新物网

当前位置:首页 > 科技

科技

汽车雷达芯片性能和成本达到新高度

时间:2024-01-06 15:09:28
为了解决成本问题,各家公司,特别是相关芯片厂商正在固态激光雷达的三条技术路线上各施所长,都希望将价格拉低到几百美元,甚至100美元以下。虽然各家激光雷达厂商的发展路线各有不同,但成本大都集中在收发器芯片上,约占总成本的50%-70%,因此,提高相关模块的集成度被视为降低激光雷达成本的首选方案。

汽车雷达芯片性能和成本达到新高度

近期,华为小米发布了新款智能电动汽车。 作为一款新产品,小米SU7的表现还有待观察。 对于已经发布多款智能汽车的华为来说,其产品迭代能力似乎越来越强,也越来越受到消费者的欢迎。

此次华为发布了文杰M9,其搭载了多项新技术,尤其是在智能驾驶方面。 文杰M9全面升级ADS 2.0高级智能驾驶系统,并配备全新设计的192线激光雷达。 余承东表示,ADS2.0的一大突破是不依赖高精度地图。 到2023年12月底,实现市区、高速公路、城市快线NCA(智能驾驶辅助,即高级智能驾驶)全覆盖。

目前,不少车企都在努力迭代高级驾驶辅助系统(ADAS)。 ADAS系统的硬件部分有两个关键部分,一是处理器,二是传感器。 处理器就像大脑,各种传感器就像是眼睛和耳朵。 能否及时、准确地收集各种信息和数据,直接决定了汽车智能驾驶的安全性,这一点非常重要。 本文主要介绍ADAS中可能用到的各种传感器、它们的发展以及技术集成。

01 ADAS的发展及其对传感器的要求

ADAS可分为五个级别。 从L1到L5,驾驶自动化程度逐渐提高。 最大的分界点是从L3到L4,因为L3在一些极端场景下需要驾驶员控制,而L4理论上根本不需要驾驶员控制,甚至不需要方向盘。

从L1到L5,传感器的种类和数量不断增加。 最大的区别是从L3到L4。 从目前的发展情况来看,L4必然需要激光雷达。 不过,到了L3阶段,很多公司仍然不会使用LiDAR,因为它的成本非常高。 在L3阶段,极端场景下仍需依赖驾驶员。 因此,无论是自动化程度的设计,还是传感器数量和类型的应用,都必须考虑成本问题。 因为根本不需要考虑驱动器,所以L4的成本非常高,必须使用激光雷达,必须使用高清地图。

在ADAS方面,中国与国外存在一些差异。 目前国外的L2、L3都是由法规和安全标准驱动的,特别是欧洲,10年前就颁布了相关法规。 目前我国还缺乏相应的法规和安全标准。 车企主要依靠自身创造技术和品牌效应,但消费者接受度并不统一。 有些司机非常喜欢,但有些司机仍然担心,不相信ADAS。

就L4、L5 ADAS而言,从近年来的发展情况来看,过去原本是私家车的走私路线。 现在,不少国外车企的一些私家车L4项目已经暂停或叫停。 ,并将相关资源运用到商用车上。 造成这种情况的一个很重要的原因是ADAS传感系统和控制系统,尤其是传感器的成本太高。 这样的费用只有商用车才能承担,私家车很难承担。

目前ADAS使用CIS图像传感器最多,性价比最高。 夜间,红外传感器必不可少,停车时,超声波雷达必不可少。 以上是目前ADAS所需的传感器。 随着应用需求的发展,毫米波雷达和激光雷达越来越多地出现在车辆中。 但由于成本较高,这两种传感器的应用仍存在争议,尤其是激光雷达,其具有特殊的特性。 以特斯拉为代表的智能电动汽车尚未被采用,主要依靠CIS和特斯拉强大的算法能力来实现ADAS。

目前,要实现部分自动驾驶功能,至少需要4到8个不同类型的传感器。 要实现L3级自动驾驶,至少需要12个传感器,有的系统需要近20个传感器。

02 激光雷达的使用成为焦点问题

由于技术先进且成本较高,当前汽车ADAS系统中是否以及如何使用激光雷达是业界的热门话题。

由于激光雷达可以生成道路的三维视图,因此在自动驾驶方面可以帮助汽车更好地识别周围环境。 尽管自动驾驶行业对于激光雷达仍存在不同声音,但由于其能够创建周围环境的高清3D点云地图,因此普遍认为它是自动驾驶汽车的核心赋能传感技术之一。 LiDAR 通过测量光传播到物体并反射所需的时间来提供汽车周围环境的 3D 点云。

通常,激光雷达可分为两大类:机械激光雷达和固态激光雷达。 机械装配困难,扫描频率低。 固态激光雷达,扫描方式主要有MEMS、Flash和光学相控阵(Array,OPA)。

MEMS采用微扫描振镜,已达到一定的集成度,但受到振镜偏转范围的限制; Flash技术已商用,但其视野有限且扫描速率低; OPA扫描技术是基于微波相位控制从阵列扫描理论和技术发展而来的新型波束指向控制技术,具有无惯性装置、精确稳定、方向任意可控等优点。 近年来已成为研究热点。 液晶、集成波导光学相控阵等固态技术纷纷涌现。

