452
业界对于自动驾驶的态度在逐渐降温。一个不争的事实是，在开放的公路上，由车辆高度自治、驾驶员零注意力的全自动驾驶还有漫长的道路要去跋涉。近两年，涉足L5的厂商不断减少，转而致力于L3的研发、量产。恩智浦（NXP）执行副总裁兼首席技术官Lars Reger日前对与非网等媒体表示，自动驾驶在接下来3-5年内可能都会是同样的情况，而在这一阶段，他认为成像雷达比激光雷达更有优势。
恩智浦（NXP）执行副总裁兼首席技术官Lars Reger
成像雷达——激光雷达“平替版”？
在早先与Lars Reger就自动驾驶系统中雷达的发展趋势进行交流时，他解释道，不论是采用雷达还是摄像头技术，最终目的是希望车辆拥有一个自我反射系统。就好比我们走路摔倒，脊椎会做出本能的生理反射，让身体找到平衡一样，自动驾驶的车辆也要拥有一个这样的系统：例如摄像头可以探测到车辆前方的物体；雷达能够告知车辆前方有障碍并发出警示……在车辆收集到相关信息后，大脑就会启动，并做出决定。
不过，我们现在还无法完全信赖这一系统，因为摄像头的像素不够高，雷达的像素也无法达到我们所需要的水平，难免存在一些障碍。打造这一系统的关键点在于：当雷达能够拥有像激光一样的高分辨率、高识别率，就可以把激光雷达从整个模块当中去掉，这样也可以使得车辆更加安全，同时成本也可以降低。
NXP希望替代激光雷达这一想法可能已有6年之久，现在，成像雷达的问世，似乎带来了这样的机会。
成像雷达可以简单理解为具有高角分辨率的高端毫米波雷达。Lars Reger认为，这项突破性技术显著增强了雷达的性能。它不仅提供多模功能，还通过提供超高分辨率图像，实现精确的环境地图绘制和场景感知功能，从而扩展了当前可用的L2+级自动驾驶功能，例如高速巡航和变道辅助。换言之，汽车的视觉更加先进了。
以汽车行驶在隧道中为例，成像雷达可以测量整个隧道的长度和宽度，并且能感知物体的几何形状，当隧道中出现其它的交通工具（比如卡车、摩托车和汽车），成像雷达可以提供高分辨率图像。
在城市环境中，车辆和弱势道路使用者增加了驾驶场景的复杂性，而这种增强“感知能力”恰恰是实现全自动驾驶的重要组成部分。“汽车应用中，雷达最初的功能只是检测其他汽车的速度和距离，经过不断演进，现在成像雷达已经能够提供高分辨率的目标和特征检测，从而可精确绘制汽车周边环境地图。在通往全自动驾驶的道路上，帮助解决ADAS感知技术的前沿问题，”Lars Reger谈到。
据Lars Reger透露，整个行业都在期盼一个超高分辨率的产品，不仅是在汽车自动驾驶、工业领域，成像雷达在军事雷达方面也有很多的应用。之前，工业领域一直没有高效的解决方案，希望成像雷达可以填补这个空白。
全套方案为4D成像雷达提供可行量产路径
业界当前对于4D成像雷达的量产部署也在跃跃欲试。4D雷达是一种更为尖端的技术，与摄像头相结合，4D雷达系统能够提供更宽广的± 60度视场，也能在复杂的驾驶情况下提供帮助。有一种非常典型的场景：比如较小的物体（如行人或摩托车手）可能与较大的物体（如卡车或其他障碍物）混杂或被掩盖，4D雷达系统可以识别，并且可以确定一个区域的物体是静止的还是运动的，以及它们朝哪个方向移动。
NXP目前推崇全套的雷达传感器芯片组解决方案，他们认为这为4D成像雷达提供了具备商业可行性的量产路径，能够实现汽车应用的360度安全环绕式探测，为汽车制造商提供更为灵活的可扩展配置。
NXP最新推出了专用S32R45雷达处理器与TEF82xx收发器相结合的解决方案，可提供精细的角度分辨率，出色的处理能力和探测距离，不仅能够区分远距离的小物体，还能够在拥挤的环境中，精确地区分车辆和弱势道路使用者(例如骑行者或行人)并进行分类。
同时，新款S32R294雷达处理器与TEF82xx收发器相结合的扩展解决方案，能够满足 NCAP和高级角雷达以及长距离前向雷达传感器的要求。这一方案经济、高效、尺寸小，能够支持大批量生产应用，为长距离前向雷达和高级多模式应用场景(例如盲点检测、变道辅助和俯仰角检测)提供了可扩展性。
Lars Reger强调，4D成像雷达主要从测量距离、速度，扩展到涵盖方向、波达角和俯仰角的测量，作为驾驶员辅助系统的核心部件，这些解决方案代表了雷达的发展方向。
