自动驾驶时代，汽车传感器的未来将会怎样？

传感器是处理器、协处理器和计算模块的“眼睛”和“耳朵”。它们有各种各样的形状、形式和功能，被部署在数量迅速增长的应用中——从边缘计算、物联网，到智能城市、智能制造、医院、工业、机器学习和汽车等。

这些用例都依赖于芯片来捕获模拟世界中的数据，然后将数据数字化，以便人和机器能够处理、存储、组合、挖掘、关联和利用这些数据。

Synopsys产品营销总监RichCollins表示：“在跨越许多不同应用空间的边缘处理新时代，我们看到下一代传感器技术发展的多重趋势。传感器的实现已经超越了以一种有效方式捕捉温度、运动、湿度、接近度和压力等环境条件的基本需求。”

能效和功耗对这些应用至关重要。许多传感器依赖电池，不同的传感器之间会共享资源，它们通常会包括一些always-on电路，以便更快地启动或检测运动、手势或特定的关键字等。在过去，这种功能通常内置在CPU中，但从功耗角度来看，过去这种方法是费电。

Collins表示：“在汽车、移动和物联网市场的不同用例中，开发一个具有专用处理器以及硬件加速器优化的灵活系统，似乎正在成为一个基本需求。传感器数据的通信也正在成为许多此类实现的基本功能。由于通信任务通常是周期性的，我们看到相同的处理单元分时用于传感器数据采集、融合处理和通信任务，实现了更低功耗。”

这对于正在经历从机械\模拟到电气\数字转变的典型代表汽车行业来说尤其如此。一辆新车的发动机控制单元(ECU)现在控制从加减速到监控车辆内外的一切事务。高级驾驶辅助系统(ADAS)依靠安装在车辆上的不同类型传感器来收集ECU做出决策所需的数据。

未来十年，随着汽车的自动驾驶水平不断提高，这一点将变得更加关键。传感器将在满足安全和方便的目标方面发挥重要作用。

传感器数据

在汽车领域，SAE 4级(半自主)到5级(完全自主)的提升取决于单个智能ECU使用传感器收集信息进行决策的过程。这个过程有三个主要步骤：

• 传感器必须准确地将模拟信号转换成数字信号；

• 每个ECU必须能够解释这些数据，以便做出适当的决策，例如何时加速或减速；

• 在完全自动驾驶阶段，将通过机器学习使自动驾驶汽车能够在各种环境中行驶。

实际上，车辆需要“看到”或“感知”其周围环境，以保持在道路上安全行驶并避免事故。如今，这些信号来自于光、电磁波、红外(IR)和超声波，所有这些信号都必须转换成数字信号。

车辆使用一系列传感器——如激光雷达、雷达和高清摄像机——来探测物体（包括其他移动车辆），并确定它们的距离和速度。

汽车制造商还没有对哪种传感器最适合自动驾驶进行标准化。例如，特斯拉将人工智能超级计算机和多个高清摄像头结合在一起，对一些较新的自动驾驶车型采取了一种视觉化的方法。一台这样的超级计算机由5,760个GPU组成，每秒运算可达1.8EFLOPS（百亿亿次），数据吞吐率为每秒1.6 TB，存储容量为10PB。本质上，特斯拉的目标是使用机器学习来模拟人类驾驶，这一方法需要密集的训练和学习。

不是所有人都认为这是最好的方法。由于传感器的局限性，其他汽车制造商认为最好是将多个传感器结合在一起，依靠传感器融合得出最准确的信息来进行决策。

Cadence的AI DSP产品管理和营销总监Amol Borkar表示：“我们目前看到一种或多种传感器用于辅助驾驶，ADAS或自动驾驶汽车应用程序通常使用从这些传感器收集的数据/信息来对车辆周围的环境做出决策。外部环境可能包括街道标志、行人、物体、交通灯、道路和车道标记等。通过使用传感器组合，可以比单个传感器提供更好的环境可见性。例如，相机本身在雨雪条件下很难看清道路，但通过与短/远程雷达和激光雷达结合使用，这个问题基本上可以得到解决。”

