[经验]

实现“三重视野” – LiDAR技术实现安全驾驶

2020-8-20 19:22:01

2130 adas

这是Xilinx软件与AI产品公司副总裁Sudip Nag的特邀帖子
得益于高级驾驶员辅助系统（ADAS）的功能，例如自动紧急制动（AEB）和驾驶员监控系统，汽车正在变得越来越安全。
这些功能变得越来越复杂，从而使自动驾驶变得更加强大。例如，AEB开始时只是看着前方的汽车。现在，它可以检测出行人，编织交通，骑自行车的人和道路上的物体。20家汽车制造商意识到AI对协助驾驶员的重要性，因此欣然同意在2022年9月之前为大多数新乘用车配备低速AEB和前撞预警。
为了实现这一目标，汽车需要复杂的车辆传感器和相关处理系统。
除摄像头和雷达外，第三个传感器-光检测和测距（LiDAR）-越来越受欢迎。与雷达技术一样，LiDAR使用激光来确定物体的距离，并且像使用相机和雷达图像一样，它可以使用卷积神经网络（CNN）检测道路上的物体。

区别在于，在LiDAR中，传感器会生成具有数千个点的3D点云数据（空间中的一组数据点）。因此，它的准确性和精确性更加丰富。使用LiDAR还可以确保整个ADAS /自动驾驶（AD）系统的冗余。例如，在摄像机可能由于太阳的反射或迎面而来的头灯而错过某个特定物体的情况下，LiDAR消除了反射率，可以检测到道路中间的人。
但是，LiDAR面临两个重大挑战：

大量的计算需求：丰富的LiDAR数据处理使LiDAR技术比其配对零件的相机和雷达昂贵得多，而后者在汽车行业的使用时间更长
不断变化的设计：LiDAR有多种类型，包括固态扫描，固态闪存，旋转MEMS，FMCW等。

Xilinx在应对这两个挑战方面处于独特的位置。我们强大的DSP功能以及灵活的I / O配置和可编程逻辑非常适合许多LiDAR制造商的  高计算需求。此外，我们的设备包含可编程硬件（HW），可以适应任何LiDAR传感器配置，使其非常适合  不断变化的设计。没有清晰的ASSP / ASIC设备架构，因为LiDAR技术相对较新，并且在ADAS / AD市场中尚未采用通用方法。
除了满足LiDAR的高性能计算和不断发展的设计需求外，赛灵思解决方案还非常适合解决  成本  和  功耗问题。Xilinx FPGA为多个传感器RX通道启用了真正的基于硬件的处理流水线。这允许具有不同目标的同时独立的RX通道处理。此外，它还为处理后处理（例如，点云生成和网格映射）提供了集成的硬件加速，并利用处理系统和可编程逻辑之间的高带宽连接，在传感器软件（SW）和相关的硬件加速功能之间进行了理想的划分。
FPGA支持的集成解决方案有助于  降低成本  。另外，并行硬件处理降低了对时钟速度的需求，从而降低了  功耗。集成的解决方案还提供了独特的机会，不仅可以更新传感器软件，而且还可以更新硬件的重新编程能力。
顾客

ZVISION是一家开发固态LiDAR技术的初创公司，它选择Xilinx作为硬件处理平台，用于LiDAR信号处理和基于点云的AI算法。我们的设备满足了对高级定制，不断发展的信号处理算法以及用于AI处理的并行计算能力的要求。
中国的一家创业公司RoboSense选择了一种具有点云AI对象识别功能的Xilinx设备，而不是基于NVIDIA / Jetson TX2的成熟解决方案。他们重视我们的吞吐量和延迟优势以及成本效率。更重要的是，他们的RS-LiDAR-M1（使用Xilinx DPU进行点云对象识别）获得了CES 2020创新奖！
Xilinx解决方案旨在满足高计算需求，不断发展的LiDAR设计以及成本和功耗问题。大型汽车制造商对LiDAR的投资与我们为这项独特而强大的技术提供动力一样。

显然，证明是我们将我们的设备用于LiDAR。除了RoboSense和ZVISION，Xilinx的技术还用于由Baraja，Benewake，Blickfeld，Hesai，Innovusion，Opsys，OURS，Ouster， Phantom Intelligence，Pointcloud，SureStar等开发的LiDAR解决方案中  。这些解决方案已部署在许多车辆中，甚至可能部署在您的车辆中。