激光雷达传输模块的检测方式主要有两种:主流的是ToF,新兴的是FMCW,即发射激光的激光器。 主流方案是EEL,新兴方案是VCSEL。

在接收模块中,主流的检测技术是APD,新兴的检测技术是SPAD和SiPM。 APD 是雪崩光电二极管。 其缺点是体积大、功耗高、检测距离和范围有限、一致性差。 使用SPAD方案可以显着降低成本、体积更小、性能更稳定。 SiPM 是硅光电倍增管。 它的优点是增益是APD的10000倍,灵敏度是APD的2000倍,而且工作电压要求很低,只有30V,而APD需要250V。 SiPM的一致性非常好,可以轻松实现量产。

激光雷达仍处于发展初期,其性能和成本是业界正在努力攻克的难题,尤其是成本。 目前,每个激光雷达的成本为数千美元。 为了解决成本问题,各家企业尤其是相关芯片厂商都在固态激光雷达的三大技术路线上各展所长,希望将价格降低到几百美元,甚至百美元以下。

目前,汽车制造商正在寻找高性能、长距离的激光雷达传感器,希望将每个传感器的成本降至 500 美元左右。 虽然激光雷达制造商取得了进步,但这样的成本水平仍然很高,并且与CIS等传统传感器相比,在应用水平上仍然存在明显差距。 从接收模块的探测器、激光器到整个系统结构,都有降价空间。

随着激光雷达在智能汽车中的使用越来越多,特别是在中国,相关车企和车型之间的竞争也日趋激烈。 2023年,激光雷达价格战打响,运费一度跌破500美元。

虽然各激光雷达厂商的发展路线不同,但大部分成本都集中在收发芯片上,约占总成本的50%-70%。 因此,提高相关模块的集成度被视为降低激光雷达成本的一个途径。 首选。 以发射机芯片为例,使用集成模块代替分立模块,可降低材料和调试成本70%以上。

在激光雷达成本战中,几家中国本土企业脱颖而出,如长光华芯(主要专注于VCSEL激光芯片)、纵汇新光(主要专注于VCSEL激光芯片和模组)、禾赛科技(提供先进激光雷达传感器)、凌明光子(率先在车用激光雷达上开始dToF布局)、富士科技(主要专注于SPAD芯片,2022年将获得多家车企激光雷达厂商的定制合同)。

03 多传感器融合

特斯拉首席执行官埃隆·马斯克贬低了激光雷达。 他表示,特斯拉只需要利用CIS就可以实现全天候自动驾驶。 不过,更多车企认为,要实现更好的自动驾驶,需要多种传感器的融合。 首先,要实现自动驾驶,必须是全天候的。 现在雾天、雨天的图像识别效果比较差; 第二,自动驾驶有一个非常重要的指标——安全性,需要双保险。 如果CIS图像出现问题,必须有另一个传感器提供信息才能保证正确判断,这需要多个传感器的支持。

激光雷达使用的是光(虽然不是可见光),因此它与图像传感器有类似的缺陷,例如在雾天识别效果较差。 毫米波雷达虽然对金属非常敏感,但在雾天、雨天有很好的穿透力。 同时毫米波雷达可以检测移动物体的速度。 激光雷达和 CIS 图像传感器无法检测速度,只能看到速度。 目的。 因此,每个传感器在整个ADAS系统中都有其独特的作用。

举个简单的例子,在高速弯道行驶时,毫米波雷达无法识别前方弯道,不知道需要转弯。 不过,摄像头可以识别出前方需要转弯,并且可以通过ADAS系统实现转向,这样你就可以让毫米波雷达和激光雷达实时跟随你想要走的路线。

另一个例子是捕获汽车前方远处物体的信息。 利用毫米波雷达获得的信息量并不大。 然而,图像传感器和激光雷达可以获取移动物体的图像并补充信息以确保正确操作。 这对于汽车来说非常重要。

关于汽车传感器的融合,业界酝酿已久,但成功案例并不多。 会经历几个不同的阶段,真正的集成是在系统中,包括MCU、GPU等处理器,以及各种传感器。 对于传感器来说,无论是激光雷达、图像传感器还是其他传感器,实现融合的难点在于它们位于不同的位置,获取信号的方式不同,很难将这些信息有机地整合起来。 困难也是机遇。 目前,许多传感器制造商正在攻克这些难题。

对于传感器厂商来说,如果具备图像传感器、毫米波雷达、激光雷达等多种技术的开发和产品量产能力,就可以在成本和系统层面为客户提供更好的解决方案。 这或许也是多种传感器融合发展的一个趋势。

此外,良好的融合还需要强大的计算能力。 如果计算芯片或模块的功耗过高,或者算法所需的计算量过大,都会给信息融合带来更多挑战。 为了解决这些问题,相关厂商也在不断探索解决方案。

04 结论

人们对极致自动驾驶的追求带动了ADAS系统的不断演进,这对相关芯片尤其是处理器和传感器提出了更多、更高的要求,同时也推动了相关技术和产品的发展。

在 ADAS 系统中使用的各种传感器中,激光雷达是最昂贵且最具争议的。 目前ADAS系统仍以CIS图像传感器和AI算法为主要要素。 随着激光雷达技术的进步和成本的降低,它在系统中发挥着越来越重要的作用。 与此同时,使用的厂家也越来越多。

对于自动驾驶来说,多种传感器技术的融合已经成为大多数从业者和车企的共识,也是未来的主流发展方向。

本文来自微信公众号,作者:常秋,36氪经授权发布。