作者：Wayne Lyons

AMD 汽車業(yè)務高級總監(jiān)

2024 年至 2030 年間，高度自動化汽車每年的出貨量將以 41% 的復合年增長率增長。這種快速增長導致汽車品牌對精確可靠傳感器技術(shù)的需求空前高漲，因為他們希望提供精準、可靠且最終完全自動駕駛的汽車。

為實現(xiàn)這一目標，激光雷達（光探測與測距）傳感器已成為汽車制造商與汽車設備供應商不可或缺的傳感器。它們能通過具備足夠分辨率的深度感知和距離檢測來進行物體分類，從而“讀懂道路”。

然而，隨著我們邁向未來自動駕駛解決方案——從主動安全系統(tǒng)的最新創(chuàng)新到無人駕駛汽車——諸如激光雷達等邊緣系統(tǒng)的功能必須得到擴展，使其能夠提供更高的深度分辨率與可靠性，以應對日益復雜的場景。

采用 FPGA 和自適應 SoC 等自適應計算技術(shù)，可助力企業(yè)實現(xiàn)構(gòu)建全面感知平臺的最終目標。這樣的平臺能以極高的精度駕馭復雜駕駛環(huán)境并識別潛在危險。

激光雷達系統(tǒng)架構(gòu)類型

在研究激光雷達系統(tǒng)時，主要分為三種架構(gòu)類別：機械式（非固態(tài)）、MEMS（半固態(tài)）和基于閃存的（固態(tài)）。根據(jù)應用用例，每種架構(gòu)各有其優(yōu)缺點。

機械系統(tǒng)是部署最廣泛的系統(tǒng)（表 1）。這些系統(tǒng)采用旋轉(zhuǎn)發(fā)射器來發(fā)射光波，光波在遇到物體后反射回接收器。發(fā)射器旋轉(zhuǎn)速度極快，可實現(xiàn) 360 度視場，又稱為點云。這些系統(tǒng)的優(yōu)勢在于探測距離遠、視場寬，但缺點是體積較大、成本較高。

表 1：非固態(tài)：機械式

微機電系統(tǒng)（ MEMS ）通過發(fā)射器與反射鏡系統(tǒng)取代大型機械旋轉(zhuǎn)激光雷達，以實現(xiàn)光纖偏轉(zhuǎn)（表 2）。它們在當今的輔助駕駛應用中非常常見。這類系統(tǒng)體積更小、重量更輕、成本更低，但視場也較為有限，并且容易受到?jīng)_擊與振動的影響。

表 2：半固態(tài)：MEMS

閃存系統(tǒng)是固態(tài)的，包括使用光學天線陣列的光學相控陣（ OPA ）系統(tǒng)，能夠以不同角度發(fā)射光線（表 3）。這種較新的解決方案確實視場有限，需要多個單元的實現(xiàn)才能覆蓋完整的 360 度。

表 3：固態(tài)：基于閃存的系統(tǒng)

諸如 AMD 這樣的公司打造支持各種激光雷達系統(tǒng)和應用的 FPGA 與自適應計算器件。無論采用哪種技術(shù)，F(xiàn)PGA 與自適應計算器件都能夠滿足激光雷達領域各種尺寸、成本與分辨率的實現(xiàn)需求。

解決時序抖動

激光雷達的價值在于其能夠提供圖像分類、分割與目標檢測數(shù)據(jù)，這對于通過人工智能（ AI ）增強的 3D 視覺感知至關重要。單靠攝像頭無法提供這種精度水平，尤其是在惡劣天氣或者弱光環(huán)境下，這也正是激光雷達成為自動駕駛關鍵技術(shù)的原因所在。

盡管如此，激光雷達仍然必須解決多種挑戰(zhàn)，其中就包括時序抖動。當激光脈沖時序或位置發(fā)生波動時，會影響生成的圖像質(zhì)量，進而影響目標識別與深度分辨率。激光雷達在自動駕駛中的作用將不斷擴展，因此，對技術(shù)進行持續(xù)改進至關重要。

自適應計算技術(shù)能夠支持減少時序抖動并提高分辨率，這得益于 FPGA 能實現(xiàn)更快速的數(shù)據(jù)處理。FPGA 提供的靈活性可以優(yōu)化數(shù)據(jù)路徑和存儲器層次結(jié)構(gòu)，從而降低時延，同時還能減輕調(diào)整脈沖時序的 AI 引擎的負擔，以最大限度減少波動。最終，抖動值越小，目標就能越精準地被傳感器與雷達檢測識別到。

