大灯和激光雷达的集成化探讨

于 2022-04-09 15:20:23 发布 788 阅读 0 评论

光学类器件在硬件层面,整车企业其实是需要受限于外观设计、系统结构和空间等方面的限制,所以我们看到目前车的前脸上,有激光雷达、毫米波雷达多种部件,把不同传感器集成在一起,如果还能集中在原本可以放光学部件、受到很好保护的车灯里面,这个事情就很有价值。

汽车电子设计朱玉龙
智能大灯集成感知系统

▲视频1.马瑞利在2019年的概念视频


▲图1.Fraunhofer的概念设计

▲图2.从逻辑来看,Tier1的硬件整合,

使得灯和Lidar之间的合作会更深入



图片

Part 1

XenomatiX和Marelli的光学整合


这两家公司虽然都是干光学的,不是同一个细分领域,分别是感知和照明。


XenomatiX是提供固态激光雷达解决方案的公司,其设计和构建的产品和软件能够实现精确的实时4D-6D数字化,有助于了解车辆周围环境。Marelli产品组合包括激光、LED矩阵、数字前照灯和OLED尾灯等产品。


Marelli与XenomatiX达成协议,将激光雷达与汽车照明融合在一起,这种合作是典型的合作探索「异构」整合的原因。 

图片

▲图3.Marelli 展示的Smart Corner™


从整体来看,目前对于车身布置工程师来说,大量安装在汽车上的更多传感器,包括激光雷达,这些结构造成了不必要的突出造型和处理车身结构部件的空间限制,对于让车辆做得好看的造型方面,构成了重大的集成挑战。


还有一个非常重要的问题,这些光学类都不耐清洁,对于lidar和radar都需要应对各种天气和车辆状态,配合灯光系统原有的清洗和诊断,就可能成为一个路径。将传感器集成到照明元件和系统中,利用车企原有对于车灯系统的位置和优先考虑,这些都可以为将来大量的传感元件提供畅通无阻的视野。


集成了摄像头以后,通过软件算法可以通过检测的图像来检查是否受到泥浆、散射光(雾)、外部光源的污染。而底层的程序,可以在集成总成里面固化一些确定的污垢检测和高效清洁的基础算法。

Part 2

Fraunhofer的Multispectral Headlamp


在Fraunhofer的基础研究中,不光是对整体的灯的系统进行设计,也可以通过多光谱CMOS视觉传感器(MFOS)的集成,来对关键环境参数(雾、雨)进行检测。


▲图4.Fraunhofer的liadr、LED和

radar的集成化感知和光路概念设计


目前来看,各个车企把激光雷达尝试放在了各个位置,包括:B柱的顶部或底部、后窗后面、侧视镜中、车顶下的传感器条中、转向指示灯等等。


激光雷达从之前的大个子,不断小型化的尺寸是易于集成的基础,通过不同的位置,可以有效的把各个整车需要感知的FOV(视场角)的覆盖全,类似于谷歌做的360度的机械式激光雷达那样。

▲图5.整合的思路


小结:在相当长的一段时间里面,激光雷达会在今后的几年在自动驾驶辅助系统里面起到关键的作用,车企如何有效的布置FOV也成了不同车型的难点,用同样数量或更少的传感器做更多的事情,这是特斯拉走纯视觉的思路。


顺着激光雷达不断提升的技术能力,能有效清晰的探测整个场景,而不受距离或功率的限制;同时采用灵活的模块化设计,提供不同视野、不同范围、不同分辨率和帧速率,关键还是在半导体的激光源和探测器的技术发展,整个集成确实是硬件的加法。汽车技术的革新能力在器件和软件层面,Tier 1我相信是越来越集中,越来越讲究深度的知识,比如光学领域的融合。


文章转自 公众号  汽车电子设计

点赞(0)

评论列表 共有 0 条评论

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论