本文转载自@@@@： 贸泽电子@@@@微信公众号@@@@
自@@动驾驶@@汽车是@@一种能够感知环境并在@@无人参与@@的@@情况下运行的@@车辆@@@@，它能做有经验的@@人类驾驶员所做的@@一切@@。在@@最近的@@一项研究中@@，专家们确定了自@@动驾驶@@汽车的@@三种发展趋势@@，即@@车辆@@的@@自@@动化@@、电气化和@@共享化@@。如果这@@“三化@@”同时作用@@，将释放自@@动驾驶@@汽车的@@全部潜力@@，预计到@@@@2050年@@，将引发城市交通的@@第@@三次革命@@，届时交通拥堵将得到@@极大缓解@@，运输成本将降低@@40%，全球城市二氧化碳排放量减少@@80%。
自@@动驾驶@@的@@@@6个等@@级@@@@
对@@于许多人来说@@，自@@动驾驶@@或@@无人驾驶是@@一项复杂而@@有争议的@@技术@@@@，对@@“无人化@@”的@@理解也有较大差异@@。为@@此@@，美国汽车工程师学会@@（SAE）定义了@@6个无人驾驶等@@级@@@@，包括@@从@@@@L0级@@（完全手动@@）到@@L5级@@（完全自@@动@@）。目前@@，这些@@无人驾驶等@@级@@准则已经被美国交通部采纳@@。业界也普遍接受这@@6个等@@级@@@@划分@@。
图@@1：自@@动驾驶@@的@@@@6个等@@级@@@@（图@@源@@：Synopsys）
L0级@@（无自@@动驾驶@@@@）
在@@当今道路上行驶的@@大多数汽车都属于@@L0级@@，这种手动控制的@@车辆@@全部由人类驾驶员完成动态驾驶任务@@，尽管其中@@可能有相应的@@系统@@来辅助驾驶员@@，例如@@紧急制动系统@@@@，但从@@技术@@上讲@@，该辅助系统@@并未主动@@“驱动@@”车辆@@。
L1级@@（驾驶员辅助@@）
这是@@自@@动化的@@最低级@@别@@。车辆@@具有@@单独的@@自@@动化驾驶员辅助@@系统@@@@，例如@@转向@@或@@加速@@（巡航控制@@）。人类驾驶员负责与@@操作汽车相关的@@所有任务@@，包括@@加速@@、转向@@、制动和@@监控周围环境@@。
L2级@@（部分自@@动驾驶@@@@）
在@@这个级@@别上@@，汽车中的@@自@@动化系统@@可以辅助转向@@和@@加速@@，而@@驾驶员仍然负责大部分安全关键功能@@和@@环境监控@@。车辆@@配备@@有高级@@驾驶员辅助@@系统@@@@（ADAS），能够控制转向@@以及加速或@@减速@@。目前@@，L2级@@是@@道路上最常见的@@自@@动驾驶@@汽车@@。特斯拉的@@@@ Autopilot 和@@凯迪拉克的@@@@（通用汽车@@）Super Cruise 系统@@都符合@@ L2级@@标准@@。
L3级@@（受条件制约的@@自@@动驾驶@@@@）
从@@L3级@@开始@@，汽车本身利用自@@动车辆@@传感器@@监测环境@@，并执行其他动态驾驶任务@@，如制动@@。如果在@@驾驶过程中出现系统@@故障或@@其他意外情况@@，驾驶员必须做好干预准备@@@@。从@@技术@@角度来看@@，从@@L2级@@到@@@@ L3级@@实现了重大飞跃@@，但从@@驾驶人员的@@角度来看@@，差别算不上太明显@@。奥迪公司曾将@@2019年@@入市的@@奥迪@@A8L定义为@@@@L3 级@@自@@动驾驶@@@@，车辆@@采用@@Traffic Jam Pilot技术@@，该技术@@结合了激光雷达@@@@以及先进的@@传感器@@融合技术@@和@@处理能力@@。但根据@@美国对@@自@@动驾驶@@汽车的@@监管程序@@，目前@@奥迪@@A8L在@@美国仍被归类为@@@@L2级@@自@@动驾驶@@@@汽车@@。
L4级@@（高度自@@动驾驶@@@@）
