隨著有越來越多汽車廠商開始將不同的感測(cè)器整合到先進(jìn)駕駛輔助系統(tǒng)(ADAS)/自動(dòng)駕駛車輛，他們通常都會(huì)認(rèn)同「感測(cè)器融合(sensor fusion)」是高度自動(dòng)化駕駛安全性的關(guān)鍵。

但不為人知的是，這些廠商所采用的資料──是原始(raw)資料或經(jīng)過處理的資料？ ──細(xì)節(jié)，以及他們?cè)谌诤喜煌N類感測(cè)器資料時(shí)面臨的挑戰(zhàn)；如市場(chǎng)研究機(jī)構(gòu)Strategy Analytics汽車市場(chǎng)分析師Ian Riches所言：「目前的感測(cè)器融合并沒有在原始感測(cè)器資料上完成，通常每個(gè)感測(cè)器都會(huì)進(jìn)行自己的本地處理?！笶DA供應(yīng)商明導(dǎo)國際(Mentor Graphics)將在近日于美國底特律舉行的年度SAE World Congress汽車工程師大會(huì)上，展示如何將來自不同感測(cè)裝置──雷達(dá)、光達(dá)、視覺或超音波…等等─ ─的原始資料即時(shí)融合，以實(shí)現(xiàn)在感測(cè)精確度以及整體系統(tǒng)效益上的大幅提升。

Mentor Graphics正推出名為DRS360的自動(dòng)駕駛平臺(tái)，號(hào)稱能將來自所有系統(tǒng)感測(cè)器之未經(jīng)過濾的資訊直接傳送到一個(gè)中央處理單元，然后將那些原始感測(cè)器資料在各個(gè)層級(jí)即時(shí)進(jìn)行融合；該公司副總裁暨嵌入式系統(tǒng)部門總經(jīng)理Glenn Perry接受EE Times采訪時(shí)，比較了「感測(cè)器融合」與「原始資料融合」的不同，指出兩者之間存在著「微妙卻非常重要的差異」。

一般來說，提供給汽車廠商的感測(cè)器是模組化設(shè)計(jì)，以預(yù)先處理資料；Strategy Analytics的Riches解釋：「舉例來說，從攝影機(jī)傳送至融合系統(tǒng)的資料并不會(huì)是實(shí)際的影像資料，而是對(duì)影像中重要區(qū)域的描述──像是哪里有一條白線、哪里有一輛車、哪里有交通號(hào)志…而所有的融合在這時(shí)候才以那些較高層級(jí)的資料進(jìn)行。Mentor認(rèn)為，擺脫各個(gè)終端節(jié)點(diǎn)使用之感測(cè)器模組的預(yù)處理微控制器，選用原始資料，能讓ADAS/自動(dòng)駕駛車輛的設(shè)計(jì)工程師大幅提升即時(shí)性能，并降低整體系統(tǒng)成本與復(fù)雜度；此外也能利用所有擷取到的感測(cè)器資料，為車輛所在環(huán)境與駕駛路況建立最高解析度的模型。

為何原始資料融合很困難？

原始資料融合難在哪里？ Mentor的Perry表示，首先是每個(gè)感測(cè)器會(huì)產(chǎn)生資料流，而且是以不同的畫面更新率、不同的采樣率以及間隔時(shí)間：「這是一個(gè)異步(asynchronous)系統(tǒng)；」其次，不同類型的資料：「需要被統(tǒng)整為一致性的表述(cohesive representation)?！?/span>

例如攝影機(jī)的原始影像(2D)、光達(dá)的點(diǎn)云(point cloud，為3D)以及雷達(dá)的ADC輸出，這些都必須被融合到符合時(shí)間/空間的3D環(huán)境圖；而第三，如Perry所言，必須要被統(tǒng)整的：「是真正很龐大的資料流?！贯槍?duì)未指明的3D資料集，Mentor還開發(fā)了取得專利的演算法，能實(shí)現(xiàn)將光達(dá)的空間位置資料、來自雷達(dá)的車輛速度資料，以及視覺裝置的物體偵測(cè)資料之融合。

Perry表示，過去在分散式的感測(cè)器資料模組中，每個(gè)感測(cè)器通常會(huì)丟棄一大堆資料；但集中化的解決方案采用未過濾之感測(cè)器資料，能確保精確度與可靠度的強(qiáng)化；他強(qiáng)調(diào)Mentor花費(fèi)兩年的時(shí)間進(jìn)行該平臺(tái)的開發(fā)：「對(duì)于系統(tǒng)效益的改善，我們自己都很驚訝──包括延遲的降低與處理性能的增加，都是由原始資料融合的演算法所實(shí)現(xiàn)?！?/span>