<meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>

          新聞中心

          EEPW首頁 > 汽車電子 > 設(shè)計(jì)應(yīng)用 > SensPro-Radar:適用于L2/L2+級及更高級別汽車?yán)走_(dá)的整體架構(gòu)平臺

          SensPro-Radar:適用于L2/L2+級及更高級別汽車?yán)走_(dá)的整體架構(gòu)平臺

          作者:Nir Shapira (CEVA移動寬帶部商業(yè)開發(fā)總監(jiān)) 時間:2021-08-23 來源:電子產(chǎn)品世界 收藏
          編者按:下一款熱門ADAS產(chǎn)品并非L3級汽車,而是L2+級汽車。L2+級汽車減少了繁瑣程序和安全問題,但增加了許多炫酷新功能:半自動駕駛、攝像頭和高清雷達(dá)遙測配合導(dǎo)航,并采用傳感器融合技術(shù)最大限度地延長平均故障間隔時間(MTBF),性能優(yōu)于L2級自動駕駛汽車。

          我們現(xiàn)在仍在等待全自動駕駛汽車的出現(xiàn),但同時也意識到,目前的形勢發(fā)展已遠(yuǎn)超原始預(yù)期。汽車產(chǎn)業(yè)價值鏈目前已經(jīng)領(lǐng)先一步進(jìn)入B 計(jì)劃,從采用傳統(tǒng) 方案的SAE 2 級自動駕駛汽車積極進(jìn)階到如今稱為L2+ 級的自動駕駛汽車。這是一個大好機(jī)會,原始設(shè)備制造商(OEM)與一級制造供應(yīng)商(Tier 1)可以抓住此次機(jī)會,投資研發(fā)采用全自動駕駛系統(tǒng)的車型,賺取高額回報(bào),預(yù)計(jì)這款車型最早將于2023年投入生產(chǎn)。盡管L2+ 級汽車相較L3 級汽車略有不足,比如說,很多時候仍需要人工駕駛,因此系統(tǒng)相比L2 級汽車系統(tǒng)而言,額外安裝的傳感器數(shù)量還不夠多,但L2+ 級汽車仍可在經(jīng)濟(jì)實(shí)惠的 系統(tǒng)中支持全新先進(jìn)安全功能。由于傳感器的平均價格在可接受范圍內(nèi),并在極端照明和天氣條件下,對攝像頭傳感器的不足之處提供顯著的互補(bǔ)優(yōu)勢,因此有望在L2+ 級汽車得到采用作為攝像頭傳感器基礎(chǔ)套件的補(bǔ)充。L2+ 級汽車在城市駕駛、高速公路自動駕駛、變道和并道方面的表現(xiàn)要大大優(yōu)于目前采用L2 方案的汽車。而且實(shí)現(xiàn)L2+ 級要快得多,也無需規(guī)章制度、基礎(chǔ)設(shè)施和社會可接受度發(fā)生根本性變化。

          本文引用地址:http://www.ex-cimer.com/article/202108/427730.htm

          盡管在遙遠(yuǎn)的將來,自動駕駛計(jì)算平臺將最終自然而然地遷移至中央計(jì)算架構(gòu),由該架構(gòu)通過大量覆蓋360 度范圍的傳感器和傳感器模態(tài)承擔(dān)起傳感器融合的重任,但目前仍會出現(xiàn)各種各樣的L2+ 級汽車系統(tǒng)。有些人預(yù)計(jì),未來的中央計(jì)算平臺會對各種傳感器進(jìn)行早期融合,但大多數(shù)情況下仍會使用分散的智能傳感器在邊緣完成大部分傳感器處理負(fù)載任務(wù)(特別是作為基于攝像頭基礎(chǔ)系統(tǒng)補(bǔ)充的傳感器)。

          因此,預(yù)計(jì)在未來幾年里,大多數(shù)設(shè)備仍將在其內(nèi)部執(zhí)行大部分雷達(dá)鏈路處理任務(wù),并且還需要有強(qiáng)大的計(jì)算平臺。

          據(jù)市場預(yù)測, 預(yù)計(jì)將從2023 年開始加大L2+ADAS 系統(tǒng)的批量生產(chǎn)規(guī)模,并最早將于2026—2027年開始初步部署更高級別(L3 級及以上)的自動駕駛系統(tǒng)。就雷達(dá)而言,高清雷達(dá)將主要應(yīng)用于L3 及更高級別的自動駕駛汽車,并且這一趨勢將會至少持續(xù)至其價格下降至足以在L2+ ADAS 系統(tǒng)集成此雷達(dá),不過預(yù)計(jì)這一點(diǎn)在2028 年之前是不會實(shí)現(xiàn)的。也就是說,從現(xiàn)在算起,至少會有6 年的重大市場機(jī)遇。

          在這段時間里,標(biāo)準(zhǔn)雷達(dá)設(shè)備仍將是市場主導(dǎo)產(chǎn)品,并在L2+ ADAS 系統(tǒng)中發(fā)揮重要作用。每輛汽車還會部署更多雷達(dá)節(jié)點(diǎn),以提供更先進(jìn)的駕駛員輔助功能,并實(shí)現(xiàn)360 度覆蓋范圍。

          1   它是如何工作的?