L4级@@与@@高度自@@动化相关@@，即@@使在@@极端情况下@@，汽车也能够在@@不受驾驶员干预的@@情况下完成整个行程@@。但是@@@@，也有一些限制@@：只有当系统@@检测到@@交通状况安全且没有交通堵塞时@@，驾驶员才能将车辆@@切换到@@该模式@@。L3级@@和@@@@L4级@@自@@动化之间的@@关键区别在@@于@@，如果发生意外或@@系统@@失效@@，L4级@@自@@动驾驶@@@@汽车@@可以进行干预@@。虽然@@L4级@@自@@动驾驶@@@@汽车@@可以采用无人驾驶模式运行@@，但由于立法和@@基础设施发展欠缺@@，L4级@@无人驾驶汽车只能在@@限定区域行驶@@，这被称之为@@地理围栏@@（Geofencing）。
L5级@@（完全自@@动@@驾驶@@）
L5级@@自@@动驾驶@@@@汽车@@将没有任何人为@@控制的@@规定@@，甚至@@没有方向盘或@@加速@@/制动踏板@@。他们将不受地理围栏限制@@，能够去任何地方并完成任何有经验的@@人类驾驶员可以完成的@@操控@@。全自@@动驾驶@@汽车尚不存在@@@@，但汽车制造商正在@@努力实现@@L5级@@自@@动驾驶@@@@，目前@@只是@@在@@几个试点区进行测试@@。
未来可期的@@自@@动驾驶@@市场@@
自@@动驾驶@@已经不再是@@一件新鲜事务@@，研究人员预测@@，到@@ 2025 年@@，我们将看到@@@@大约@@800万辆@@无人或@@半无人汽车在@@路上行驶@@。Fortune Business Insights在@@其@@《2021-2028年@@自@@动驾驶@@汽车市场@@》的@@报告@@中表示@@，传感器@@处理技术@@@@、自@@适应算法@@、高清晰度@@映射以及车辆@@到@@基础设施@@（V2I）和@@车辆@@到@@车辆@@@@（V2V）通信@@技术@@的@@快速发展@@，让许多公司放心扩大其制造和@@研发能力@@，并将车辆@@自@@动化提升到@@更高的@@水平@@。2020年@@，全球自@@动驾驶@@汽车市场规模约为@@@@14.5亿美元@@。预计在@@@@2021-2028年@@间@@，市场将从@@@@2021年@@的@@@@16.4亿美元@@增长到@@@@2028年@@的@@@@110.3亿美元@@，年@@均复合增长率为@@@@31.3%。
市场调研机构@@Mordor intelligence认为@@@@，由于越来越严格的@@政府法规侧重于提高@@道路安全@@，更多的@@自@@动驾驶@@汽车正在@@开发中@@，它们采用了与@@智能手机集成的@@先进技术@@@@，为@@市场参与@@者创造了吸引客户的@@机会@@。人工智能@@、机器学习以及雷达@@@@、激光雷达@@@@、GPS和@@计算机视觉等@@其他传感器@@领域的@@最新技术@@进步@@，使制造商能够有效提高@@汽车的@@自@@动驾驶@@能力@@。目前@@，L2级@@和@@@@L3级@@自@@动驾驶@@@@汽车@@在@@市场上最为@@突出@@，而@@L4级@@和@@@@L5级@@预计将在@@@@2030年@@获得更广泛的@@认可@@。因此@@，预计在@@@@预测期内@@，这些@@L2级@@和@@@@L3级@@车的@@增长将是@@市场的@@主要推手@@。因此@@，自@@2022年@@到@@@@2027年@@这@@5年@@间@@，自@@动驾驶@@汽车市场的@@复合年@@增长率将达到@@@@22.75%。
随着@@ADAS和@@安全功能@@的@@越来越多采用@@、政府对@@提高@@车辆@@和@@行人@@安全的@@关注以及汽车制造企业提供先进安全功能@@的@@意愿@@，多方合力@@，将刺激市场对@@自@@动驾驶@@汽车的@@需求@@。根据@@Markets and Markets发布的@@最新市场研究报告@@，全球自@@动驾驶@@汽车的@@市场规模预计将从@@@@2021年@@的@@@@2030万辆@@增长到@@@@2030年@@的@@@@6240万辆@@，年@@复合增长率为@@@@13.3%。
