センサーは自動運転車の重要なコンポーネントです。前方、後方、または側方の車両までの距離を監視する機能により、重要なデータが中央コントローラーに提供されます。光学カメラ、赤外線カメラ、レーザー、超音波、レーダーはすべて、周囲の環境、道路、その他の車両に関するデータを提供するために使用できます。たとえば、カメラを使用して道路上の標識を検出し、車両を正しい車線に保つことができます。これは、運転支援システム (ADAS) で車線逸脱警告を提供するためにすでに使用されています。今日の ADAS システムは、衝突検知警告や車両が前方車両を追跡できるアダプティブ クルーズ コントロールにもレーダーを使用しています。
ドライバーの入力がなければ、自動運転車はより多くのセンサー システムを必要とし、多くの場合、より高いレベルの保証を提供するためにさまざまなセンサーからの複数の入力を使用します。これらのセンサー システムは実績のある ADAS 実装を基にしていますが、より広範囲のセンサーとより高いデータ レートを管理するためにシステム アーキテクチャが変化しています。
レーダーの使用法
アダプティブクルーズコントロールと衝突検知のためのADASシステムの採用が増加するにつれ、24 GHzのレーダーセンサーのコストが上昇落ちています。これらは現在、自動車メーカーがヨーロッパの NCAP 安全性評価の 5 つ星を達成するための要件となっています。
たとえば、Infineon Technologies の BGT24M 24GHz レーダー センサーは、電子制御ユニット (ECU) の外部マイクロコントローラーと併用して、スロットルを変更して前方車両との接触を維持できます。図 1 に示すように、最大 20 m の範囲の距離。
図 1: インフィニオン テクノロジーズの車載レーダー センシング システム。
自動車レーダー システムの多くは、パルス ドップラー方式を使用しています。この方式では、送信機がパルス繰り返し間隔 (PRI) と呼ばれる短期間動作し、その後システムが動作します。次のパルスが発射されるまで受信モードに切り替わります。レーダーが戻ってくると、反射がコヒーレントに処理されて、検出された物体の距離と相対運動が抽出されます。
もう 1 つの方法は、連続波周波数変調 (CWFM) を使用することです。これは、時間の経過とともに変化する連続的な搬送周波数を使用し、受信機は常にオンになります。送信信号が受信機に漏れるのを防ぐには、送信アンテナと受信アンテナを別々に使用する必要があります。
BGT24MTR12 は、24.0 ~ 24.25 GHz で動作する信号生成および受信用のシリコン ゲルマニウム (SiGe) センサーです。 24 GHz 基本電圧制御発振器を使用し、出力周波数 1.5 GHz と 23 kHz の切り替え可能な周波数プリスケーラーを備えています。
RC ポリフェーズ フィルター (PPF) は、ダウンコンバーティング ミキサーの LO 直交位相生成に使用され、出力パワー センサーと温度センサーはモニタリング用のデバイスに統合されています。
図 2: Infineon Technologies の BGT24MTR12 レーダー センサー。
デバイスは SPI 経由で制御され、0.18 µm SiGe:C テクノロジーで製造され、カットオフ周波数は 200 GHz で、32 ピンのリードレス VQFN パッケージで提供されます。 。
しかし、自動運転車のアーキテクチャは変わりつつあります。 ECU にローカルではなく、車両周囲のさまざまなレーダー システムからのデータが中央の高性能コントローラーに供給され、信号とカメラ、場合によっては LIDAR レーザー センサーからの信号が結合されます。
コントローラは、グラフィックス コントロール ユニット (GCU) を備えた高性能の汎用プロセッサ、または信号処理を専用のハードウェアで処理できるフィールド プログラマブル ゲート アレイにすることができます。これにより、より高いデータ レートとより多くのデータ ソースを処理する必要があるアナログ フロントエンド (AFE) インターフェイス デバイスがより重視されます。
使用されるレーダーセンサーの種類も変化しています。 77 GHz センサーは、より長い範囲とより高い解像度を提供します。 77 GHz または 79 GHz レーダー センサーは、他の車両を検出するなど、10 度の円弧内で最大 200 m の長距離センシングを提供するようにリアルタイムで調整できますが、最大 30 度のより広い 30 度のセンシングにも使用できます。 30 m 低域アーク。周波数が高いほど解像度が向上し、レーダー センサー システムが複数の物体をリアルタイムで区別できるようになり、たとえば 30 度の円弧内にある多くの歩行者を検出できるようになり、自動運転車のコントローラーにより多くの時間とより多くのデータが与えられます。
77 GHz センサーは、発振周波数 300 GHz のシリコン ゲルマニウム バイポーラ トランジスタを使用します。これにより、1 つのレーダー センサーを前方警報、衝突警報、自動ブレーキなどのさまざまな安全システムに使用できるようになり、77 GHz テクノロジーは車両の振動に対する耐性も高いため、フィルタリングの必要性が少なくなります。
図 3: NXP が提供する自動運転車のレーダー センサーのさまざまな使用例。
# センサーは、車両座標系 (VCS) における対象車両の距離、速度、方位角を検出するために使用されます。データの精度はレーダー センサーの位置に依存します。
レーダー センサーの調整アルゴリズムは、車両が 40 Hz を超える周波数で動作しているときに実行されます。レーダー センサー、車両速度、車両上のセンサーの位置、指向角度から提供されるデータに基づいて、ミスアライメント角度を 1 ミリ秒以内に計算する必要があります。
