智能駕駛傳感器
關注創(chuàng)建者：匿名 創(chuàng)建時間：2021-09-09
智能駕駛傳感器的視頻教程
HBK智能傳感器和儀表系列介紹
Smart Sensor智能傳感器戰(zhàn)略是HBK近年來提出的重要概念和發(fā)展方向，在這一框架下HBK陸續(xù)推出了多款基于IO-Link的數(shù)字稱重傳感器，以及集成多種工業(yè)以太網(wǎng)接口的儀表。本次研討會將全面介紹HBK最新推出的稱重產(chǎn)品，包括digiBox, SP4Mi, HLCi, 還有即將上市的SPLEi, FIT5X-IE等新款產(chǎn)品。
免費 57分鐘 13播放
查看
仿真技術之自動駕駛感知視界-ANSYS傳感器仿真（攝像頭和激光雷達）
ANSYS自動駕駛解決方案之傳感器仿真（攝像頭和激光雷達） 【已結束】 直播時間：2019-11-26 20:00 自動駕駛是未來的趨勢，國內(nèi)外知名企業(yè)競相投入相關智能技術研發(fā)探索。當前，從L2向L3-L5演進，把車輛控制權更多的交給了機器，對安全性提出了更高要求，同時也使得系統(tǒng)開發(fā)驗證的難度和投入加大。
免費 1小時24分鐘 423播放
查看
智能駕駛傳感器的實例教程
前言：在整個智能駕駛解決方案中，MCU 的角色主要是配合感知芯片，根據(jù)車輛當前的運動狀況和感知目標，輸出的一些信息給底盤系統(tǒng)，因此，保證 MCU 在智能駕駛傳感器和域控制器應用中的安全至關重要。
為此，我們請到英飛凌大中華區(qū)智能駕駛產(chǎn)品經(jīng)理余辰杰做來分享：MCU 在智能駕駛傳感器和域控制器中的應用。
分享實錄
余辰杰：我主要分享一下 MCU 在智能駕駛傳感器和域控制器中的應用。
除去執(zhí)行器的控制，ADAS/AD 系統(tǒng)可以簡單分為兩大塊，傳感器和計算平臺。無論是在傳感器還是計算平臺上的SOC 的算力有多高，以現(xiàn)在的架構來看，MCU仍是不可或缺的。
我主要分享分幾部分：
1.簡單介紹英飛凌；
2.針對這一代英飛凌 TC3 系列單片機，做個系統(tǒng)性的介紹，同時提及TC4系列上的一些升級;
3.AURIX 在 ADAS中的應用;
4.英飛凌MCU如何配合 SOC 廠商在域控制器的應用;
5.在AI SOC 廠商越來越多的集成實時處理器的時候，是否還需要一顆高算力的 ASIL - D MCU。
一、英飛凌是一家頭部的汽車半導體公司，市面上絕大多數(shù)的汽車廠商的控制器里都或對或少運用著英飛凌的方案。
二、英飛凌的TC3 系列單片機。
英飛凌的單片機不只在 ADAS 中有應用，幾乎橫跨
了所有的領域，比如在強調功能安全的系統(tǒng)中，包括動力總成、新能源、發(fā)動機控制。同時也被廣泛應用于自動駕駛、車身控制、影音娛樂、儀表等應用中。
展開 作為智能駕駛系統(tǒng)的重要組成部分，傳感器為感知系統(tǒng)提供原始數(shù)據(jù)，其性能對整個智能駕駛系統(tǒng)的功能和性能有直接且重要的影響。
為提高智能駕駛系統(tǒng)開發(fā)的效率和效果，會采用仿真的方式對方案進行驗證和優(yōu)化，涉及全數(shù)字仿真、半實物仿真等。為使仿真結果盡可能真實地反映實際情況，需要對攝像頭、激光雷達、毫米波雷達等傳感器進行高精度的建模仿真。
針對此類應用，經(jīng)緯恒潤聯(lián)合ANSYS公司，提供包括光學及視覺模擬軟件SPEOS和光學虛擬現(xiàn)實仿真軟件VRXPERIENCE的智能駕駛傳感器高精度仿真解決方案，依據(jù)對象的真實物理屬性進行傳感器和場景的高精度仿真。
