ADAS 感知融合HILS趋势

传感器融合是将来自多个雷达、激光雷达和摄像机的输入汇集起来，形成一个单一的模型或车辆周围环境的图像的能力。由此产生的模型更加准确，因为它平衡了不同传感器的优势。然后，车辆系统可以使用通过传感器融合提供的信息来支持更加智能的行动。

每种传感器类型，或 "模式"，都有固有的优势和劣势。雷达在准确确定距离和速度方面非常强大--即使是在具有挑战性的天气条件下--但不能阅读街道标志或 "看到 "红绿灯的颜色。摄像机能很好地阅读标志或对物体进行分类，如行人、骑自行车者或其他车辆。然而，它们很容易被灰尘、太阳、雨、雪或黑暗所蒙蔽。激光雷达可以准确地探测物体，但它们没有视觉传感器或雷达的范围和经济性。

传感器融合将来自这些传感器类型的数据汇集在一起，使用软件算法提供最全面的，因此也是最准确的环境模型。它还可以通过一个被称为内部和外部传感器融合的过程，将来自车厢内的数据联系起来。

车辆也可以使用传感器融合来融合来自同一类型的多个传感器的信息--例如，雷达。这可以通过利用部分重叠的视场来提高感知能力。由于多个雷达观察车辆周围的环境，不止一个传感器会同时探测到物体。通过360°感知软件进行解读，来自这些多个传感器的探测结果可以被重叠或融合，提高对车辆周围物体的探测概率和可靠性，并产生一个更准确和可靠的环境表示。

低水平的传感器融合

当然，车辆上的传感器越多，融合的难度就越大，但也有更多的机会来提高性能。为了利用这些优势，有些企业使用一种称为低级传感器融合的技术。

在过去，分析传感器数据以确定和跟踪物体的处理能力是与摄像机或雷达一起打包的。通过卫星架构方法，融合算法脱离了感知模块，处理能力被集中到一个更强大的主动安全域控制器中，允许从每个传感器收集低级别的传感器数据并在域控制器中进行融合。

将处理能力转移到域控制器，使传感器占用的体积和质量更小，最多可减少30%。作为比较，照相机的占地面积从一副扑克牌的大小减少到一包口香糖的大小。通过使传感器尽可能地小，原始设备制造商在车辆包装方面有更多的选择。

另一个好处是增加数据共享。在传统系统中，智能传感器独立地处理环境输入，这意味着在使用信息时做出的任何决定都只与该单个传感器所能看到的一样好。然而，有了卫星架构，来自传感器的所有数据被集中共享，域控制器中的主动安全应用有更多的机会来利用它。甚至可以应用人工智能（AI）工具来提取有用的信息，否则会被丢弃。正确的人工智能可以从中学习，这有助于解决客户面临的挑战性角落案例。

低层传感器融合的第三个好处是减少延迟。域控制器不必等待传感器处理数据，然后再对其采取行动。这可以帮助加快那些甚至是几分之一秒的情况下的性能。

更多的数据带来了更好的决策。通过采用允许大量传感器的车辆架构，然后通过传感器融合来合成数据，车辆可以变得更智能、更快速。