汽車電子系統(tǒng)--未來展望
加入技術(shù)交流群
目標(biāo)和需求
當(dāng)今的車輛安全電子系統(tǒng)在功能上是獨(dú)立的，控制某些變量來響應(yīng)某些輸入。例如，當(dāng)加速度計輸出觸發(fā)了限幅比較器時，安全氣囊控制器會引爆其彈出裝置。當(dāng)車軸編碼器指示出現(xiàn)了突然加速時，牽引控制系統(tǒng)會進(jìn)行剎車，以減小車輪上的扭矩。這些系統(tǒng)雖然對車輛安全都有貢獻(xiàn)，但是，由于其輸入所表示的信息并不全面，因此，這些系統(tǒng)工作起來可能有不當(dāng)之處。壓到路面的阬上，或者停車時撞到其他車上都有可能引爆安全氣囊?？油莸穆访嬉矔?dǎo)致牽引控制系統(tǒng)出現(xiàn)誤動作。
Gartner的半導(dǎo)體研究主任Steve Ohr認(rèn)為，這一切都需要改變。4月24號，在加州圣克魯斯全球新聞峰會上，Ohr在他主持的小組討論致辭中解釋說：“高級安全氣囊控制器有多個傳感器，確實(shí)能夠判斷是否出現(xiàn)了撞車。在不遠(yuǎn)的將來，控制器會根據(jù)監(jiān)視乘客和貨物的傳感器輸出來確定在出現(xiàn)撞車時怎樣更好的應(yīng)用各類安全氣囊?！?
在這一點(diǎn)，安全氣囊控制器會越過一個關(guān)鍵閾值：從響應(yīng)輸入，進(jìn)行維持，直至響應(yīng)車輛的動態(tài)模型。Ohr強(qiáng)調(diào)說，車輛的其系統(tǒng)也會對這種變化進(jìn)行回應(yīng)，產(chǎn)生連鎖反應(yīng)。Ohr認(rèn)為：“在車道偏離和緊急危險探測器等安全系統(tǒng)上也有類似的情況。每一個系統(tǒng)都變得越來越智能，從傳感器集成發(fā)展到傳感器融合?！边@種發(fā)展是在非常復(fù)雜的環(huán)境中進(jìn)行的。Cadence設(shè)計系統(tǒng)公司產(chǎn)品市場資深總監(jiān)Panelist Frank Schirrmeister評論說：“在2010年，一輛高端汽車會有750個CPU，實(shí)現(xiàn)2,000種不同的功能，需要十億行代碼?！盨chirrmeister說，這種復(fù)雜程度迫使開發(fā)人員采用與硬件無關(guān)的平臺，例如，汽車開放系統(tǒng)體系結(jié)構(gòu)(AUTOSAR)、集成機(jī)械電子軟件開發(fā)包等。在這種紛繁復(fù)雜的情況下，系統(tǒng)設(shè)計人員努力應(yīng)對系統(tǒng)處理數(shù)據(jù)時出現(xiàn)的突然變化。
從隔離到融合
參加小組討論會的Altera公司汽車業(yè)務(wù)部主任Brian Jentz認(rèn)為，避險系統(tǒng)就很好的體現(xiàn)了這種變化。Jentz說，“今天，即使是后視攝像機(jī)等相對簡單的系統(tǒng)也有很大的處理要求。低成本攝像機(jī)需要魚眼校正功能來糾正圖像，使得駕駛員能夠很方便的看清楚所顯示的內(nèi)容。也需要對這些攝像機(jī)進(jìn)行補(bǔ)償，在低亮度條件下產(chǎn)生可用的圖像，這一般也需要自動目標(biāo)識別功能。在攝像機(jī)中能夠很好的完成這些功能，但在中央引擎控制單元(ECU)中實(shí)現(xiàn)這些功能成本會更低一些?！盝entz還認(rèn)為：“攝像機(jī)的發(fā)展趨勢是高清晰，這意味著每幀會有百萬像素。如果您向ECU發(fā)送圖像，在這些數(shù)據(jù)離開攝像機(jī)之前，需要對數(shù)據(jù)進(jìn)行壓縮?！?
在今后的發(fā)展中，數(shù)據(jù)傳送問題會越來越復(fù)雜。危險探測功能會從后視攝像機(jī)簡單的顯示圖像發(fā)展到對車輛周圍的整個動態(tài)環(huán)境進(jìn)行建模。在這一點(diǎn)，系統(tǒng)必須將來自多個攝像機(jī)的圖像拼接起來——至少360度范圍內(nèi)的8臺攝像機(jī)，并且支持范圍和速度探測功能，如 圖1 所示。絕對需要中央處理器，ADAS需要同時將多路壓縮后的視頻流傳送給ECU。
圖1.攝像機(jī)布局和使用方法確定了處理圖像所需要的算法
Kalman及其不足
Kalman濾波器可以處理來自被觀察系統(tǒng)不同類型傳感器的多路受噪聲影響的數(shù)據(jù)流，將其組合到一個低噪聲模型中。一般而言，它通過維持三種內(nèi)部數(shù)據(jù)格式來實(shí)現(xiàn)這一功能：對當(dāng)前系統(tǒng)狀態(tài)的估算，基于物理?xiàng)l件的“航位推測”模型——用于預(yù)測系統(tǒng)的下一狀態(tài)，以及評估每一輸入可信性的表格。在每一循環(huán)中，Kalman濾波器將傳感器數(shù)據(jù)整合到一起，利用這些數(shù)據(jù)對系統(tǒng)狀態(tài)進(jìn)行初步估算：例如，車輛周圍物體的位置和速度等。同時，濾波器對前一狀態(tài)應(yīng)用航跡推測模型，進(jìn)行第二次估算：其他車輛移動到這里、這里、那里等等，行人會走到哪里，樹木應(yīng)該在哪些位置等。然后，濾波器對兩種狀態(tài)估算進(jìn)行對比，考慮到輸入的可信性，采用新的最佳估算更新前一狀態(tài)：在這里，認(rèn)為所有的都是真實(shí)的。最后，Kalman濾波器將新的狀態(tài)估算發(fā)送給分析軟件，這樣，軟件可以評估出可能出現(xiàn)哪些危險，更新其傳感器可信性表格，提示任何有問題的輸入。
好消息是，盡管在不連續(xù)讀數(shù)、較強(qiáng)的噪聲以及各類不同的傳感器數(shù)據(jù)條件下，Kalman濾波器也能夠整合實(shí)現(xiàn)外部環(huán)境穩(wěn)定精確的模型。但是也有問題。處理高清晰(HD)視頻輸入的Kalman濾波器會占用大量的處理資源，其分析例程也需要很強(qiáng)的處理能力，如 圖2 所示。Jentz指出：“硅片性能已經(jīng)無法滿足算法開發(fā)的要求。對性能的需求基本上是無限的。”
評論