2018年02月04日 | 汽车电子中车载处理器如何让自动驾驶汽车实现

2017年7月，老牌车企奥迪发布的新一代A8将成为全球首款实现Level3级自动驾驶的量产车。可见，无论是新兴力量还是老牌车企都在积极研发自动驾驶汽车，但自动驾驶汽车的发展离不开处理器、传感器、网络等的支持。仅就车载处理器而言，如何配合视觉传感器让自动驾驶汽车会“看”？有了传感器融合采集的数据，处理器又如何让汽车会“思考”？

摄像头增加带来数据量倍增 图像处理内核让汽车会“看”

奥迪L3级的自动驾驶汽车A8年底有望合法上路消息受关注不仅因为目前已经量产的具备自动驾驶功能的汽车仅达到了L2级，更因为消费者对自动驾驶汽车充满期待。东芝电子（中国）有限公司中国汽车行业市场部副总监谭弘在接受《华强电子》记者采访时表示：“自动驾驶是目前最热的话题，但量产或者大面积推广都还需时日。ADAS（高级驾驶辅助系统）作为自动驾驶的基础，各大汽车电子厂商在此领域已经耕耘多年， 具有ADAS功能的汽车投入市场能为自动驾驶的发展作前期铺垫。中国汽车厂商这几年不断跟踪全球技术发展潮流，不断加大对汽车电子领域的投入，估计也会紧跟国际大厂推出准量产级别的车型，试探市场反应。”

对于ADAS所需的传感器，索喜科技物联网和汽车电子方案组市场部经理吕雪良介绍，ADAS或自动驾驶目前有基于激光雷达、摄像头、传感器融合的方案。 激光雷达有其弊端，如无法辨别车道，碎片或者道路坑槽等。摄像头的视觉处理技术可以更好地辨别道路上的标识，行人等信息，相较雷达技术成本更低，功能更为全面，准确性也较高。瑞萨电子大中国区汽车电子销售中心汽车电子应用技术部部长林志恩进一步表示：“摄像头是实现自动驾驶的主要传感器之一，对于车辆周边中短距离的场景和一些物体需要依靠摄像头来感知，比如交通标志的信息，车道线等，摄像头的信息传到汽车图像处理器进行运算和识别，将正确结果给到中央控制系统。“

不过单目ADAS的安全性因为特斯拉的安全事故受到外界质疑，所以特斯拉、奔驰、宝马等厂商都开始使用双目ADAS方案，通过双目视觉让汽车在复杂路况以及各种天气条件下能够快速捕捉路面的信息，提升车辆安全性。另外，在360度全景环视应用中，则需要与单目或双目视觉ADAS高动态摄像头不同的广角摄像头，数量也达到4个或者更多。因此无论是为了提升自动驾驶的安全性还是体验，摄像头数量的增加以及类型的不同无疑将带来数据量的倍增和更复杂的算法，因此谭弘认为车载图像处理器的实时运算能力、功耗、抗恶劣工况的能力及成本等都成为了各家厂商竞争的重点。

那么，车载处理器厂商如何才能满足视觉传感器“看“的需求？林志恩表示：”汽车处理器必须要有专门的硬件加速器来处理大量的图像信息，瑞萨R-Car产品就集成了处理图像的IP内核如IMR，IMP，CNN，CV等，可以同时进行最多8路摄像头的数据处理。IMP多指令图像处理内核相比GPU的单指令处理，不仅能够应对多路摄像头的信号，还能大大分担CPU和GPU运算的工作量，从而拥有性能强，低延迟，低功耗的优势。“

东芝同样有针对图像处理的解决方案，谭弘介绍：“东芝的VisconTI2专用图像处理芯片以其优异的性能及可靠性被电装（Denso）公司采用，2015年底已经搭载到量产车大量投放市场。后一代产品VisconTI4目前已经量产，拥有8核+14个硬件图像/算法加速器，性能提升2倍以上，可以同时实现8项功能，如车道保持、前车识别/防撞、行人识别、交通标识识别、骑自行车人识别、障碍物识别等，VisconTI4还具有实时性、低功耗、成熟性等优势。”