根据@@福特@@、本田@@、丰田@@、沃尔沃等@@汽车制造商的@@公开声明@@，目前@@，自@@动驾驶@@汽车市场仍以@@L2级@@车辆@@为@@主@@，到@@2030年@@，全球自@@动驾驶@@车辆@@的@@总注册@@份额将达到@@@@12%。
图@@2：到@@2030年@@，全球自@@动驾驶@@车辆@@的@@总注册@@份额将达到@@@@12%（图@@源@@：Statista.com）
自@@动驾驶@@中的@@@@3种重要传感器@@@@
要想充分理解车辆@@的@@自@@动化水平就要先了解自@@动驾驶@@汽车是@@如何工作的@@@@。总体来看@@，自@@动驾驶@@汽车主要依靠传感器@@@@、执行器@@、复杂算法@@、机器学习系统@@和@@强大的@@处理器来运行软件并执行自@@动化操作@@。
具体来看@@，自@@动驾驶@@汽车主要基于位于车辆@@不同部位的@@各种传感器@@@@，创建并维护其周围环境的@@地图@@@@@@。如今@@，大多数汽车制造商在@@自@@动驾驶@@汽车中最常使用的@@传感器@@有三种@@，即@@：摄像头@@（camera）、雷达@@（radar）和@@激光雷达@@@@@@（Lidar）。
其中@@，雷达@@传感器@@@@负责监测附近车辆@@的@@位置@@。摄像头@@用来探测交通信@@号灯@@、阅读@@路标@@、追踪其他车辆@@@@，并寻找行人@@@@。激光雷达@@@@传感器@@@@@@将光脉冲反射到@@汽车周围@@，以测量距离@@、检测道路边缘并识别车道标记@@。停车时@@，车轮上的@@超声波传感器@@会检测路缘和@@其他车辆@@@@。然后@@，大量的@@软件会处理所有这些@@@@“感官@@”输入@@，绘制路径@@，并向汽车的@@执行器@@发送指令@@，由执行器@@控制车辆@@的@@加速@@、制动和@@转向@@@@。此外@@，通过自@@动驾驶@@汽车中的@@传感器@@收集的@@信息@@，如前方的@@实际路径@@、交通堵塞和@@道路上的@@任何障碍物@@，也可以在@@通过@@M2M技术@@连接的@@汽车之间共享@@，这就是@@车联网@@中的@@车对@@车@@（V2V）通信@@，它对@@驾驶自@@动化非常有用@@。可以这样说@@，如果没有传感器@@@@，自@@动驾驶@@是@@不可能实现的@@@@。
图@@3：自@@动驾驶@@汽车中三种最重要的@@传感器@@@@（图@@源@@：nytimes.com）
1. 摄像头@@传感器@@@@
自@@动驾驶@@汽车通常都会配有视觉摄像头@@@@，它也是@@最直观的@@传感器@@@@，其工作原理与@@我们的@@眼睛类似@@。摄像头@@传感器@@@@具备@@检测@@RGB颜色信息的@@能力@@，可提供百万像素@@的@@分辨率@@，这两大特性相结合@@，使其成为@@@@“阅读@@”交通标志和@@其他应用不可或@@缺的@@设备@@@@。通过在@@各个角度为@@车辆@@配备@@这些@@摄像头@@@@，车辆@@能够保持其外部环境的@@@@360°视图@@@@，摄像头@@可以产生与@@人类驾驶员非常相似的@@自@@动驾驶@@体验@@。如今@@，摄像头@@已经成为@@@@ADAS最重要的@@组成部分@@，并得到@@广泛的@@部署@@。
正在@@兴起的@@@@3D摄像头@@可以用来显示非常详细和@@逼真的@@图@@像@@。这些@@图@@像传感器@@自@@动检测物体@@@@，对@@其进行分类@@，并确定它们与@@车辆@@之间的@@距离@@。例如@@，摄像头@@可以轻松识别其他车辆@@@@、行人@@、骑自@@行车者@@、交通标志和@@信号@@、道路标记@@、桥梁和@@护栏@@。
