為了提供更好的閱讀內容,我們使用cookies來改善使用者體驗,關於更多cookies資訊請閱讀我們的隱私權聲明
AdvantechIOT
活動+
 

影像辨識技術整合 成就高階自動駕駛技術基礎

  • DIGITIMES企劃
自動駕駛需要與影像感測、辨識,光達、MEMs感測整合,達到自動駕駛效用,圖為車用感測系統偵測到行人緩步靠近與手持停車告示的感測結果。NXP

電動車、自動駕駛車市場增溫,各種車用感測器需求激增,熱影像感測、MEMs感測、聲音感測、光達等各式感測技術越來越成熟,不同感測技術各有優缺點,必須加以整合才能滿足自動駕駛的應用需求…

全球能源短缺導致驅動能源彈性較大的電動車需求越來越高,各大車廠除積極開發電動車產品外,自動駕駛應用也隨著電動車需求同步增溫,不管是純電力驅動的車種、還是多元能源驅動的車種,共同的需求即自動駕駛應用,在自動駕駛應用中,尤以車用感測器為實踐整個自駕應用的核心關鍵。

 點擊圖片放大觀看

新一代智能車需能融合多種感測技術,以滿足智能自動駕駛的最低條件。NXP

新一代固態光達,可以將光達體積、成本進一步縮小,但固態光達無法進行360度環境感測,但可透過車輛四角各設置一組涵蓋全車四周感測需求。Velodyne

車輛智能化應用  驅動車用感測技術優化

車輛電動化、智慧化甚至聯網化應用趨勢下,加上不同國家對於用車安全的對應法規要求,對於車輛主動 / 被動安全性要求越來越高,使用車用感測器或是新穎的雷達、光達設備比重越來越高。例如,歐盟即要求自2018年起販售新車都必須設置緊急通報功能,透過新制能設備提車禍救援效能、降低車禍傷亡問題,這些新產品需求、政策要求,都自然驅動車用感測器的應用市場。

除前述的汽車電動化、政策要求面向外,其實新一代的自動駕駛技術,也是驅動車用感測器的升級需求,對自動駕駛應用案例來看,單一車輛導入的感測技術絕非單一項目就能完整涵蓋,必須混合多種感測技術達到輔助駕駛或是主動介入自動駕駛的應用需求,只有綜合多元感測方案蒐集的行車資訊,才有機會實現趨近完善的Level 5自動駕駛應用方案。

車用攝影機需求量激增

以鏡頭方案觀察,前鏡頭可以區分為單 / 雙 / 多鏡頭等方案。前鏡頭大多使用定焦方案,但定焦鏡頭會產生如視角、距離等問題,因此有車廠推出多鏡頭方案,改善單鏡頭的距離、範圍、辨識能力等限制,但隨之需處理的便是多鏡頭可能帶來的體積、成本問題。

以市場觀察,車載鏡頭方案仍以多鏡頭為主要發展趨勢,鏡頭數量則有越來越多個態勢。例如,Google旗下的Waymo自駕車、Uber研發的自駕車方案,與大型車廠如Toyota、Renault-Nissan所開發的自動駕駛車觀察,所搭載的鏡頭最少都有到8?10具,甚至有設置超過15個鏡頭的自駕車方案。

但傳統光學鏡頭仍有其使用限制,當用車環境處於光線不佳情境下,感測的效率與品質就受到直接影響,在這類狀況下,就必須導入熱影像感測方案改善視線不佳的感測缺失,車廠評估,熱影像辨識方案在零組件成本壓縮下,可望在明年導入中 / 低價位車種。

自駕車車禍事件  凸顯夜間行人偵測優化重要性

由於近期Tesla和Uber在自動駕駛車相繼發生傷亡車禍,自動駕駛方案的安全性討論越來越多,以Uber自駕車傷亡案例其實是凸顯了自駕技術於夜間行人偵測的技術限制,在Uber車禍案件中,行人是由黑暗處進入自駕行駛路線,常規的可見光感測系統是無法即時完成辨識、偵測與追蹤,若系統能追加熱影像追蹤技術方案,應可有效改善夜間暗處的行人感測能力。

雖然熱影像追蹤技術看似可直接改善夜間行人感測需求,但實際上的技術挑戰仍高,因為熱感應技術仍會受到環境、季節限制,例如,夏季環境溫度跟行人體溫接近,就很難分辨行人或是單純的環境溫度,容易造成誤判,而在秋冬季也可能因為環境溫度較低,近而系統感測過多點狀熱影像,仍須透過辨識韌體進行感測結果優化,否則誤報將會影響自動辨識效益。

MEMs多感測器  仍為ADAS應用重點

微機電系統(Micro-electromechanical Systems;MEMs)也是自動駕駛應用重要感測方案,例如,在ADAS(Advanced Driver Assistance Systems)應用可以運用陀螺儀感測車輛行駛角度、搭配雷達確認車輛行駛的偏移方向,同時搭配使用加速度計確認車輛現行速度與偏移狀態,確實掌握車輛是否處於正常行駛狀態,只要有數據出現偏差,ADAS即發出警示或介入修正駕駛行為,或透過各種MEMs感測器分析蒐集行駛資訊,產生如盲區推估(Dead Reckoning;DR)等進階安全應用。

目前車用MEMs會集中在加速度計、陀螺儀、磁力計和氣壓計等,相較於智慧手機、智慧裝置使用的MEMs元件,車用電子所需的MEMs在感測精密度、耐用度等要求會較消費性電子產品更高,零組件成本也僅次於工業用規格。

車用MEMs零組件另一個有趣應用不在安全範疇,而是車用MEMs麥克風,透過MEMs陣列麥克風可以在多噪訊環境下取得降噪語音拾音,大幅改善車載語音人機介面的辨識能力。

LiDAR成本過高  導入量產挑戰大

自動駕駛應用中,光達(LiDar)是具備探測距離、高精度、受環境干擾最小的眾多優勢於一身,近年成為發展全自動自駕方案的重要感測技術。光達技術上為使用雷射測距,透過精準偵測與障礙物的相對距離,若要準確判斷物體特性,則需要再搭配影像感測技術方案。

光達本身具備360度環境感測能力,而且可以辦到立體物件感測,這會是單純雷達做不到的精細度,也因為這些重點優勢,讓光達成為現今自動駕駛不可忽視的感測方案。

雖說光達技術可以解決自動駕駛的環境感測需求,但實際上在其成本居高不下仍是最大問題。現有光達設計為運用一機械結構運轉透鏡,讓雷射光束完成360度環境感測,複雜結構導致光達有體積大、成本高、耐用度有限等問題,必須待固態光達(Velarray LiDAR)具量產、成本優勢後,才有機會導入中 / 高階車型。

目前僅有商用車種會較一般消費級車種更快導入光達感測方案,因為商用車較能負擔得起光達的設置成本,例如Google為其自動駕駛車實驗設置的Velodyne LiDAR感測器,光是感測器單價就高達7萬美元,即便目前Velodyne已針對LiDAR推出固態光達版本的感測器,單一感測器尺寸規格為125x50x55(mm),新型固態光達感測器可嵌入車輛四個角落,單一固態光達可提供120度水平視角、35度垂直視角感測範圍,環境感測距離可達200m,預計2018年投入量產。

更多關鍵字報導: 微機電(MEMS) 自動駕駛 光達(LiDAR)