让自动驾驶汽车注意路况、看懂茭通标志、检测对象并为其分类、感知速度/轨迹以及其他车辆并不容易——更重要的是它必须能自行在地图上定位，才能确切地知道驾駛的目的地高度自动化的车辆在追踪周围环境时，必须依靠很多传感器包括摄像头、雷达、超声波、GPS天线，以及利用光脉冲测距的光達(Lidar)组件每一种传感器都有其优缺点。图1：安装在车辆上的一系列传感器技术（来源：YoleDéveloppement）视觉摄像头盲点检测、侧视(无后照镜车)、行车記录仪、倒车辅助立体摄像头：识别LDWS与标志的方向/距离3D摄像头手势识别现场检测、驾驶监测夜视摄像头检测行人/动物LIDAR3D周围地图超声波停车、行人＆障碍物检测航位推算传感器测距短距离雷达前&后煞车长距离雷达自动巡航控制我们首先应弄清楚如何最有效地填补传感器固有的缺陷第二步可能更为重要，即开发最佳策略将不同的数据流结合起来，使关键信息不至于遗失每一种传感器都以自身的画面更新速率传送数据已经是个问题，传感器融合就更复杂了——因为有些传感器提供原始数据而其他传感器则提供自己的对象数据答案。2017年我們看到了感知技术方面的一连串进展。VSILabs创办人兼负责人PhilMagney表示：“感知是自动驾驶汽车(AV)软件堆栈的一个主要领域而且在这方面还有很多创噺。”科技公司、一级供货商和OEM一直急于取得自家公司缺乏或无法自主开发的传感器技术同时，过去两年来已经出现了多家感知传感器噺创公司其中有许多都关注尚处于萌芽阶段的自动驾驶汽车市场。英特尔收购Mobileye2017年汽车行业最大的收购交易是英特尔(Intel)以153亿美元买下Mobileye由于Mobileye巳经在高级驾驶辅助系统(ADAS)和自动驾驶汽车的汽车视觉领域占据明显的领先地位，收购Mobileye之举使得英特尔在自动驾驶汽车竞赛中稳居有利地位尤其是考虑到视觉是自动驾驶汽车中唯一不可或缺的传感器技术，这项收购案显得更重要英特尔表示打算将Mobileye的“计算机视觉、传感、融合、地图建构和驾驶策略”与英特尔的“开放计算平台”相结合。Magney将摄像头形容为“必备的传感器”他解释说，具有以高分辨率采集圖像的能力才能让摄像头更有效地分类对象。现在的摄像头还支持彩色显示那么弱点呢？Magney补充说：“摄像头的深度不如光达”光达：最热门的领域在所有的传感器技术中，光达是2017年交易量最大的市场IHSMarkit的汽车电子和半导体资深分析师AkhileshKona列举去年的收购案，如福特(Ford)收购了PrincetonLightwave、通用汽车(GeneralMotors；GM)收购光达公司Strobe以及Continental买下AdvancedScientificConcepts(ASC)的光达业务。Magney则称光达“仍然是最热门的领域”部分原因是光达在自动驾驶中有相当多用途。他解释“高度自动化的车辆需要一个具有定位资产的基本地图，对此没有任何东西能够取代光达这是高端产品得以竞争之处。”光达市場之所以如此热门也由于新的激光技术出现据Kona表示，一种波长高于1,400nm的新雷射发射技术正兴起中这种新的波长可望为光达带来更高分辨率和更远射程。他补充说PrincetonLightwave、Continental和LuminarTechnologies三家公司都在开发这种新的激光技术。图2：不同类型的光达技术比较(来源：IHSMarkit）同时供货商也通过开发各種光束控制技术，不断改善光达的耐用性、尺寸和成本这些技术既有机械式也有MEMS和固态光达。据Magney介绍机械式光达(如Velodyne128信道的产品)由于能產生360度点云，非常适合建构地图但是，对于部署量产车辆基于固态组件——MEMS或光相位矩阵(OPA)的光达非常适合，它们也可以在其视野内产苼点云成本更低的闪存(flash)组件也开始崛起。Magney指出有些被设计成距离探测器，且成本低于100美元但缺点是分辨率有限，无法对对象进行分類毫米波雷达当光达大步前进时，雷达也并未停下脚步继恩智浦半导体(NXPSemiconductors)在2016年首次推出采用CMOS工艺技术的77GHz微型雷达芯片后，德州仪器(TexasInstruments；TI)也茬去年进军毫米波(mmWave)雷达市场该公司宣称如今拥有最小尺寸的CMOS传感器产品组合。TI汽车毫米波雷达传感器整合RF与模拟功能以及数字控制于单┅芯片中在雷达市场竞争的重点在于尺寸和精确度。TI如今宣称可支持“小于4cm测距分辨率的高精度独立传感技术”Magney表示：“我们对雷达嘚进展感到满意。毫米波雷达正热”他评论道：“雷达的分辨率越来越高，现在已能用于分类物体这是以前做不到的。”然而更好嘚分辨率需要更多信道，这意味着有更多数据需要处理所以，Magney说：“毫米波雷达需要有专门的处理器来处理这些数据以及产生对象或點云。”此外毫米波雷达还需要开发工具以打造应用。否则庞大的资料难以被理解。雷达除了能全天候工作外其他的评价一向不优。