毫米波雷達(dá)很熱。雷達(dá)的分辨率越來越高，現(xiàn)在也可以分類物體，這是以前做不到的。
然而，更好的分辨率需要更多的通道，這意味著更多的數(shù)據(jù)需要處理。所以毫米波雷達(dá)需要有專門的處理器來處理這些數(shù)據(jù)，產(chǎn)生物體或者點(diǎn)云，此外，毫米波雷達(dá)需要有開發(fā)工具來搭建應(yīng)用。否則，這些數(shù)據(jù)很難被理解。

雷達(dá)除了能全天候工作外，往往會受到負(fù)面評價。傳統(tǒng)的汽車?yán)走_(dá)看不到攝像頭或激光雷達(dá)所能看到的物體。更具體地說，雷達(dá)看不到遙遠(yuǎn)的物體，不能辨別它們看到的東西。它們的處理速度不足以達(dá)到高速公路的要求。

模擬波束成形
2017年1月成立的創(chuàng)業(yè)公司metawave，希望通過開發(fā)模擬波束成形技術(shù)來改變這種狀況。
利用PARC將超材料、雷達(dá)和天線商業(yè)化的獨(dú)家授權(quán)，metawave推出了該公司“全套雷達(dá)套件”的原型。該公司的超材料是布置在PCB板上的小型軟件控制工程結(jié)構(gòu)。據(jù)稱，這些結(jié)構(gòu)能夠以特殊的方式控制電磁波束，這在以前通常只有在體積大得多、更強(qiáng)大和成本更高的軍用系統(tǒng)中才能實(shí)現(xiàn)。

metawave的模擬雷達(dá)技術(shù)是基于電子可控天線。它使用一根帶有兩個端口的天線：一個端口連接到Tx或Rx鏈路，另一個連接到MCU。MCU通過查找表來定義和控制天線波束寬度和方向，從而使metawave的模擬雷達(dá)能夠?qū)崿F(xiàn)微秒級速度的掃描。

metawave的全套雷達(dá)套件是雷達(dá)芯片不可知的。該公司宣稱其基于超材料的模擬波束成形技術(shù)可以精確控制雷達(dá)波束，在不犧牲分辨率的情況下實(shí)現(xiàn)更快的工作速度和更好的信噪比。

面向機(jī)器使用的成像數(shù)據(jù)

盡管Mobileye仍然是汽車視覺領(lǐng)域的領(lǐng)導(dǎo)者，
任何人都可以獲得相同的成像器，構(gòu)建適合于圖像識別的攝像頭。但問題是你需要合適的處理器和緊密集成的算法。

對此，現(xiàn)在你也可以從幾家芯片公司中的任何一家選擇一款高性能視覺處理器，并應(yīng)用自己的算法?；蛘?，你也可以用CNN(卷積神經(jīng)網(wǎng)絡(luò))來完成這項(xiàng)工作。

目前，自動駕駛汽車的制造商在攝像頭方面有了選擇。許多公司會將AI應(yīng)用于圖像來獲得結(jié)果。

Chronocam。這家總部位于巴黎的創(chuàng)業(yè)公司的傳感器技術(shù)不是面向人類使用，而是面向機(jī)器傳感和檢測設(shè)計;該公司認(rèn)為，這項(xiàng)技術(shù)可以徹底改變當(dāng)今CMOS圖像傳感器市場。Chronocam的事件驅(qū)動傳感器還很新，尚未在任何商用車上使用，但這項(xiàng)技術(shù)正受到關(guān)注。例如，雷諾集團(tuán)于2016年底與Chronocam達(dá)成了戰(zhàn)略發(fā)展協(xié)議。

英特爾、Nvidia等GPU/CPU領(lǐng)域的大公司仍在試圖找出更準(zhǔn)確、更快速處理大量數(shù)據(jù)的最佳方式。然而，Chronocam專注的是針對機(jī)器應(yīng)用簡化和定制的成像數(shù)據(jù)采集。事件驅(qū)動傳感器的目標(biāo)是顯著減少數(shù)據(jù)負(fù)載，使汽車幾乎可以做出實(shí)時決策。

定位使汽車具有“自我意識”的第一步是地圖構(gòu)建，而與汽車在預(yù)先制作的地圖上看到的內(nèi)容進(jìn)行實(shí)時匹配。然后，汽車可以對其位置進(jìn)行三角測量和定位。汽車必須確切知道它必須去哪里，以便它可以發(fā)展“情境感知。

換句話說，如果希望高度自動化的車輛能準(zhǔn)確定位，它們需要激光雷達(dá)，需要一個具有定位資產(chǎn)的基本地圖，對此沒有任何東西可以替代激光雷達(dá)。

但是，還有其他方法可以做到這一點(diǎn)。例如，Nvidia的DriveWorksSDK可以實(shí)現(xiàn)基于圖像的定位。DriveWorks的庫包括地圖定位、高清地圖接口以及自我運(yùn)動。

實(shí)時動態(tài)定位(RTK)是另一種選擇，RTK可增強(qiáng)來自全球?qū)Ш叫l(wèi)星系統(tǒng)(如GPS、GLONASS、伽利略和北斗)的位置數(shù)據(jù)的精度。與此同時，英特爾/Mobileye正在推廣其面向定位的道路體驗(yàn)管理(REM)技術(shù)。Mobileye希望通過利用基于攝像頭的ADAS系統(tǒng)的涌現(xiàn)，利用人群的力量來準(zhǔn)實(shí)時地建立和維護(hù)一個精確的環(huán)境地圖。

初創(chuàng)企業(yè)在定位方面也有發(fā)揮的空間。據(jù)悉，初創(chuàng)公司DeepMap正在為第4/第5級自動駕駛汽車解決高清地圖構(gòu)建和定位以及大數(shù)據(jù)管理方面的挑戰(zhàn)。DeepMap正在通過使用攝像頭圖像和激光雷達(dá)數(shù)據(jù)來改進(jìn)當(dāng)前的數(shù)字地圖。

傳感器融合

隨著自動駕駛汽車收集到所有的傳感數(shù)據(jù)，最重要的就是傳感器融合的質(zhì)量。傳感器融合的結(jié)果決定了自動駕駛汽車的決策和行為，也即安全問題。

自動駕駛汽車僅采用一個傳感器不可能實(shí)現(xiàn)可靠駕駛，因此必須進(jìn)行傳感器融合。如果必須同步所有傳感器信號，所以融合是很難的。

而關(guān)于是融合“對象”數(shù)據(jù)還是“原始”數(shù)據(jù)，業(yè)界的爭論才剛剛開始。目前沒有明確的答案。

與對象數(shù)據(jù)相比，由于原始數(shù)據(jù)在轉(zhuǎn)換中沒有任何東西丟失，AI的大多數(shù)支持者更喜歡融合這種數(shù)據(jù)。與原始數(shù)據(jù)融合有關(guān)的問題包括：你將需要大量的處理;你還需要有GB大小的網(wǎng)絡(luò)來將這些信號傳送到整個車輛中。