成像雷达目前仍处于发展早期，随着持续的技术投入和升级，它有望继续追赶部分激光雷达所能够达到分辨率和识别精度。但是，成像雷达与激光雷达并不是二者择其一的选择题，无论从自动驾驶还是辅助驾驶来看，视觉和雷达的多传感功能或者多传感渠道和手段，在很长一段时间将会共存。最终，商业化是推动技术前进的最根本的因素，也是决定哪一种方案会成为主流的关键因素。
边缘计算和软件定义是重要趋势
汽车越来越成为智能的计算主体，成为边缘计算重要的应用场景。不过，由于边缘计算与具体场景需求是高度匹配的，对于汽车自身来说，L1-L3与L4-L5对边缘计算也有着不同的需求，这对汽车本身又带来哪些变革？
Lars Reger谈到，汽车的扁平架构大约是20年前开发出来的，当时只有10到20个控制器件，而随着汽车越来越复杂，车身网络就必须被分割成子网络，这也是域架构的由来。在域架构的构造下，需要把汽车的功能进行分区，比如专门负责自动驾驶的区域、信息娱乐系统的区域、动力总成的区域以及车身电子和连接的区域等，每一个域和其他域都是分开的。这样的优势是，如果要对自动驾驶的一个域进行修改或扩展时，可以不用重新评估动力总成的域，因为两者是完全分开的。
“自动驾驶不同级别对边缘计算的需求并不相同，比如L1和L4计算量差别显著，L4还有人工智能的介入，对于数据计算也有更高的要求，”Lars Reger说，“汽车制造商的重心已从全自动驾驶汽车的挑战转移到了通过计算能力打造差异化汽车，而用户定义汽车允许消费者为当今的智能互联设备添加新功能。如果车企在未来10年要为1款量产车推出100条汽车生产线，并且涵盖从L1到L4级别的自动驾驶，他们需要的是可扩展的高性能计算平台。”
针对这些需求，NXP推出了BlueBox 3.0，它是安全汽车高性能计算(AHPC)开发平台的扩展版本，专为在芯片设备就绪前，进行软件应用开发和验证而设计，提供灵活的方式来应对用户定义汽车、安全等级 2+(L2+)自动驾驶以及不断发展的汽车架构。BlueBox 3.0基于16核Layerscape LX2160A处理器，处理性能达到上一代产品的两倍。通过将集中式计算模块、安全集成的高性能恩智浦处理器、扩展 I/O 连接以及基于 Kalray MPPA处理器的PCIe卡扩展相结合，由此实现异构加速。此外，NXP和Kalray合作推出集成Kalray MPPA处理器的BlueBox 3.0软件开发环境 (SDE)，提供通用的软硬件平台。
当前，整个行业的口号是“软件定义汽车”。 Lars Reger表示，这也是NXP射频处理业务部同时囊括汽车无线电和雷达业务的原因。其实NXP十年前就在开发软件定义的无线电技术，比如RFCMOS、AM、FM、电视的接收等，并用一个芯片实现可编程，通过软件实现车与车之间的交互。现在已经进入了一个类似的领域——软件定义雷达，这也是软件应用非常多的一个领域。NXP在软件定义的收发活动方面较有优势，可以高效地实现软硬件交互。
对于汽车制造厂商来说，最大的成本并不是来自芯片而是来自软件开发。例如，当车上配备紧急制动装置时，之前NCAP已能够满足这样的要求，厂商只需要完善自动制动的评估，或者是通过全自动的方式来启动紧急制动。一旦上市之后有过一次验证，就可以不再进行软件开发，制造商可以得到相应的成本节约。
将在中国市场寻求更多合作机会
Lars Reger透露，NXP的汽车电子业务一直维持在占总体业务营收50%左右的水平，并没有太大的结构性的变化，取得了积极且扎实的增长。
在智能驾舱方面，NXP有汽车无线电、车内音响、便携设备的无线充电，还搭配9GHz的超宽带技术方案等，可以控制汽车门禁、实现座舱监测。此外，智能驾舱中还有i.MX 8家族系列产品，软件定义的无线电、连接技术、车内架构中的应用处理器、车内网络、电池管理、Wi-Fi/蓝牙等，这些广阔的产品组合在稳步创新中，下一代研发也会基于这一思路进行。
谈及中国市场汽车生态的创新活力，Lars Reger表示很多厂商既是竞争者也是合作伙伴，大家在一起推进更加先进的智能驾舱。中国始终是重要市场，中国市场本身也是非常重要的生态系统，NXP一直在寻找和中国供应商、客户更多的合作机会，最终目的是希望将更多电子元素融入车辆中，进一步推动汽车行业的发展。
下载ECAD模型