正确解读这些数据可能是生死攸关的问题。当人们在雨中开车，夜间在高速公路上发现一个物体时通常会放慢速度，因为这个环境下很难分辨前方物体是什么，他们需要知道物体有多大，如果继续驾驶是否会损坏车辆。但是问一台超级计算机同样的问题可能会得出不同的结论。

在2016年的一起广为人知的致命事故中，特斯拉的自动驾驶系统无法“看到“一辆白色卡车，以为那只是天空的颜色。这起致命事故说明了传感器数据、自动驾驶解释和决策之间交互作用的重要性。如果自动驾驶系统有任何疑问，它就应该减速，避免发生致命事故。

传感器数据接口及架构

现代汽车的引擎盖下是一个电子控制模块(ECMs)网络，具有许多不同功能。传感器连接到这些ECM上，ECM之间又相互连接。控制器区域网络(CAN)作为中心数据路径，其上会运行不同的应用协议。虽然ECM目前还没有API标准，但由福特领导的OpenXC标准的开发正在进行中。使用OpenXC，专有的CAN消息将被转换为OpenXC消息格式，通过各种接口(如USB、蓝牙或3G/以太网/Wi-Fi)发送到主机设备。

新兴的MIPI标准支持传感器连接增强的汽车接口。MIPI背后的组织是MIPI联盟，成立于2003年，这个拥有400名成员的国际组织迄今已发布了多个标准。会员包括移动设备制造商、软件供应商、半导体公司、IP工具供应商、汽车原始设备制造商、一级供应商和测试设备公司。作为董事会成员参与的公司包括英特尔、德州仪器、高通和博世等。

MIPI联盟计划为移动设备和受移动设备影响的设备开发一套全面的接口规范，包括汽车传感器接口。这些规范将涵盖车辆内的各种接口，包括:

• 物理层

• 多媒体

• IPC

• 控制和数据

• 调试和跟踪

• 软件集成

新型传感器接口标准

MIPI联盟于2021年10月11日发布了A-PHY v1.1标准进行评审，预计将在未来几个月内被采用。该标准主要关注自动SerDes物理层接口，将下行数据速率提高了一倍，达到32Gbps；上行数据速率也将提高到以前的两倍。

A-PHY v1.1标准在汽车图像传感器、显示器和用于ADAS、车载信息娱乐系统(IVI)、自动驾驶系统(ADS)的ECU之间提供了一个长距离、非对称SerDes接口，这在业内开了先河。此外，它还将被采用为IEEE 2977标准。

Mixel CEO兼创始人Ashraf Takla表示：“随着雷达和激光雷达传感器广泛应用于ADAS类型应用，我们希望MIPI继续在传感器接口标准化方面做出重要贡献。此外，图像传感器用于为司机生成周围环境的视频，就像备份摄像头一样。这些图像传感器都使用MIPI接口，MIPI D-PHY(和最近的MIPI C-PHY)与MIPI CSI-2 TX或MIPI CSI-2 RX控制器一起，分别被用于链路的传感器和处理器两侧，如下图所示。直到今天，CSI-2仍然是许多相机和传感器的实际应用标准。随着汽车传感器数量和复杂性的不断增加，预计对MIPI标准的需求将继续增加。”

那么怎么获取传感器数据呢？Cadence Borkar表示：“有两种方法来解决这个问题。如果传感器是解决方案的一部分，比如传感器和计算单元在同一个封装中，像司机监测系统(DMS)或大多数ADAS解决方案那样，那么传感器通常使用MIPI和SPI这些业界熟知的高速接口。数据从传感器接收，然后由神经处理单元(NPU)或数字信号处理器(DSP)处理。除此之外，目前有一些解决方案，比如360度或环绕视图汽车摄像头系统，该系统使用四个或更多传感器组成的阵列来构建围绕汽车的360度视图。在这种情况下，远离计算单元的传感器通常使用CAN总线或高速以太网将图像或数据发送到计算单元做进一步处理。”