          雷達(dá)的基本原理為干涉測量。信號從發(fā)射天線陣列發(fā)出,通過接收天線陣列接收。目標(biāo)和障礙物的距離、速度及方向均可通過已接收信號的相對相位估算出來。如此一來,雷達(dá)就可以利用高度確定性的處理技術(shù)提取深度相關(guān)特征,提供感知相關(guān)的直接輸入。

          1629681674747240.png

          圖1 L2+級和更高級別自動駕駛汽車的雷達(dá)覆蓋范圍達(dá)360度

          這一點(diǎn)與同樣需要進(jìn)行復(fù)雜的(盡管這一點(diǎn)眾所周知且經(jīng)過多番嘗試)CV 和AI 處理的攝像頭傳感器有所不同。“虛擬”雷達(dá)有效通道的數(shù)量等于發(fā)射和接收天線數(shù)量的乘積。以目前L2/L2+ 級車輛中使用的典型雷達(dá)設(shè)備為例,此類雷達(dá)中有3Tx 和4Rx 天線,即共計(jì)有12 個虛擬通道。這一通道數(shù)量足以支持基本的L2/L2+ 功能,如自動緊急制動(AEB)和自適應(yīng)巡航控制(ACC)。未來,我們則將會在L2+ 級和更高級別自動駕駛系統(tǒng)中看到的雷達(dá)設(shè)備將會有12Tx16Rx(共計(jì)192 個虛擬通道),甚至還會有48Tx48Rx(共計(jì)達(dá)到驚人的2 304 個虛擬通道)。人們將這些較大規(guī)模配置稱為高清雷達(dá)成像或4D 雷達(dá)(因?yàn)樗軌蛱崛【嚯x、速度、方位和海拔這4 項(xiàng)數(shù)據(jù))。增加通道的主要好處是可以提高雷達(dá)精度,特別是提高方位角和仰角的角度分辨率。高清雷達(dá)遠(yuǎn)距離目標(biāo)(可以甚至達(dá)到200 m 之遠(yuǎn))的角度分辨率可以達(dá)到1 度以下。方位角分辨率支持檢測目標(biāo)(如行人),而海拔分辨率則可區(qū)分車輛和懸垂在外的街道設(shè)施。提高分辨率可以減少由寬帶旁瓣引起的誤報(bào),這是常見小型雷達(dá)設(shè)備的已知缺陷之一。

          2   雷達(dá)芯片組——傳感器和信號處理器

          雷達(dá)芯片組通常由兩個主要部件組成。傳感器或雷達(dá)收發(fā)機(jī)負(fù)責(zé)處理從毫米波天線到基帶信號的射頻信號,而雷達(dá)MCU 則負(fù)責(zé)數(shù)字雷達(dá)信號處理。雷達(dá)收發(fā)機(jī)和MCU 通常為兩種不同芯片,分別采用對其而言最佳且最符合經(jīng)濟(jì)效益的工藝節(jié)點(diǎn)制造而成。顯然,雷達(dá)收發(fā)機(jī)的復(fù)雜度與天線或物理射頻鏈的數(shù)量呈線性關(guān)系,而雷達(dá)MCU 處理信號的復(fù)雜度則與虛擬通道的數(shù)量有關(guān),因此雷達(dá)芯片組與天線的數(shù)量呈二次方關(guān)系。

          圖2 所示為典型雷達(dá)處理鏈路。射頻前端安裝在雷達(dá)收發(fā)機(jī)中。信號經(jīng)過數(shù)字轉(zhuǎn)換之后,在雷達(dá)MCU中得到處理。雷達(dá)處理鏈通常分為兩個主要部分:雷達(dá)前端處理(輸出為雷達(dá)點(diǎn)云)和雷達(dá)后處理(負(fù)責(zé)處理目標(biāo)分類和跟蹤)。這兩個本質(zhì)完全不同的工作負(fù)載需要不同類型的處理元素和技術(shù)。根據(jù)MCU架構(gòu)不同,或者是雷達(dá)前端處理和雷達(dá)后處理這兩個

