自动驾驶中的传感器技术13——Camera(4)

1、自驾Camera开发的方案是否归一化

对于OEM,或者自驾方案商如Mobileye

如果进行Camera的开发,一般建议采用Tesla的系统化最优方案,所有Camera统一某个或者某两个MP设计(增加CIS议价权,减少Camera PCBA的设计维护数量),后续搭配不同的镜头得到不同应用的Camera。

对于Tier1,如Aptiv

Tier1在不同的OEM中,拿到的定点Camera需求都是不同的,也无法在同一家OEM,将所有的Camera定点都能拿到,所以Tier1采用的是Pixel与Camera应用功能结合,以达到单功能的Camera成本最优化设计。

如下表所示

综上,Camera开发的技术路线如果选择统一CIS,后续配合不同的Lens得到不同应用的Camera。参考Tesla和Mobileye,这样会带来综合成本(单物料总量最大,维护物料品类最少)最优,以及对Serdes接口种类、ISP需求都会统一化,另外也会对后端感知算法的图片裁切统一化带来便利。

但是也存在挑战:需要和算法协调出一个最合适的Pixel值,以及和域控端的接口、算力等协调,最终确定一个适合的Pixel值,目前看似乎行业主流选择如下

行车全部8MP,泊车5MP或者3MP;或者前视后视8MP,其他都是为5MP或者3MP。

2、自驾Camera开发的成本问题

单独的CIS模块在以上技术方案的基础上还需要配合Serialier(Camera端)和Deserilizer(中央域控端),需要加上连接器和线缆的成本。

这块的成本又和CIS的像素相关,当前CIS的选择不会超过8MP,GMSL2 6Gbps/Lane可以支持该数据传输量。

挑战:Serdes成本过高,以及Serdes品类过多,是否可以协调,统一Pixel后,统一Serdes需求,同时Camera端的加串和域控端的解串统一议价;另外可以同APHY芯片的选取结合,在Serdes上以及车载Camera上带来数据率提升以及成本降低(相当于OEM增加了一倍的Serdes芯片采购量,具有更好的议价权,另外APHY芯片的供应商选择更多,也带来了供应商竞争降本)。

从APHY角度,可以实现Camera端的加串器供应商和中央域控端的解串器供应商解耦,增加了串行器供应商数量,可以实现竞争性的成本降低。

3、自驾Camera开发的适用性问题

未来自驾架构的发展需要满足:既要集成度提升(算力向域控集中),又要技术领先性,还要整体成本最低; 在传统的传感器架构下,以及传统的Tier1开发+OEM适配模式,是否还能满足未来自驾架构的发展需求,这一点需要讨论; 参考Tesla和Mobileye的模式,从完整自驾系统方案出发,尽量单一化Camera的CIS,带来的好处众多,这个也对后续ISP的统一化,感知算法的输入图片裁切统一化都会大大减少适配工作量。

从端到端的算法角度考虑,统一化Camera传感器数据接口(对感知算法而言只有一种图片格式输入),有助于end-to-end的迭代演进;
图1 Tesla 前视Camera 通用化设计方案

相关推荐
Lethehong6 分钟前
简历优化大师:基于React与AI技术的智能简历优化系统开发实践
前端·人工智能·react.js·kimi k2·蓝耘元生代·蓝耘maas
大千AI助手8 分钟前
Box-Cox变换:机器学习中的正态分布“整形师“
人工智能·机器学习·假设检验·正态分布·大千ai助手·box-cox变换·数据变换
涤生84318 分钟前
图像处理中的投影变换(单应性变换)
图像处理·人工智能·计算机视觉
shayudiandian32 分钟前
YOLOv8目标检测项目实战(从训练到部署)
人工智能·yolo·目标检测
陈天伟教授35 分钟前
基于学习的人工智能(4)机器学习基本框架
人工智能·学习·机器学习
studytosky1 小时前
深度学习理论与实战:MNIST 手写数字分类实战
人工智能·pytorch·python·深度学习·机器学习·分类·matplotlib
做萤石二次开发的哈哈1 小时前
11月27日直播预告 | 萤石智慧台球厅创新场景化方案分享
大数据·人工智能
AGI前沿1 小时前
AdamW的继任者?AdamHD让LLM训练提速15%,性能提升4.7%,显存再省30%
人工智能·算法·语言模型·aigc
后端小肥肠1 小时前
小佛陀漫画怎么做?深扒中老年高互动赛道,用n8n流水线批量打造
人工智能·aigc·agent
是店小二呀1 小时前
本地绘图工具也能远程协作?Excalidraw+cpolar解决团队跨网画图难题
人工智能