產(chǎn)品介紹
ANSYS SPEOS & VRXPERIENCE解決方案在智能駕駛領域可應用于攝像頭、激光雷達、毫米波雷達傳感器的建模仿真，涉及像素網(wǎng)格投影、成像仿真、圖像后處理接口、機器視覺、ADAS部件級仿真、實時燈光仿真、動態(tài)前照燈性能評估、傳感器性能評估等。可以在智駕系統(tǒng)研制早期，基于真實物理屬性進行不同天氣、時間、路況、光學傳感器安裝位置、安裝數(shù)量、傳感器設計方案、材料設計方案、照明設計方案等條件下的仿真模擬，對不同設計方案進行驗證，節(jié)約樣件和測試成本，縮短研發(fā)周期。
? ANSYS SPEOS
ANSYS SPEOS與SpaceClaim、CATIA V5、UG、CREO等主流CAD軟件平臺相結合，能夠實現(xiàn)從結構設計到光學設計的無縫銜接，以OMS設備的光學屬性測量結果作為軟件的輸入，基于材料的真實物理屬性進行傳感器及現(xiàn)實場景仿真，模擬結果可直接與實物照片進行對比。
SPEOS可以通過數(shù)字化建模為攝像頭和激光雷達傳感器提供測試環(huán)境，快速直觀地將駕駛環(huán)境中攝像頭和激光雷達的成像結果模擬出來。
展開 應用背景
智能駕駛汽車應用多種傳感器對目標物探測，如采用激光雷達、毫米波雷達、攝像頭等傳感器。在開發(fā)和測試智能駕駛汽車時，往往需要將不同種類的傳感器識別的目標物進行對比，或者對某種傳感器與真值傳感器（Ground Truth， GT）進行對標評估。
圖1 真值傳感器和測試傳感器識別目標物示意圖（資料圖）
傳感器對標評估系統(tǒng)
圖2 傳感器對標評估系統(tǒng)數(shù)據(jù)選擇和位置標定界面
為了實現(xiàn)兩種傳感器識別目標物對比，傳感器對標評估系統(tǒng)具備以下功能：
? 根據(jù)傳感器識別的目標點信息，自動匹配目標物的軌跡
? 計算測試傳感器的漏報、誤報情況
? 統(tǒng)計測試傳感器的識別目標物信息
圖3 真值傳感器和測試傳感器識別目標物軌跡
核心功能：軌跡對比算法
? 軌跡挑選
利用多幀數(shù)據(jù)，自動獲取目標物的軌跡曲線；目標物如果存活幀數(shù)過少或存活時間太短，無法形成有效軌跡，則被認為雜點忽略。
? 范圍限制
選取真值傳感器和對比傳感器的公共探測區(qū)域來對比，忽略公共區(qū)域以外的目標物。可以對近程（±45°，60m）、中程（±9°，120m）、遠程（±4°，180m）的軌跡進行選擇，或者根據(jù)自定義范圍篩選軌跡。
? 快速軌跡比對
采用軌跡非特征點抽希和動態(tài)時間規(guī)整等算法，能夠較好地比對真值和對比傳感器識別的目標物軌跡。如下圖所示，采用該算法匹配的真值傳感器（GT）和對比傳感器軌跡能夠和實車采集的數(shù)據(jù)吻合。
展開 上一期給大家介紹了平臺的總體方案，本期從“單車智能”開發(fā)及測試的角度，為各位看官帶來智能駕駛全量數(shù)據(jù)感知及分析系統(tǒng)。
智能駕駛全量感知數(shù)據(jù)實時可視化系統(tǒng)，可實時展示車端各類傳感器數(shù)據(jù)，可實現(xiàn)感知系統(tǒng)自動對標，并可感知端獲取各類極限場景。包括以下幾部分組成：
智能駕駛數(shù)據(jù)采集分析及可視化系統(tǒng)
提供一套智能駕駛傳感器全量數(shù)據(jù)采集及分析軟硬件系統(tǒng)，傳感器數(shù)據(jù)同步，可實時在可視化界面展示各傳感器數(shù)據(jù)。
