管发生了一起引人关注的事故，3+级系统的安全记录仍然表现出色。事实上，加州机动车管理局(DMV)对所有在其道路上测试自动驾驶汽车的公司编制并公布人为干预的统计数据；

前年，汽车行驶了120万英里，干预率为每11,018英里干预1次。这一速度不仅接近2017年的一半，而且正迅速接近美国年平均里程(13,476英里)，是英国年平均里程(7,134英里)的1.5倍以上。

传感器进展

自动驾驶车辆的核心是感知技术。配以车辆之间、车辆与基础设施通信系统之间的低延迟以及由强大的基于人工智能(AI)的处理器诠释的组合数据。

有3种核心传感器技术：

激光雷达(LiDAR):用于深度映射。目前的系统可超过100米距离，具备宽视场

雷达：用于运动测量(达300km/h)，物体检测和跟踪范围达300m

摄像机:用于识别和分类

虽然并非所有车辆都将使用相同的传感器组合(一些目前只使用雷达和成像，而另一些则使用LiDAR和成像)，但每增加一个传感器都提供更多的数据，并通过传感器融合互为补足，大大提高了整个系统和车辆的准确性、安全性和可靠性。

每种核心传感器技术都在不断地进步。安森美半导体得益于新一代硅光电倍增管(SiPM)和单光子雪崩二极管(SPAD)方案，正使LiDAR系统能够探测更远的距离，即使是低反射率目标，同时能减小系统的尺寸和成本。

公司正在开发雷达技术，以相同的IC同时在短距离和远距离模式下工作，提高精度，降低功耗，减少器件数。在成像方面，传感器如安森美半导体的Hayabusa系列等正提供更广泛的分辨率选择，以满足自动驾驶车辆的多种需求。

由于先进像素结构的开发，Hayabusa系列产品还采用了领先业界的超级曝光模式，支持超过140dB的高动态范围(在包含非常暗和非常亮区域的具有挑战性的场景中提供高质量的图像)，同时抑制LED闪烁(LFM)，以减少日益流行的LED车辆、道路标志和路灯光源的闪烁。

在传感器技术和自动驾驶车辆生态系统方面取得进展的另一个重要例子是车辆将能够与道路基础设施本身进行通信。这可能是至关重要的，例如，能够提醒车辆注意危险的道路状况或前方发生的事故。

一个自动驾驶生态系统可以通过定义和便利车辆与道路网络通信的方式来提高自动驾驶车辆的高效和安全性，从而获得危险状况或前方事故的警告。短距离无线通信是实现这一目标的关键一环，但要在整个道路网络中部署，成本也很高，而且很容易遭到黑客攻击，因此需要建立安全机制和网络安全方案。

因此，3M也转向了一种基于视觉的方法，最近宣布与安森美半导体合作以帮助改善那些配备自动驾驶功能的车辆的导航。这可与主要道路上的无线通信系统一起实施；在较小的道路和临时路线上部署无线基础设施可能不太可行。

图像传感器现在能够“看到”的范围远远超过人类驾驶员，通过与3M共同开发图像传感器，可使用信号传递更多的信息，以进一步协助驾驶员超越传统的先进驾驶辅助系统(ADAS)，并为迈向自动驾驶铺平道路。在1月份，安森美半导体的AR0234ATCMOS图像传感器集成3M的智能代码签名技术。

安森美半导体视觉技术的增加不仅提高准确性，提供了冗余，并能在不能实行无线系统的情况下部署车辆到基础设施的通信；这类系统的可视性还有助于在公众中揭开这类技术的神秘面纱，从而有助于提高消费者对自动驾驶汽车技术的信任。

自动驾驶车辆的处理器面临着相当大的计算挑战，不仅要融合不同传感器的输出，而且还要处理这些传感器(特别是视觉系统)产生的大量数据。因此，生态系统对于指导各公司的技术开发和减轻汽车处理器的压力至关重要。

这种开发生态系统平台的一个典型例子是NVIDIADRIVE，这是个完整的硬件和软件生态系统，使系统开发人员能够协作和利用先进的开发系统，加速自动驾驶车辆的设计和生产。DRIVE结合深度学习、传感器融合和周边视觉，以改变驾驶体验，并符合可能最高的安全标准ISO26262ASIL-D功能安全。

实施这生态系统的一个例子在3月份，NVIDIA和安森美半导体演示了一个开放的、基于云的平台，提供从图像传感器到NVIDIADR