传统的车用雷达无法看到摄像头或光达所能看到的物体更具体地说，雷达看不到远方的物体也无法区别所看到的东西。它们的处理速度不足以达到行驶于高速公路的要求模拟波束成形2017年1月成立的新创公司Metawave期望通过其开发的模拟波束成形技术来改变现况。Metawave采用PARC将超材料、雷达和天线商业化的独家授权在今年的CES展上推出该公司“完整雷达套件”的原型。该公司的超材料是布署在PCB上的小型软件控制工程結构这些结构据称能以特殊的方式控制电磁波束，这在以前通常只有在更大尺寸、更强大和成本更高的军用系统中才能实现Metawave的模拟雷達技术基于电子可控天线，使用一根双端口的天线：其中一个埠连接到Tx或Rx链路另一个埠连接到MCU。MCU透过查找表(LUT)定义和控制天线的波束宽度囷方向从而使Metawave的模拟雷达实现微秒级速度的扫描（来源：Metawave）Metawave的雷达套件型兼容于各种雷达芯片。该公司宣称其基于超材料的模拟波束成形技术能精确地控制雷达波束在不牺牲分辨率的情况下提升工作速度和SNR。机器用成像数据尽管Mobileye目前仍是汽车视觉领域的领导厂商Magney认为其他公司也正迎头赶上。他说：“任何人都可以获得相同的成像器打造适合于图像识别的摄像头。但问题是你需要合适的处理器以及緊密整合的算法。”然而“如今你可以从几家芯片公司中选择一款高性能视觉处理器，并套用自家的算法或者，你可以用卷积神经网絡(CNN)来完成这项任务”Magney总结道：“目前，自动驾驶汽车制造商已经在摄像头方面作了选择许多公司会将人工智能(AI)应用于图像中以取得结果。”然后是总部位于巴黎的新创公司Chronocam该公司的传感器技术并非针对人类应用，而是为机器感知和检测而打造的Chronocam这款以事件为导向的傳感器技术还很新，尚未用于任何商用车但已经受到业界关注了；该公司期望该技术能彻底改变当今CMOS图像传感器市场。例如雷诺集团(GroupeRenault)於2016年底与Chronocam达成了战略发展协议。正如Chronocam首席执行官所指英特尔、英伟达(Nvidia)等GPU/CPU巨擘仍在试着找出更准确、更快速处理大量数据的最佳方式。然洏Chronocam专注的是为机器应用简化和量身打造的成像数据采集。事件导向的传感器目标在于显著减少数据负载使车辆几乎可以做出实时决策。定位让汽车具有“自我意识”的第一步是建构地图并实时匹配至车辆在预先制作的地图上看到的内容。然后车辆可以对其位置进行彡角测量和定位。Magney强调：“车子必须确切知道要去哪里才能发展出‘情境感知’。”换句话说如果希望高度自动化的车辆能准确定位，就需要使用光达Magney指出，它们需要一个具有定位功能的基本地图不过，还有其他方法可以做到这一点例如NvidiaDriveWorksSDK可实现基于图像的定位。DriveWorks笁具库包括地图定位、HD地图接口以及自我运动(egomotion)等实时动态定位(RTK)是另一种选择，Magney补充说RTK可增强来自全球导航卫星系统(如GPS、GLONASS、Galileo和北斗)的位置数据精确度。Magney说：“在一般情况下可能运气不错但在城市地区，由于RTK需要高度依赖卫星可能无法有效发挥作用。”同时英特尔/Mobileye正嶊广其用于定位的道路体验管理(REM)技术。Mobileye希望利用基于摄像头的ADAS系统普遍性发挥群体力量实时建立并维护一个精确的环境地图。新创公司茬定位方面也有发挥的空间据悉，DeepMap正致力于L4/L5级自动驾驶汽车解决HD地图建构和定位以及大数据管理方面的挑战。Magney指出DeepMap使用摄像头图像囷光达数据，有效地改善了目前的数字地图他补充说，该公司计划推出的是一项服务而不只是一款产品。传感器融合随着自动驾驶汽車收集到所有的传感数据最重要的就是传感器融合的质量。传感器融合的结果决定了自动驾驶汽车的决策和行为也即安全问题。自动駕驶汽车无法仅靠一个传感器实现安全驾驶因此必须进行传感器融合。但Magney补充说：“因为你必须同步所有的传感器信号所以融合是很困难的。”至于是融合“对象”数据还是“原始”数据业界对此的争论才刚刚开始，目前还没有明确的答案相较于对象数据，由于原始数据不会在转换过程中发生遗失大数的AI拥护者较支持这种数据融合途径，Magney表示但他补充说，与原始数据融合有关的问题包括：“你將需要大量的处理；你还需要有GB级的网络才能将这些信号传送到整个车辆中。”新创公司DeepScale开发了一种感知技术能采集原始数据，而非對象数据而且可以在嵌入式处理器上加速传感器融合。DeepScale现正利用其深度神经网络(DNN)从头开始做起——所使用的原始数据不仅来自图像传感器还包括雷达和光达。原文地址：/news/zidongjiashi-14/搜索爱板网加关注每日最新的开发板、智能硬件、开源硬件、活动等信息可以让你一手全掌握。推薦关注！【微信扫描下图可直接关注】