索喜则采用硬件+软件的方式满足汽车视觉的需求，吕雪良表示：“通常ADAS 算法的处理器有GPU方式和硬件方式。GPU方式性能和灵活性都比较好，但成本和功耗都很高。硬件方式高性能低功耗，但灵活性低。针对此，我们提供像MOD，AOD 等算法，且MIRANDA 处理器专门开发了一个内核VPU。VPU采用硬件加速（HWA）和软件加速（DWA）相结合的方式处理相关的视频图形，同时具有高性能，低功耗，灵活性好的特点。一些基础算法如SOBEL算法，傅立叶算法等都可以放在硬件加速上运行，其他的可以放在DWA上。标准的OPENVX接口可以快速开发，提高代码的重用性。”

多传感器融合+AI需更高性能 集成人工智能IP让汽车会“思考“

据悉，目前自动驾驶处理器的性能已经要求达到几万DMIPS再加上几十个TOPS深度学习处理能力，未来更多的传感器融合和更高级别的自动驾驶对处理器的性能要求自然更高。这里所说的融合，并不是指将各种传感器融合在一个芯片或者一个装置里，而是融合多种传感器所采集到的信号，通过人工智能技术加以分析及综合判断，指挥汽车的执行机构实现更高程度的自动驾驶。对此，林志恩表示：“多传感器的融合需要处理器有不同的通信接口及总线，并且要有足够的运算能力对不同的信号做不同的处理和融合。但目前汽车CAN总线无论是从带宽还是安全性角度看都已经难以满足汽车的通讯需求。”谭弘也认为：“随着处理信息量的提升和带宽的增加，汽车通讯总线已经遇到瓶颈，新的通讯总线Ethernet_AVB被行业内大多数核心企业采用，未来可能成为主流。东芝通过与高通，英特尔等公司的深入合作，推出高通汽车平台，英特尔汽车平台的专业Ethernet_AVB桥接芯片Neutrino为平台标配产品。”

不过，车载处理器的计算能力是否足够强大以及是否具备深度学习的能力使其能够模仿人脑进行思考显得更加重要。为此，英伟达就推出了由8核ARM 64位CPU和512个核Volta架构GPU构成，拥有30 TOPS深度学习能力，功耗为30W的Xavier芯片。“未来要实现自动驾驶，车载处理器要能满足深度学习的要求，不仅需要集成CNN的IP，芯片设计中CNN也会做的更大。瑞萨R-Car第三代产品会加入深度学习CNN，CV等专用IP来满足人工智能的需求，这些专用的IP将会处理各种大数据和满足不断更新的人工智能算法，进一步优化车载处理器和整个自动驾驶的系统。我们下一代CNN IP将拥有30 TOPS深度学习的能力，但在性能相同的前提下，我们的产品的功耗将更低。功耗的降低得益于使用新的生产工艺来，我们第二代产品采用28nm工艺，第三代产品转到16nm工艺，下一代产品将采用更先进的生产工艺。工艺改善的同时，由于十二寸晶圆可以生产的芯片数量更多，因此成本也是可控的。目前，R-Car融入了由软银集团子公司cocoro SB开发的人工情感智能技术“情感引擎”，可通过驾驶员的语言识别他的情绪状况。该技术集成了基于人工智能的机器学习能力，汽车可以从与驾驶员的对话中不断学习，从而为驾驶员的需求提供最佳的响应性能。未来，为满足L5级自动驾驶的需求，下一代R-Car产品深度学习能力的产品也会进一步增加。“

东芝则与DENSO携手开发一种被称为“深度神经网络知识产权（DNN-IP）”的人工智能技术，该人工智能技术将用于一直由两家公司独立开发的图像识别系统，更加精准的图像识别帮助实现先进驾驶员辅助和自动驾驶技术。谭弘也透露，东芝最新的VisconTI5在不断提升运算能力的基础上，已将深度学习，神经网络等最新技术融入其中，预计2018-2019年会提供市场。据了解索喜也将在下一代的产品中增加硬件单元，集成CNN的卷积神经网络IP。