■ 与@@其他类型的@@传感器@@相比@@@@，摄像头@@不仅视图@@@@直观且价格相对@@便宜@@。这一优势使得原始设备@@制造商在@@没有太大成本压力下将更好的@@自@@动驾驶@@功能@@引入到@@中档甚至@@低端车辆@@中@@。
■ 摄像头@@传感器@@@@的@@缺点@@：在@@恶劣的@@天气条件下@@，如雨@@、雾或@@雪@@，会使摄像头@@无法清晰地看到@@@@道路上的@@障碍物@@，从@@而@@增加发生事故的@@可能性@@。此外@@，在@@很多情况下@@，来自@@摄像头@@的@@图@@像根本不足以让计算机对@@汽车应该做什么做出正确的@@决定@@。例如@@，在@@物体的@@颜色与@@背景非常相似或@@它们之间的@@对@@比度很低的@@情况下@@，算法可能会失败@@。
2. 雷达@@传感器@@@@
雷达@@是@@在@@第@@二次世界大战之前发明的@@@@，从@@那时起被广泛用于精确跟踪飞机和@@船只的@@位置@@、速度和@@方向@@。1999年@@，梅赛德斯@@-奔驰@@（Mercedes-Benz）首次将其引入到@@汽车中以支持其自@@适应速度功能@@@@。雷达@@传感器@@@@对@@自@@动驾驶@@的@@@@整体功能@@起着至@@关重要的@@作用@@，它们发出无线电波@@，检测物体@@，并实时测量它们与@@车辆@@的@@距离和@@速度@@。短程和@@远程雷达@@传感器@@@@通常都部署在@@车的@@四周@@，每个传感器@@都有不同的@@功能@@@@。虽然@@短程@@（24GHz）雷达@@应用能够实现盲点监控@@、理想的@@车道保持辅助和@@停车辅助@@@@，但远程@@（77GHz）雷达@@传感器@@@@的@@作用包括@@自@@动距离控制和@@制动辅助@@。
■ 雷达@@的@@优点@@：雷达@@发射的@@无线电波在@@传输时几乎不受能见度@@、光线和@@噪音的@@影响@@，其性能在@@所有环境条件下都是@@一致的@@@@，哪怕在@@雾天或@@雨天识别物体时通常也没有问题@@。这是@@它与@@摄像头@@和@@激光雷达@@@@@@的@@显著不同点@@。
■ 雷达@@传感器@@@@的@@缺点@@：雷达@@的@@主要弱点一是@@无法捕获颜色信息@@@@，二是@@与@@摄像头@@和@@激光雷达@@@@@@传感器@@@@@@相比@@@@，其角度分辨率也比较有限@@，即@@在@@模拟物体的@@精确形状方面相对@@较弱@@。如今@@车辆@@上使用的@@汽车雷达@@传感器@@@@只能正确识别@@90%到@@95%的@@行人@@@@，不能确保道路的@@安全性@@。此外@@，仍然广泛使用的@@@@2D雷达@@无法准确确定物体的@@高度@@，因为@@传感器@@只能水平扫描@@，这可能会导致在@@桥下或@@路标下行驶时出现各种问题@@。为@@了解决这些@@问题@@，目前@@传感器@@企业正在@@加紧开发更多种类的@@@@3D雷达@@传感器@@@@甚至@@@@4D成像传感器@@@@。
3. 激光雷达@@@@传感器@@@@@@
激光雷达@@@@传感器@@@@@@的@@工作原理与@@雷达@@类似@@，唯一的@@区别是@@它们使用激光而@@不是@@无线电波@@。除了测量到@@道路上各种物体的@@距离外@@，激光雷达@@@@还允许创建检测到@@的@@物体的@@三维图@@像@@，并绘制周围环境的@@地图@@@@@@。此外@@，激光雷达@@@@可以配置为@@在@@车辆@@周围创建完整的@@@@360°地图@@@@。这两个优势也是@@谷歌@@、丰田@@等@@自@@动驾驶@@汽车制造商选择激光雷达@@@@的@@主要原因@@。
■ 激光雷达@@@@的@@优点@@@@：高清晰度@@3D建模@@。激光雷达@@@@可以看作是@@一种更先进的@@雷达@@@@，它的@@探测范围最远可达@@100米@@，计算误差不到@@两厘米@@@@。因此@@，它能够在@@任何时刻测量数千个点@@，从@@而@@对@@周围环境进行非常精确的@@@@3D描绘@@。与@@雷达@@一样@@，激光雷达@@@@的@@效能同样不受环境条件的@@影响@@。