ソフトウェア ツールを使用して、実車の路上テストから取得した記録センサー データを分析できます。このテスト データは、生のレーダー検出とホスト車両の速度に基づいてセンサーの位置ずれ角度を計算する二乗アルゴリズムを使用するレーダー センサー位置合わせアルゴリズムを開発するために使用できます。これにより、二乗解の残差に基づいて計算された角度の精度も推定されます。
02 システム アーキテクチャ
Texas Instruments の AFE5401-Q1 (図 4) などのアナログ フロントエンドを使用して、レーダー センサーを自動車システムの残りの部分を図 1 に示します。 AFE5401 には 4 つのチャネルが含まれており、各チャネルには低ノイズ アンプ (LNA)、選択可能なイコライザー (EQ)、プログラマブル ゲイン アンプ (PGA)、およびアンチエイリアシング フィルターが含まれ、その後に高速 12 ビット アナログ - デジタル信号が続きます。チャネルごとに 25 MSPS コンバータ (ADC) を搭載。 4 つの ADC 出力は、12 ビットのパラレル CMOS 互換出力バス上で多重化されます。
図 4: Texas Instruments の AFE5401 レーダー アナログ フロントエンドの 4 つのチャネルは、複数のセンサーで使用できます。
低コスト システムの場合、Analog Devices の AD8284 は、プログラマブル ゲイン アンプと併用できる 4 チャネル差動マルチプレクサ (マルチプレクサ) を備えたアナログ フロントエンドを提供します。 - (PGA) およびアンチエイリアシング フィルター (AAF) を搭載したチャンネル低ノイズ プリアンプ (LNA)。これはまた、単一の直接 ADC チャネルを使用し、すべて単一の 12 ビット アナログ - デジタル コンバータ (ADC) と統合されています。 AD8284 には、AAF によってフィルタリングされる高周波過電圧状態を検出するための飽和検出回路も含まれています。アナログ チャネルのゲイン範囲は 17 dB ~ 35 dB で 6 dB 刻みで、ADC 変換レートは最大 60 MSPS です。チャンネル全体の総合入力基準電圧ノイズはゲインで 3.5 nV/√Hz です。
AFE の出力は、Microsemi の IGLOO2、Fusion、Intel の Cyclone IV などのプロセッサまたは FPGA に供給されます。これにより、FPGA 設計ツールを使用して 2D FFT をハードウェアに実装し、FFT を処理し、周囲のオブジェクトに関する必要なデータを提供できるようになります。これは中央コントローラーに入力できます。
FPGA にとっての重要な課題は複数のオブジェクトを検出することですが、これは CWFM アーキテクチャにとってパルス ドップラーよりも複雑です。 1 つのアプローチは、ランプの持続時間と周波数を変更し、検出された周波数がさまざまな周波数ランプの急峻さでスペクトル内をどのように移動するかを評価することです。ランプは 1 ミリ秒間隔で変化するため、1 秒あたり数百の変化を分析できます。
図 5: Intel の FPGA で使用される CWFM レーダー フロントエンド。
カメラのデータを使用して、車両からの強いエコーと人からの弱いエコー、および予想されるドップラー シフト タイプを区別できるため、他のセンサーからのデータを融合することも役立ちます。 。
もう 1 つのオプションは、CWFM を使用して高速道路上の長距離の目標を見つけるマルチモード レーダーと、市街地の歩行者を容易に検出できる短距離パルス ドップラー レーダーです。
03 結論
自動運転車用の ADAS センサー システムの開発により、レーダー システムの実装方法が変化しています。より単純な衝突回避やアダプティブクルーズコントロールから全方位検知への移行は大きな課題です。レーダーは自動車メーカーの間で広く受け入れられている非常に人気のあるセンシング技術であるため、このアプローチのための技術です。より高い周波数の 77 GHz センサーを、マルチモード CWFM およびパルス ドップラー アーキテクチャ、およびカメラなどの他のセンサーからのデータと組み合わせると、処理サブシステムに重大な課題が生じます。自動運転車の継続的な開発には、安全かつ一貫性があり、コスト効率の高い方法でこれらの課題に対処することが重要です。
以上が自動運転レーダーセンサーのアプリケーション設計スキームを 1 つの記事で理解するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ジョン・ロールズの独創的な1971年の著書「正義の理論」で、彼は私たちが今日のAIデザインの核となり、意思決定を使用するべきであるという思考実験を提案しました:無知のベール。この哲学は、公平性を理解するための簡単なツールを提供し、リーダーがこの理解を使用してAIを公平に設計および実装するための青写真を提供します。 あなたが新しい社会のルールを作っていると想像してください。しかし、前提があります。この社会でどのような役割を果たすかは事前にわかりません。過半数または限界少数派に属している、金持ちまたは貧弱、健康、または障害者になることがあります。この「無知のベール」の下で活動することで、ルールメーカーが自分自身に利益をもたらす決定を下すことができません。それどころか、人々はより公衆を策定する意欲があります

