技术干货|一颗芯片如何助力车内安全传感？AWRL6844给你答案

为了满足消费者对更舒适、功能更丰富的驾驶体验的需求，原始设备制造商 (OEM) 正面临一项日益严峻的挑战：扩展车内安全系统的传感功能，以满足不断变化的法规要求，同时更大限度地降低设计复杂性和成本。欧洲新车评鉴协会（欧洲 NCAP）和其他标准即将发生的变化将改变新车的安全评分方式，从而鼓励 OEM 在其车辆中加入更多传感功能。

以往，要扩展车内传感应用以支持乘员监控、车内儿童检测和入侵检测等功能，需要增加独立的传感器。然而，雷达传感器 SoC 的最新创新技术通过深度学习（边缘人工智能 [AI]）功能，现在可在单个器件中支持多项特性。通过经过训练的算法对车内数据进行本地处理，有助于汽车系统设计师解决复杂性问题并更大限度地降低系统成本。

在本文中，本文将讨论 OEM 面临的设计挑战，以及支持边缘 AI 的 60GHz 雷达传感器如何帮助汽车设计师解决这些问题。

为了应对最近的设计趋势和法规要求，OEM 正专注于三种主要的车内传感应用：用于安全带提醒的乘员监测、存在检测（特别是车内儿童检测）和入侵检测。这些传感应用对于在整个驾驶过程中确保乘员的安全至关重要，如图 1 所示。

图 1：在整个驾驶过程中实现车内传感

本节讨论各项特性，重点介绍 OEM 在设计过程中面临的设计挑战。

由于这些车内传感应用具有日益严格的性能要求，OEM 开始寻找新的技术来降低成本和简化设计。

AWRL6844 60GHz 毫米波雷达传感器旨在通过单个器件帮助解决这些设计难题，同时还可将系统成本降低 20 美元。图 2 比较了车辆中的典型传感器分布与使用 AWRL6844 的单传感器设计方法。表 1 展示了实施多种车内传感应用时每个模块的平均成本。

图 2：当前车内传感设计方法和使用单个 AWRL6844 的简化方法的比较

表 1：用于实现车内传感的传感器模块的价格明细

（基于普通用例）

AWRL6844 的 16 个虚拟通道可提供更高的空间分辨率，从而在车辆行驶时检测和定位车辆中的乘员。对高分辨率数据进行 AI 处理有助于雷达区分有生命物体和无生命物体。这些算法可在短时间窗口内编译数据，以便更快地对乘员进行可靠的检测和定位，同时还能减少误检测。在集成数字信号处理器上运行的智能聚类算法还可以通过滤除车辆运动产生的噪声，高度准确地确定车内是否有人。图 3 展示了 AWRL6844 如何区分第二排座椅上的乘客和一堆水瓶。

图 3：使用 AWRL6844 的占位定位和无生命物体识别演示

AWRL6844 的宽视场还提高了检测脚部空间和后向汽车安全座椅中的儿童的能力，而这些区域通常是现有检测系统的盲区。车内儿童检测软件采用混合处理方法，其中传统雷达处理技术首先提取重要信息，而本地机器学习模型则利用实时数据建立一个区分成人和儿童的分类系统（示例如图 4 所示）。这种混合方法能够更快地调优和修改模型，以纳入新的测试用例或要求，从而缩短 OEM 部署时间。TI 的物理信息神经网络可帮助系统做出更明智的决策，分类准确率超过 90%。

图 4：使用 AWRL6844 对后向汽车座椅上的婴儿进行儿童存在检测和分类演示

在入侵检测方面，AWRL6844 集成的低功耗模式和机器学习价值链有助于增强检测能力，而不会在车辆熄火时耗尽电池电量。AWRL6844 每秒可检测和计算 10 次入侵检测事件，功耗不到 50mW。这可以防止电池耗尽，在电池供电的电动汽车日益普及的情况下，这一点非常重要。除了低功耗外，AWRL6844 还通过在片上加速器上运行入侵检测处理，更大限度减小器件上其他内核的干扰，从而在保持高精度的同时更大限度地缩短检测时间。图 5 展示了 AWRL6844 能够滤除环境中的噪声，以更大限度地减少因车辆晃动或车辆外部的运动而触发的错误警报。

图 5：AWRL6844 如何使用边缘 AI 功能滤除噪声以更大限度减少错误警报的演示

对于 OEM 而言，在满足严格的安全要求时，成本始终是一项挑战。借助 AWRL6844，OEM 可以从低功耗应用扩展到高性能应用，而不必担心针对单一用例集成三种独立技术的复杂性。卓越的检测、定位和分类功能，加上改进的误检测性能，最终可为消费者带来更便捷的无缝体验。