■ 激光雷达@@@@的@@缺点@@：技术@@复杂且价格昂贵@@。为@@了提供精确的@@环境三维模型@@，激光雷达@@@@每秒计算数十万个点@@，并将它们转换为@@动作@@。这意味着与@@摄像头@@和@@雷达@@相比@@@@，激光雷达@@@@需要大量的@@计算能力@@。这也使得激光雷达@@@@容易出现系统@@故障和@@软件故障@@。成本高是@@激光雷达@@@@的@@另一短板@@，它比用于自@@动驾驶@@车辆@@的@@雷达@@传感器@@@@要昂贵得多@@。
为@@自@@动驾驶@@车辆@@选择正确的@@传感器@@@@
摄像头@@、雷达@@、激光雷达@@@@，这三种传感器@@各有优缺点@@。因此@@，大多数原始设备@@制造商常常使用三者中至@@少两个的@@组合@@，以相互补充@@，弥补不足@@。当结合使用时@@，传感器@@技术@@可以让车辆@@在@@几乎不需要人工干预的@@情况下安全行驶@@。随着@@传感器@@技术@@的@@日益成熟@@，预计未来五年@@将有越来越多的@@车辆@@达到@@@@L3--L4级@@的@@自@@动驾驶@@水平@@。
作为@@@@工程师和@@设计师@@，需要仔细考虑每种传感器@@类型的@@作用@@、能力和@@局限性@@，以确定这些@@传感器@@的@@正确组合能够满足最终用户在@@安全性@@、功能@@性能和@@价格方面的@@需求@@。
高分辨率数码摄像头@@帮助车辆@@@@“看到@@@@”周围的@@环境@@，当多个摄像头@@安装在@@车辆@@周围时@@，360°视图@@@@允许车辆@@检测其附近的@@物体@@，如其他车辆@@@@、行人@@、道路标记@@和@@交通标志@@。常用的@@摄像头@@传感器@@@@包括@@近红外摄像头@@@@（NIR）、VIS摄像头@@、热摄像头@@和@@飞行时间摄像头@@@@（ToF）。与@@大多数传感器@@一样@@，摄像头@@在@@相互补充时工作得最好@@。如今@@的@@汽车后部和@@@@360°视觉图@@像系统@@通常采用集中式架构@@。这意味着中央控制单元处理四到@@六个摄像头@@的@@原始数据@@。由于处理是@@在@@软件中完成的@@@@，对@@处理器也会有苛刻的@@要求@@。2D和@@3D相机都需要图@@像传感器@@@@，并要求其动态范围超过@@130dB。这种高动态范围是@@提供清晰图@@像的@@必备@@需求@@，目前@@市面上最好的@@图@@像传感器@@的@@动态范围已经达到@@@@140dB。
安森美@@（onsemi）AR0820AT 830万像素@@ CMOS数字图@@像传感器@@@@针对@@微光和@@高动态范围场景进行了优化@@，安森美@@半导体的@@@@ AR0820AT 是@@一款@@ 1/2 英寸@@ CMOS 数字图@@像传感器@@@@，具有@@2.1微米@@@@DR-Pix BSI像素和@@片上@@140 dB HDR捕获能力@@。
该传感器@@包含的@@先进功能@@还有像素内分选@@、开窗以及视频@@和@@单帧模式@@，以提供灵活的@@感兴趣区域@@（ROI），适用于低光度和@@具有@@挑战性的@@高动态范围场景@@。先进的@@晶圆堆叠技术@@更是@@实现了低功耗和@@紧凑的@@封装设计@@。此外@@，AR0820AT满足欧洲@@NCAP 2020等@@ADAS系统@@相关标准的@@能力还解决了安全性问题@@。AutoX是@@中国首家在@@公共道路上运营全无人驾驶的@@@@RoboTaxi服务的@@公司@@，在@@其@@解决方案中使用了@@28个安森美@@半导体的@@@@图@@像传感器@@@@。