ロボットプロセスオートメーション(RPA)を専門とする多くの企業は、繰り返しタスクを自動化するためのボットを提供しています。 一方、プロセスマイニング、オーケストレーション、インテリジェントドキュメント処理スペシャル

AIの未来は、単純な単語の予測と会話シミュレーションを超えて動いています。 AIエージェントは出現しており、独立したアクションとタスクの完了が可能です。 このシフトは、AnthropicのClaudeのようなツールですでに明らかです。 AIエージェント:研究a

急速な技術の進歩は、仕事の未来に関する将来の見通しの視点を必要とします。 AIが単なる生産性向上を超えて、私たちの社会構造の形成を開始するとどうなりますか? Topher McDougalの今後の本、Gaia Wakes:

多くの場合、Harmonized System(HS)などのシステムからの「HS 8471.30」などの複雑なコードを含む製品分類は、国際貿易と国内販売に不可欠です。 これらのコードは、すべてのINVに影響を与える正しい税申請を保証します

データセンターと気候技術投資におけるエネルギー消費の将来 この記事では、AIが推進するデータセンターのエネルギー消費の急増と気候変動への影響を調査し、この課題に対処するための革新的なソリューションと政策の推奨事項を分析します。 エネルギー需要の課題:大規模で超大規模なデータセンターは、数十万の普通の北米の家族の合計に匹敵する巨大な力を消費し、新たなAIの超大規模なセンターは、これよりも数十倍の力を消費します。 2024年の最初の8か月で、Microsoft、Meta、Google、Amazonは、AIデータセンターの建設と運用に約1,250億米ドルを投資しました(JP Morgan、2024)(表1)。 エネルギー需要の成長は、挑戦と機会の両方です。カナリアメディアによると、迫り来る電気

生成AIは、映画とテレビの制作に革命をもたらしています。 LumaのRay 2モデル、滑走路のGen-4、OpenaiのSora、GoogleのVEO、その他の新しいモデルは、前例のない速度で生成されたビデオの品質を向上させています。これらのモデルは、複雑な特殊効果と現実的なシーンを簡単に作成できます。短いビデオクリップやカメラ認知モーション効果も達成されています。これらのツールの操作と一貫性を改善する必要がありますが、進歩の速度は驚くべきものです。 生成ビデオは独立した媒体になりつつあります。アニメーション制作が得意なモデルもあれば、実写画像が得意なモデルもあります。 AdobeのFireflyとMoonvalleyのMAであることは注目に値します

ChatGptユーザーエクスペリエンスは低下します:それはモデルの劣化ですか、それともユーザーの期待ですか? 最近、多数のCHATGPT有料ユーザーがパフォーマンスの劣化について不満を述べています。 ユーザーは、モデルへの応答が遅く、答えが短い、助けの欠如、さらに多くの幻覚を報告しました。一部のユーザーは、ソーシャルメディアに不満を表明し、ChatGptは「お世辞になりすぎて」、重要なフィードバックを提供するのではなく、ユーザービューを検証する傾向があることを指摘しています。 これは、ユーザーエクスペリエンスに影響を与えるだけでなく、生産性の低下やコンピューティングリソースの無駄など、企業の顧客に実際の損失をもたらします。 パフォーマンスの劣化の証拠 多くのユーザーは、特にGPT-4などの古いモデル(今月末にサービスから廃止される)で、ChatGPTパフォーマンスの大幅な分解を報告しています。 これ


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

Safe Exam Browser
Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

ホットトピック