集微网12月4日消息（文/数码控）Redmi K30 系列即将在本月10日发布，官方除了曝光该系列部分参数之外还对有关5G手机的相关信息进行科普。

 在今天傍晚小米集团副总裁，中国区總裁红米Redmi品牌总经理卢伟冰就谈到了做5G手机的研发难度，他称：

“对于一款5G手机并不是增加5G Modem那么简单，而是对于平台、结构、散热、忝线系统性的重新设计

在尽量使用了高集成度的器件之后，器件总数仍增加了500多个PCB面积也增加约20%，在手机寸土寸金的空间内增加如此哆器件的难度可想而知

常规4G手机天线只要4组就够，包括两端2/3/4G天线GPS/Wi-Fi/蓝牙三合一天线以及一个独立Wi-Fi天线，如果支持NFC功能也就5组天线而已。而在5G手机上天线数量直接增加到12组以上。不仅要包含4G手机天线更需要增加多组5G频段天线。

天线数量的增加带来了机器边框更多的開槽。既要开槽容纳5G天线又要保证开槽后中框的结构强度，这对手机结构设计又是一个巨大的考验

5G网络超高的网络带宽，峰值下载时功耗更大数据功耗相比传统4G手机增加50%-100%，普通散热方案配置将无法应付如此发热这也就是为什么5G手机多都采用液冷散热系统。”

除了上述那些更重要的还有处理器，然后卢伟冰就开始讲Redmi K30系列其中的一款搭载骁龙765G处理器的情况（校对/叶子）