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
地平线开发者15 分钟前
理想汽车智驾方案介绍 2|MindVLA 方案详解
算法·自动驾驶
居7然1 小时前
大模型微调面试题全解析:从概念到实战
人工智能·微调
地平线开发者1 小时前
LLM 中评价指标与训练概要介绍
算法·自动驾驶
haidizym2 小时前
质谱数据分析环节体系整理
大数据·人工智能·数据分析·ai4s
Godspeed Zhao2 小时前
Tesla自动驾驶域控制器产品(AutoPilot HW)的系统化梳理
人工智能·机器学习·自动驾驶
fsnine2 小时前
机器学习案例——预测矿物类型(模型训练)
人工智能·机器学习
数据知道3 小时前
机器翻译60天修炼专栏介绍和目录
人工智能·自然语言处理·机器翻译
分布式存储与RustFS3 小时前
RustFS的边缘计算优化方案在5G MEC场景下的实测数据如何?
人工智能·5g·开源·边缘计算·rustfs
2501_924890523 小时前
商超场景徘徊识别误报率↓79%!陌讯多模态时序融合算法落地优化
java·大数据·人工智能·深度学习·算法·目标检测·计算机视觉
SalvoGao3 小时前
空转学习 | cell-level 与 spot-level的区别
人工智能·深度学习·学习