图@@4：AR0820AT CMOS数字图@@像传感器@@@@（图@@源@@：onsemi）
事故统计数据显示@@，76%的@@事故完全是@@由人为@@失误造成的@@@@。在@@所有案例中@@，94%涉及人为@@错误@@。雷达@@传感器@@@@是@@现代汽车中高级@@驾驶员辅助@@系统@@@@（ADAS）不可或@@缺的@@一部分@@。雷达@@传感器@@@@不仅对@@于自@@动驾驶@@汽车尤为@@重要@@，它们还能有效提高@@驾驶员的@@安全性和@@舒适性@@。目前@@的@@雷达@@系统@@要么基于@@@@24 GHz，要么基于@@77 GHz。77GHz的@@优势主要在@@于距离和@@速度测量的@@更高精度@@，以及更精确的@@角度分辨率@@。与@@24GHz相比@@，天线尺寸更小@@，干扰问题更低@@。汽车雷达@@传感器@@@@通常用于盲点检测@@（BSD）、车道变换辅助@@（LCA）、碰撞缓解@@（CM）、停车辅助@@（PA）和@@后方交叉路口警报@@（RCTA）功能@@。
英飞凌@@（Infineon）提供种类繁多的@@汽车雷达@@传感器@@@@@@，包括@@短程@@、中程和@@远程雷达@@传感器@@@@@@。作为@@@@XENSIV系列@@传感器@@的@@一部分@@，英飞凌@@拥有一系列@@@@RASIC 77/79GHz前端雷达@@传感器@@@@@@ IC，专门用于驾驶辅助系统@@@@，例如@@自@@适应巡航控制@@和@@碰撞警告@@。
这些@@RASIC解决方案能够检测和@@识别最远@@250米@@范围内的@@物体@@，使驾驶员辅助@@功能@@能够获得@@Euro NCAP（欧洲新车评估计划@@）的@@五星级@@评级@@@@。此外@@，RASIC 77/79GHz 汽车雷达@@支持@@ASIL C，减少了客户的@@研发工作@@。这些@@77GHz芯片可用于基于雷达@@的@@驾驶员辅助@@系统@@@@，能识别@@250米@@范围内的@@物体@@。作为@@@@对@@@@77/79 GHz 产品的@@补充@@，英飞凌@@还提供集成度非常高的@@@@24GHz雷达@@收发器系列@@@@，与@@分立产品系列@@相比@@@@，能节省约@@30%的@@PCB占位@@。
现在@@@@，英飞凌@@可提供一整套@@77/79GHz雷达@@芯片组@@，包括@@：雷达@@77/79GHz射频毫米@@波@@IC系列@@（RASIC RXS816xPL），具有@@雷达@@信号处理单元的@@@@MCU系列@@（第@@二代@@AURIX TC3xx），具有@@多种安全功能@@的@@雷达@@系统@@电源@@TLF3068x，非常紧凑的@@@@3芯片配置@@（RXS816xPL+AURIX TC3xx+TLF3068x），非常适于从@@自@@动紧急制动@@（AEB）到@@自@@动驾驶@@中的@@@@高分辨率雷达@@应用@@。
图@@5：英飞凌@@77/79GHz雷达@@ECU（图@@源@@：Infineon）
前文提到@@@@，无法捕获颜色信息@@，角度分辨率也比较有限是@@雷达@@比较明显的@@弱点@@。然而@@@@，在@@通向@@L5级@@汽车自@@动化的@@道路上@@，4D成像雷达@@为@@雷达@@创新创造了新的@@可能@@，在@@面向@@L2+的@@未来传感器@@组合中@@，它也将承担大部分工作@@。恩智浦@@（NXP）最新推出的@@高性能@@@@S32R45雷达@@处理器@@，为@@OEM提供了一条经济高效的@@途径@@，帮助他们实现先进的@@@@4D成像雷达@@功能@@@@，在@@L2+和@@更高级@@别的@@汽车上投入商用@@，具有@@适当的@@成本结构@@。