          部分均可集成到單個MCU 中,又或者是可以在中央ECU 中處理鏈路的后半部分。

          信號經(jīng)過時域數(shù)字前端預(yù)處理(主要是濾波)后,再由雷達(dá)前端模塊進(jìn)行處理。對于常見調(diào)頻連續(xù)波(FMCW)類雷達(dá)而言,這是一種典型處理方式。前端處理首先涉及距離- 多普勒FFT 和雷達(dá)數(shù)據(jù)立方體(積累了多個天線和雷達(dá)脈沖的數(shù)據(jù))的構(gòu)造,其次是使用CFAR(恒虛警率)算法變量進(jìn)行首次目標(biāo)探測,然后再估算DoA/AoA 角度。雷達(dá)前端處理的輸出稱為雷達(dá)點(diǎn)云,它包括各個探測點(diǎn)的3D 或4D 距離/ 多普勒/ 角度信息。

          對于高清雷達(dá)而言,雷達(dá)前端處理的計(jì)算量非常之大,且通常是在經(jīng)過優(yōu)化的硬件中進(jìn)行的。而小規(guī)模的雷達(dá)前端(如具有12 ~ 16 個虛擬通道的雷達(dá))則更適合使用軟件來進(jìn)行計(jì)算,并且對于是使用硬件還是軟件來計(jì)算的劃分界限更加靈活。處理引擎需要處理各種類型的計(jì)算。通過采用定點(diǎn)運(yùn)算,可有效實(shí)施FFT 和CFAR,而角度估計(jì)算法則通常廣泛使用矩陣分解,并且需要進(jìn)行浮點(diǎn)運(yùn)算。

          1629681949861116.png

          圖2 雷達(dá)處理鏈——分為前端處理和后處理

          獲取點(diǎn)云之后,雷達(dá)后處理會對目標(biāo)進(jìn)行識別、分割、跟蹤和分類。這樣一來就會涉及大量高精度浮點(diǎn)型矩陣運(yùn)算,并需要實(shí)施Kalman 濾波等算法,包括進(jìn)行矩陣求逆、Cholesky 分解和非線性運(yùn)算等。此類處理通常會被植入到DSP 內(nèi)核之中,以實(shí)現(xiàn)最大的靈活性,并使不同的供應(yīng)商能夠?qū)ζ溥M(jìn)行區(qū)分和創(chuàng)新。

          最后,目標(biāo)分類和傳感器融合過程會多次利用人工智能推理技術(shù),并需要進(jìn)行大量神經(jīng)網(wǎng)絡(luò)處理。我們注意到,現(xiàn)代雷達(dá)處理在實(shí)施端到端雷達(dá)處理鏈方面面臨重大計(jì)算(和反向?qū)嵤┨魬?zhàn)。由于此項(xiàng)技術(shù)仍在不斷發(fā)展,再考慮到未來的自動駕駛汽車級別,設(shè)計(jì)者們將既需要有靈活的軟件,還需要有可擴(kuò)展的高性能計(jì)算平臺,而這就需要借助基于強(qiáng)大矢量DSP 的平臺了。

          3   整合以上所有功能——CEVA 雷達(dá)處理平臺

          我們已經(jīng)看出,普通12 通道設(shè)備和擁有數(shù)千個通道的高端成像雷達(dá)設(shè)備中的現(xiàn)代汽車?yán)走_(dá)設(shè)備的規(guī)模和尺寸可能存在很大差別。此外,每種設(shè)備還都需要執(zhí)行各種各樣的算法,支持不同的算法處理引擎,以應(yīng)對不同的工作負(fù)載。而這就是 CEVA SensPro 雷達(dá)架構(gòu)大展拳腳的時候了。該雷達(dá)架構(gòu)是在CEVA 第二代SensPro2 IP 系列基礎(chǔ)上設(shè)計(jì)而成的,是一種面向高性能傳感應(yīng)用的高度可擴(kuò)展的矢量DSP 架構(gòu)。它是唯一一種能夠有效應(yīng)對各種雷達(dá)鏈信號處理所需工作負(fù)載的DSP 架構(gòu),使開發(fā)人員可以在不同代系的產(chǎn)品中使用同一平臺、同一開發(fā)工具來設(shè)計(jì)解決方案的各個部分。

          可擴(kuò)展性和靈活性貫穿在兩個軸線劃分的體系中。其中一個軸線劃分的體系指矢量單元大小,介于SP100 內(nèi)核和高達(dá)SP1000 內(nèi)核之間,前者在一個周期內(nèi)擁有32 位INT16 MAC(乘積累加運(yùn)算)單元,后者則擁有256 位INT16 MAC 單元。相關(guān)參考如下:標(biāo)準(zhǔn)12 通道設(shè)備的完整雷達(dá)前端處理可輕松安裝至采用SP250 內(nèi)核的模塊中。

