賽靈思FPGA助力安全自動駕駛“三重視覺”：激光雷達

據(jù)麥姆斯咨詢報道，得益于高級駕駛員輔助系統(tǒng)（ADAS），例如自動緊急制動（AEB）和駕駛員監(jiān)控系統(tǒng)（DMS），汽車變得越來越安全。隨著這些功能的復(fù)雜性增加，也讓自動駕駛給予人類越來越高的安全感。例如，AEB最初只能探測汽車前進方向的危險，如今已發(fā)展到可以探測行人、交叉口交通、自行車騎行者和道路障礙物。人工智能（AI）對駕駛員輔助的重要性被逐漸認識到，20家汽車制造商已表明將在2022年9月之前為大多數(shù)新型乘用車配備低速AEB和前向碰撞警告等功能。

要實現(xiàn)這一目標，汽車需要一套復(fù)雜的車輛傳感器及相應(yīng)的處理系統(tǒng)。

除了已上車的攝像頭和毫米波雷達之外，激光雷達（LiDAR）也越來越受歡迎。與毫米波雷達探測技術(shù)類似，激光雷達使用激光來確定物體距離；并且與攝像頭和毫米波雷達成像一樣，它可以使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）探測道路上的物體。

與毫米波雷達的區(qū)別在于，激光雷達生成的3D點云數(shù)據(jù)（空間的一組數(shù)據(jù)點）有數(shù)千個點。因此，其精度和準確度更高。激光雷達還能確保整個ADAS和自動駕駛（AD）系統(tǒng)的冗余。例如，可能攝像頭會因太陽或迎向汽車大燈的強光反射而遺漏某個物體，那激光雷達可以消除反射率并幫助探測到行人。

但是，激光雷達提出了兩大挑戰(zhàn)：

（1）高算力要求：激光雷達的豐富數(shù)據(jù)處理使其成本比攝像頭和毫米波雷達高出很多，而攝像頭和毫米波雷達用于汽車已有多年的歷史。

（2）技術(shù)路線多，設(shè)計不斷演進：激光雷達的實現(xiàn)方式較多，如固態(tài)掃描、固態(tài)閃光式（Flash）、MEMS掃描、調(diào)頻連續(xù)波（FMCW）等。

在這方面，賽靈思（Xilinx）具有獨特的優(yōu)勢，足以應(yīng)對上述挑戰(zhàn)。賽靈思的強大數(shù)據(jù)信號處理（DSP）性能、靈活的輸入輸出（I/O）配置和可編程邏輯，完美匹配眾多激光雷達制造商的高算力需求。此外，賽靈思還提供可編程硬件，可適應(yīng)任何激光雷達的配置，因此非常適合各類不斷變化發(fā)展的設(shè)計。由于激光雷達技術(shù)相對較新，ADAS和自動駕駛市場尚未采用通用方法，因此沒有明確的專用標準產(chǎn)品（ASSP/ASIC）器件架構(gòu)。

除了滿足激光雷達的以上要求，賽靈思的解決方案還非常適合解決成本和功耗問題?，F(xiàn)場可編程門陣列（FPGA）為多傳感器接收通道啟用真正的基于硬件的處理通道。這允許對不同目標進行同時或獨立的接收通道處理。此外，它還支持用于檢測后處理的集成硬件加速（例如點云生成和網(wǎng)格映射）；利用處理系統(tǒng)和可編程邏輯之間的高帶寬連接，為傳感器軟件和相關(guān)硬件加速功能進行理想分區(qū)。

FPGA支持的集成解決方案有助于降低成本。此外，并行硬件處理減少了對時鐘速度、功耗的需求。集成解決方案不僅可以更新傳感器軟件，還能夠?qū)崿F(xiàn)可重新編程硬件。

一徑科技（ZVISION）是開發(fā)固態(tài)激光雷達技術(shù)的中國初創(chuàng)公司，其激光雷達的信號處理和基于點云的AI算法選擇了賽靈思的硬件處理平臺。賽靈思的產(chǎn)品滿足了一徑科技對高度定制、持續(xù)演進的信號處理算法和AI處理并行計算能力的要求。

中國初創(chuàng)公司速騰聚創(chuàng)（RoboSense）選擇的是賽靈思的一種采用點云AI對象識別的產(chǎn)品，而未選擇成熟的基于英偉達Jetson TX2的解決方案。賽靈思產(chǎn)品的吞吐量、延遲優(yōu)勢和成本效益是贏得速騰聚創(chuàng)青睞的原因。更重要的是，速騰聚創(chuàng)發(fā)布的MEMS激光雷達RS-LiDAR-M1就采用了賽靈思深度學習處理單元（DPU）進行點云對象識別，并曾榮獲CES 2020創(chuàng)新獎！

賽靈思的解決方案定位于滿足高算力需求、不斷發(fā)展的激光雷達設(shè)計、成本和功耗問題。主要汽車制造商正加大對激光雷達的投資，正如賽靈思為這項獨特而強大的技術(shù)提供動力一樣。

除了速騰聚創(chuàng)和一徑科技，賽靈思的產(chǎn)品還用于Baraja、北醒光子、Blickfeld、禾賽科技、Innovusion、Opsys、OURS、Ouster、Phantom Intelligence、Pointcloud、北科天繪等多家公司的激光雷達解決方案中。一些解決方案已部署在許多車型，或許就出現(xiàn)在您正在駕駛的汽車之中。

責任編輯：lq