S32R45是@@一款@@基于@@Arm Cortex-A53 和@@Cortex-M7 内核的@@@@32位汽车雷达@@应用@@MPU，主要为@@民用汽车@@ADAS 雷达@@市场@@而@@设计@@。对@@于汽车@@ADAS雷达@@市场@@，S32R45 MPU适用于高端长距前向@@/后向雷达@@和@@高级@@雷达@@成像应用@@，并且可以用作符合新车评价规范@@（NCAP）的@@高级@@域控制器@@，以可扩展@@、安全可靠和@@高能效的@@方式提供高性能@@雷达@@处理@@。
S32R45雷达@@处理器@@是@@@@NXP第@@6代汽车雷达@@芯片组@@系列@@中的@@旗舰产品@@，与@@NXP TEF82xx RFCMOS收发器结合使用@@，可提供高角度分辨率@@、强大处理能力和@@广泛感测范围@@。
图@@6：NXP高性能@@S32R45雷达@@处理器@@（图@@源@@：NXP）
激光雷达@@@@主要由发射器@@、接收器和@@信号处理三部分组成@@，它在@@深度感知和@@确定物体存在@@方面非常精确@@。它可以远距离观察@@，也可以穿越恶劣的@@环境条件@@，如夜间或@@雨雾@@。因为@@它能识别@@和@@分类所看到@@@@的@@东西@@，所以它能分辨出松鼠和@@石头等@@物体之间的@@区别@@，并据此预测行为@@@@。按照测距原理的@@不同@@，激光雷达@@@@可以划分为@@飞行时间测距法@@@@（ToF）、基于相干探测的@@@@ FMCW 测距法@@、以及三角测距法@@等@@@@。目前@@，市场上以@@ ToF 为@@技术@@路线的@@激光雷达@@@@公司数量较多@@。
Lidar是@@ADI公司自@@动驾驶@@车辆@@感知检测战略的@@关键支柱@@。目前@@，集成在@@测试车辆@@上的@@传统@@Lidar系统@@价格高昂@@。ADI公司在@@真正非机械式且经济高效的@@@@Lidar技术@@上进行了大量投资@@，以促进汽车@@Lidar系统@@的@@采纳成为@@主流@@。ADI公司拥有丰富的@@高性能@@信号链和@@电源管理@@188足彩外围@@app
，可用于构建几乎任何@@Lidar系统@@。这些@@产品适用于脉冲或@@@@FMCW/连续波系统@@@@，以及构建在@@@@900 nm至@@1500 nm波长范围内的@@系统@@@@。
图@@7：ADI公司提供的@@@@AD-FMCLIDAR1-EBZ 开发平台助力@@Lidar系统@@的@@快速开发@@（图@@源@@：贸泽电子@@@@）
结语@@
根据@@Yole Development的@@报告@@，至@@少在@@@@2030年@@之前@@，L4/L5汽车的@@市场渗透率仍将保持在@@个位数@@，其中@@一部分汽车将作为@@@@机器人汽车使用@@。随着@@L0–L2汽车的@@市场渗透率开始下跌@@，L2+汽车的@@采用率将持续稳定增长@@，截止@@2030年@@，L2+汽车很可能达到@@将近@@50%的@@市场份额@@。在@@未来十年@@内@@，预期@@L2+汽车将成为@@汽车@@OEM关注的@@焦点@@。
汽车传感器@@是@@提高@@道路交通安全和@@达到@@@@L4级@@和@@@@L5级@@自@@动驾驶@@@@的@@@@关键@@。随着@@车辆@@走向完全自@@主驾驶@@，选择正确的@@传感器@@组合变得非常重要@@。为@@了获得最高级@@别的@@安全性和@@性能@@，摄像头@@、雷达@@、激光雷达@@@@之间的@@传感器@@融合将最大限度地发挥每种传感器@@的@@优势@@，同时弥补存在@@的@@不足@@。例如@@，单独使用激光雷达@@@@对@@车道跟踪的@@效果很差@@，但激光雷达@@@@和@@摄像头@@的@@结合在@@这方面非常有效@@。可以预见@@，在@@先进的@@传感器@@技术@@的@@加持下@@，通过警告信号和@@自@@动安全功能@@来预防事故@@，从@@而@@实现@@2050年@@交通事故中零死亡这一美好愿景也有望得到@@落实@@。