传感器的前景

目前，汽车传感器技术还不够完善，这也是为什么使用多个传感器的传感器融合方法受到追捧的原因。在迈向全自动驾驶的道路上，仍有许多挑战需要克服。

Tensilica DSP产品管理和营销总监Ted Chua表示：“汽车传感器将继续改进，以解决其缺点。雷达传感器制造商正在努力提升关键性能，如角度分辨率和目标分类能力。激光雷达传感器制造商正专注于创新的解决方案，以大幅降低成本，并带来大规模制造能力。如上所述，在未来的自动驾驶汽车中，所有的传感器都需要协同工作。因此，来自不同传感器的信号需要融合在一起，以便做出决策。”

所有这些都需要时间。Chua补充道：“如今，大多数传感器都通过了ASIL-B功能安全认证。但对于L4和L5自动驾驶汽车，考虑到安全性，ASIL-B传感器是否仍足够？毕竟在自动驾驶汽车中，没有驾驶员在方向盘后面做安全后盾。未来的传感器需要ASIL-D认证吗？我们如何以经济有效的方式为自动驾驶汽车巧妙地设计ASIL-D？这些只是我们需要考虑的问题和挑战的冰山一角，为了实现未来自动驾驶汽车的完全自主，我们必须解决更多问题。”

未来的发展

对于芯片行业来说，这是一个挑战，也是一个潜在的有利可图的挑战。未来的传感器需要更紧凑、更轻、更准确、更可靠。但为了实现驾驶安全，汽车数据（包括传感器产生的数据）必须得到保护。

Rambus Security的技术产品经理Thierry Kouthon表示：“传感器主要有两种方式将信号发送到处理单元——通过网络或直连。处理单元在接收到信号后会做出决定，影响车辆的行为或警告司机。在直连情况下，像MIPI-A PHY这样的技术可以用于高带宽传感器（如激光雷达、雷达和摄像机），但MIPI目前不支持身份验证和保密性，而这些是良好安全解决方案的必要构建块。在车辆应用中，是否必须使用身份验证和保密性来保护传感器单元和处理单元之间的高速连接，由制造商来决定。希望加强安全连接的制造商将使用网络协议，如汽车以太网。汽车以太网可以使用MACsec (IEEE 802.1AE标准)对数据进行保护。也可以使用其他更高级别的协议，如IPsec。”

结论

从CAN总线到MIPI，传感器接口的发展经历了漫长的历程。未来，预计5G和V2X也将成为传感器接口的一部分。V2X会将车辆连接起来，以提高安全性。举个例子，现在如果在高速公路上发生了一场事故，后面车辆的司机因为看不到前方发生了什么，无法及时减速或停车以避免碰撞。

西门子EDA产品工程总监John Stabenow表示：“随着汽车互联和V2X的到来，我们将需要摄像机、激光雷达、雷达、红外和超声波以外的其他功能。为了实现安全驾驶，汽车传感器需要能够执行人脸识别、手势检测等功能，以处理许多不可预测的动作和车辆盲点。此外，许多新型和紧凑的传感器将被开发出来，用于检测轮胎漏气，而不仅仅是胎压，以及检测剩余胎面深度等。”

通过V2X，靠近事故现场的车辆会将事故信息传递给后方车辆。由于车辆智能传感器之间的信息交互，后方车辆可以在无需驾驶员干预的前提下自动减速。这种功能最有可能通过5G实现，汽车传感器等同于边缘处理中物联网节点的行为。

Chua表示：“车辆的网络拓扑和架构正在不断发展，现在我们正朝着区域网络和架构的方向发展。接口/总线的选择将取决于ECU和网关正常运行所需的各种因素，这些因素包括数据负载、延迟要求、数据传输的可靠性等。区域ECU将使用诸如PCIe、MIPI、CAN等接口来连接传感器或区域端点；以太网可用于连接区域ECU和中央ECU/网关；V2X网关可以使用5G连接到云。随着车辆连接的发展，车内Wi-Fi有可能为车内或车辆周围的设备提供宽带连接。”

现在我们只是看到了未来驾驶的一小部分。传感器技术可以为驾驶员和最终的自动驾驶做更多事情，随着技术的不断发展，更多的功能将被添加到汽车上。