          第二個軸線劃分的靈活體系支持廣泛的向量算術(shù)運(yùn)算,包括8 位、16 位和32 位整數(shù)運(yùn)算,以及單精度和半精度浮點(diǎn)運(yùn)算。這些內(nèi)核是高度可配置的,并且浮點(diǎn)運(yùn)算是一種可選功能。

          1629682085102180.png

          圖3 SensPro2矢量DSP系列——可進(jìn)行擴(kuò)展以適應(yīng)所有級別的傳感器計(jì)算

          雷達(dá)前端處理可選擇采用可選的SensPro-RadarISA,它增加了可加快距離/ 多普勒FFT 和復(fù)雜算術(shù)運(yùn)算速度的特殊指令。專用雷達(dá)ISA 的亮點(diǎn)是擁有一套強(qiáng)大的雷達(dá)探測指令,可用于進(jìn)行1D/2D/3D CFAR處理(包括先進(jìn)直方圖ISA、支持靈活滑動窗口、專用排序和最小/ 最大ISA)。如此一來就大大加快了基于K-th 有序統(tǒng)計(jì)/ 排序的CFAR 算法的速度。SensPro-Radar ISA 提供一種獨(dú)特功能,可有效地將雷達(dá)前端的重要部分映射到DSP 內(nèi)核,為芯片架構(gòu)師提供前所未有的實(shí)施靈活性和至關(guān)重要的TTM,同時還能顯著減少其工作量。

          1629682158985816.png

          圖4 雷達(dá)鏈上不同類型的處理工作負(fù)載

          要想處理大量數(shù)據(jù),就需要根據(jù)虛擬通道數(shù)量,實(shí)施典型雷達(dá)鏈路。SensPro 架構(gòu)使用CEVA 的高級內(nèi)存子系統(tǒng),可跨越不同維度輕松訪問具有“拼塊”的雷達(dá)數(shù)據(jù)立方體。該內(nèi)存帶寬十分強(qiáng)大,最大有效負(fù)載可以達(dá)到2x1 024 位,存儲空間可達(dá)到1 024 位。內(nèi)存子系統(tǒng)建立在CEVA高級SoC 集成機(jī)制之上,包括緩沖區(qū)和隊(duì)列管理器、增強(qiáng)型3D DMA 引擎(支持分散/ 聚集)以及數(shù)據(jù)操作(包括轉(zhuǎn)置)與處理。借助這些機(jī)制,可輕松與外部硬件加速器及其他DSP/CPU 進(jìn)行集成。

          SensPro 系列是專門為有效處理人工智能和深度學(xué)習(xí)工作負(fù)載而設(shè)計(jì)的,并被廣泛用于加快計(jì)算機(jī)視覺領(lǐng)域的人工智能處理中。它具有用于CNN 加速的特定ISA,并且支持二進(jìn)制NN 和各類具有靈活非線性功能支持的激活層。該架構(gòu)整合了高級軟件、開發(fā)工具及CEVA 的深度神經(jīng)網(wǎng)絡(luò)(CDNN)圖形編譯器框架。為了對計(jì)算平臺進(jìn)行補(bǔ)充,CEVA 提供了包括Eigen 線性代數(shù)庫在內(nèi)的一套豐富的軟件庫。CEVA 的Radar SDK for SensPro 是一個完整的端到端軟件包,廣泛使用專用雷達(dá)ISA,為軟件開發(fā)人員提供完整的雷達(dá)鏈實(shí)施參考。

          擁有一個可有效處理所有與雷達(dá)相關(guān)的工作負(fù)載(包括前端處理和后處理)的平臺,使雷達(dá)架構(gòu)師能夠自由選擇最佳的硬件/ 軟件分區(qū),同時仍能保留足夠的軟件靈活度,以供將來驗(yàn)證解決方案。此外,在硅片生產(chǎn)后,不同種類工作負(fù)載之間的平衡還可進(jìn)行動態(tài)更改。這種架構(gòu)非常適合用于進(jìn)行 OTA 更新,并將在未來的自動駕駛平臺和自動即服務(wù)中占據(jù)非常重要的地位。

          總體而言,SensPro-Radar 是在一個統(tǒng)一的框架內(nèi)提供一系列可擴(kuò)展解決方案的獨(dú)特平臺。它使用一流的矢量DSP 技術(shù),并已獲得頂級汽車半導(dǎo)體供應(yīng)商和一級制造供應(yīng)商授權(quán),是您制造下一代雷達(dá)和傳感器融合產(chǎn)品的首選平臺。

          (本文來源于《電子產(chǎn)品世界》雜志2021年8月期)



          關(guān)鍵詞: 202108 ADAS 雷達(dá)

          評論


          相關(guān)推薦

          技術(shù)專區(qū)

          關(guān)閉
          看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();