? 全量數(shù)據(jù)采集
? 定制化傳感器接入
? 遠程事件監(jiān)控/數(shù)據(jù)傳輸
? 數(shù)據(jù)同步
? 數(shù)據(jù)可視化
? 定制化場景提取
? ADAS功能/測試信號分析
真值系統(tǒng)
真值系統(tǒng)，通過量化真值系統(tǒng)和本車系統(tǒng)的感知結果差異可以評價標注過程，軟件和模型訓練過程。
展開 在安裝空間不足的環(huán)境中，器件很難冷卻，并且其損壞的風險和所需的更換也很高（一次簡單的小事故有可能需要更換保險杠和所有相連的傳感器），這可能抵消具有多個傳感器模塊的分布式系統(tǒng)的優(yōu)勢。
如果采用“傳統(tǒng)”傳感器模塊，則需進行自檢和故障報告，以實現(xiàn)整個系統(tǒng)的安全運轉，但是其還未達到智能傳感器模塊的程度。
雖然純粹的駕駛員信息系統(tǒng)可以在它們的功能受到損害時關閉并將其通報給駕駛員，但是高度自主駕駛功能就沒有那么自由了。想象一下一輛汽車正在執(zhí)行緊急制動操作，然后又突然解除并松開制動器的情況。或者說，汽車在公路上行駛時，整個系統(tǒng)關閉，而此時駕駛員正在汽車“全自動駕駛”狀態(tài)下呼呼大睡（未來可能的一個場景）。在駕駛員能夠安全控制車輛之前，系統(tǒng)需要繼續(xù)保持工作一段時間，而這至少需要有幾秒到半分鐘。系統(tǒng)必須運行到何種程度，以及如何確保在故障情況下運轉，這些問題在業(yè)內(nèi)似乎還未達成明確共識。具有自動駕駛功能的飛機通常情況下使用冗余系統(tǒng)。雖然我們一般情況下認為它們是安全的，不過它們造價昂貴并且占用大量空間。
傳感器融合將會是邁向自動駕駛及享受旅途時光和駕駛樂趣的關鍵一步。
多傳感器信息融合算法
智能汽車的顯著特點在于智能，意思就是說汽車自己能通過車載傳感系統(tǒng)感知道路環(huán)境，自動規(guī)劃行車路線并控制車輛到達預定目標。目前而言，車載感知模塊包括視覺感知模塊、毫米波雷達、超聲波雷達、360°環(huán)視系統(tǒng)等，多源傳感器的協(xié)同作用識別道路車道線、行人車輛等障礙物，為安全駕駛保駕護航。因此，感知信息也需要融合，感知信息也需要相互補充。
這里引出一個重要的概念：多傳感器信息融合（information fusion）。各種不同的傳感器，對應不同的工況環(huán)境和感知目標。比方說，毫米波雷達主要識別前向中遠距離障礙物（0.5米-150米），如路面車輛、行人、路障等。
展開 
智能駕駛傳感器的相關專題、標簽、搜索
智能駕駛傳感器的最新內(nèi)容
、多類傳感器及車路協(xié)同系統(tǒng)；車載電子硬件、車載網(wǎng)絡與 5G/V2X 通信技術；汽車線束、連接器等元器件及仿真、EMC、功能安全等測試技術；新能源三電系統(tǒng)、線控底盤與區(qū)域化電子電氣架構。
、多類傳感器及車路協(xié)同系統(tǒng)；展示車載電子硬件、車載網(wǎng)絡與 5G/V2X 通信技術；汽車線束、連接器等元器件及仿真、EMC、功能安全等測試技術；同時呈現(xiàn)新能源三電系統(tǒng)、線控底盤與區(qū)域化電子電氣架構。
智能駕駛與傳感器(Intelligent Driving & Sensors)
自動駕駛技術：輔助駕駛(ADAS)、自動駕駛解決方案(L2-L4)、車路協(xié)同系統(tǒng)(V2X)。
傳感器：激光雷達、毫米波雷達、超聲波雷達、攝像頭傳感器、高精度定位、組合導航系統(tǒng)。
4.