不斷演進和擴展的激光雷達架構(gòu)

目前，從生產(chǎn)線上下線的汽車可能只有一個前視激光雷達。但這種情況正在改變，因為下一代汽車將配備多個系統(tǒng)，包括前視、后視與側(cè)視激光雷達，以便更全面地覆蓋道路及其周圍環(huán)境。這種擴展的激光雷達傳感器生態(tài)系統(tǒng)需要強大且高效的 AI 計算平臺。這些平臺會處理和傳輸生成的的大量數(shù)據(jù)，并提供生態(tài)系統(tǒng)高效運行所需的高速連接和低時延。

采用基于 FPGA 的多處理器片上系統(tǒng)（ MPSoC ）可以縮小這些激光雷達系統(tǒng)的尺寸。由于 FPGA 針對邊緣端進行了優(yōu)化，因此它們可以無縫集成并高效地與多個系統(tǒng)對接，從而應對當今輔助駕駛解決方案中傳感器數(shù)量的激增。通過縮小系統(tǒng)尺寸與占用空間，MPSoC 允許多個激光雷達協(xié)同工作，以生成車輛路徑的全面視圖。

此外，由于基于 FPGA 的 MPSoC 可以提供制造后可重新編程的靈活性，因而它們能用于多種激光雷達系統(tǒng)，包括未來幾代產(chǎn)品。這種靈活應變能力使汽車 OEM 廠商能夠降低系統(tǒng)成本和實現(xiàn)面向未來的設計，這樣一來，他們就無需在下一代解決方案問世時對原有系統(tǒng)進行徹底改造。

點云預處理與機器學習加速

點云圖像是自動駕駛的核心，能夠通過組合目標形狀的單個測量結(jié)果來創(chuàng)建圖像至關重要。在一些實例中，企業(yè)正采用超過 128 通道的數(shù)字多光束閃存激光雷達來生成此類豐富的點云圖像。這就需要功能強大的硬件，這些硬件可以針對任務進行優(yōu)化，并且具備同時提供圖像與數(shù)字信號處理的能力。

舉例而言，通過可編程邏輯（ PL ）中的高速串行收發(fā)器傳輸圖像數(shù)據(jù)，可以實現(xiàn)高速連接與數(shù)據(jù)傳輸。隨著并行處理、時鐘速度降低和功率耗散的實現(xiàn)，企業(yè)必須使用處理系統(tǒng)和可編程邏輯之間的高帶寬連接來劃分軟件與相關硬件加速功能。

最終，這就會生成具有深度、信號和環(huán)境數(shù)據(jù)的點云圖像，作為簡化的傳感器架構(gòu)的一部分。它可以實現(xiàn)激光雷達所需的更高效信號處理與高分辨率，以便在汽車行駛于狹窄環(huán)境中時提供可靠的目標檢測、高精度 3D 測繪與零厘米最小作用距離。

為現(xiàn)在與未來做好傳感器技術(shù)準備

隨著激光雷達等傳感器檢測技術(shù)在自動駕駛體驗中愈發(fā)重要，一個強大而精簡的、能夠以低時延提供高性能的處理平臺，對于實現(xiàn)安全關鍵功能所需的深度分辨率至關重要。自適應計算將 AI 引擎與 FPGA 相結(jié)合，以優(yōu)化實現(xiàn)上述目標所需的目標檢測與數(shù)據(jù)調(diào)節(jié)，從而加速其發(fā)展，使其成為汽車品牌可信賴的、提供精準可靠性能的解決方案。

隨著下一代解決方案的問世并逐步發(fā)展為自動駕駛體驗中不可或缺的組成部分，激光雷達生態(tài)系統(tǒng)勢必變得更加完善。伴隨車輛生命周期中工作負載的不斷增加，自適應計算帶來的靈活性可以助力其所需的演進與創(chuàng)新。

例如，它能夠支持現(xiàn)場軟件與硬件升級，提供激光雷達所需的處理能力與低時延，以實現(xiàn)終端檢測質(zhì)量。或者，它可以確保新的創(chuàng)新功能與算法能以遠程方式安全地部署，以打造未來就緒型設計。

為了實現(xiàn)當今與未來汽車用例所期望的傳感器檢測與深度分辨率，所需的計算需要靈活性、強大的處理能力與集成性。此外，它還需要模塊化，以最大限度降低設計復雜性與成本，同時最大限度提高精度與可靠性。將自適應計算納入激光雷達系統(tǒng)及其集成方式，可以釋放部署規(guī)模，為未來完全自動駕駛提供支持。