以前我們主要做傳統(tǒng)低壓線，最近公司接了幾個新能源高壓動力線束和智能駕駛傳感器線束的項目，發(fā)現(xiàn)主機廠的驗收標準比以前嚴苛太多了。很多企標要求超出了現(xiàn)行國標的范疇。想請教一下群里的測試專家：面對高壓、高頻的新需求，能否幫我們重新梳理一份新能源汽車線束的系統(tǒng)化測試大綱？最核心需要把控哪些電氣和物理指標？測試方法和設備選型上有什么避坑建議？"
熱式風速傳感器基于?熱平衡原理?（即對流冷卻效應）測量氣體流速，其核心是通過檢測通電加熱的敏感元件（如熱線或熱膜）因氣流帶走熱量而引起的?電阻、電壓或電流變化?，從而推算出風速。
?兩種工作模式：
一、恒溫模式（Constant Temperature Anemometry, CTA）：?
維持傳感器溫度恒定；
風速增加→散熱增強→需增大加熱電流以維持溫度；
?測量電流變化量?
<p><br></p><p><br></p><div contenteditable="false" width="100%">
<figure class="figure-link" data-title="點擊這里，即可報名" data-link="https://app.ma.scrmtech.com/m/A/N?n=3469-29500" data-regular="true">
激光測距技術在物聯(lián)網(wǎng)智能交通中的一些可能應用方向，主要包括：激光測速傳感器、汽車防撞系統(tǒng)、車流量監(jiān)控、車型描畫、車輛行人違法監(jiān)測以及其他一些精密監(jiān)控測量中的應用等。
汽車防撞探測器
一般來說，大多數(shù)現(xiàn)有汽車碰撞預防系統(tǒng)的激光測距傳感器使用激光光束以不接觸方式用于識別汽車在前或者在后形勢的目標汽車之間的距離，當汽車間距小于預定安全距離時，汽車防碰撞系統(tǒng)對汽車進行緊急剎車，或者對司機發(fā)出報警
工采網(wǎng)代理的水浸傳感器-WLD（Water Leak Detector）是一款電容型、非接觸式感知的智能水浸傳感器。WLD水浸傳感器采用了獨創(chuàng)的高頻差分式數(shù)字電容芯片MC11S，并結合了特有的電容監(jiān)測電極設計。它集成了微處理器、電源管理電路以及繼電器驅動電路，搭載靈活多樣的嵌入式檢測算法。這使得傳感器能夠精確分析不同水浸程度的變化，并通過內(nèi)置算法有效過濾掉電磁、振動、凝露和溫度等環(huán)境干擾，極大提升了在工業(yè)環(huán)境中水浸狀態(tài)識別的準確性
（1）高帶寬需求驅動
智能駕駛與傳感器融合：L3及以上自動駕駛需要處理大量傳感器數(shù)據(jù)（攝像頭、激光雷達、雷達等），傳統(tǒng)總線（如CAN、LIN）帶寬不足（CAN最高僅1 Mbps），而車載以太網(wǎng)可提供1 Gbps甚至10 Gbps的帶寬，滿足實時數(shù)據(jù)傳輸需求；
高分辨率信息娛樂系統(tǒng)：4K/8K屏幕、AR-HUD、多屏互動等依賴高速網(wǎng)絡，以太網(wǎng)支持多媒體數(shù)據(jù)的低延遲傳輸。
<p class="ql-align-justify"><strong>導讀：</strong>本文為 Altair 數(shù)據(jù)科學家楊國宇分享在工業(yè)研發(fā)環(huán)節(jié)中基于數(shù)據(jù)驅動的應用解決方案與產(chǎn)品落地實踐。</p><p><strong>主要內(nèi)容包括以下幾個部分：</strong></p><p>1. 產(chǎn)品&產(chǎn)線</p><p>2. 哪些工業(yè)場景在用 AI</p><p>3.LLM 在工業(yè)中能產(chǎn)生什么價值
