翻译自——newelectronics，Neil Tyler
AutoSens是汽车传感器和感知技术的会议，它将工程师和其他参与ADAS和自动驾驶市场的相关人员联系起来。这一届是在比利时布鲁塞尔举世闻名的AutoWorld博物馆举行，行业领导者齐聚一堂，研究并评估了ADAS的最新发展。
到2025年，这个市场的价值预计将超过670亿美元，这并不都是智能科技发展的功劳，而是因为创新水平的提高，以及越来越多的加速汽车自动化和自动驾驶汽车的发展的举措的出台。
由于传感器变得越来越智能，设计工程师能够为更少的设备增加更多的感知功能。
然而，考虑到驾驶员安全，我们可能会将自动驾驶汽车提高到一个更高的标准，我们所看到的支持自动驾驶的增量创新表明，可能需要很长时间才能实现完全的自动驾驶。
随着工程师和科学家们对L4级和L5级的发展看的更加的现实，围绕自动驾驶汽车的炒作也开始降温，但未来仍将面临重大的挑战。有人还声称，到2020年，我们将看到大批自动驾驶汽车或机器人出租车出现在我们的道路上。
尽管如此，在传感器、计算机视觉和安全方面的持续研究正在取得了积极的进展。
9 月 18 日，比利时布鲁塞尔 AutoSens 展会上，CEVA 发布了第二代 AI 处理器架构 NeuPro－S，使深度神经网络工作负载的性能提高 50％，内存带宽降低 40％，功耗降低 30％。同时还推出了业界首创的深度神经网络编译器技术 CDNN－Invite API，通过统一接口，优化神经网络推理固件，从而支持 NeuPro－S 内核与定制神经网络引擎的异构协同处理。
NeuPro－S 和 CDNN－Invite API 适用于需要在边缘端进行 AI 处理的视觉终端设备，包括自动驾驶汽车、智能手机、监控摄像头、消费类摄像头、AR／VR 头盔、机器人和工业应用。NeuPro－S 可以对边缘设备中视频和图像中的物品进行分割、检测和分类神经网络，从而显著提高系统感知性能。通过减少使用外部 SDRAM 的高成本传输，NeuPro－S 可以支持多级内存系统。同时，NeuPro－S 还支持多重压缩选项和异构可扩展性，可在单个统一架构中实现 CEVA－XM6 视觉 DSP、NeuPro－S 内核和定制 AI 引擎的各种组合。
NeuPro－S 可以对边缘设备中视频和图像中的物品进行分割、检测和分类神经网络，从而显著提高系统感知性能。通过减少使用外部 SDRAM 的高成本传输，NeuPro－S 可以支持多级内存系统。同时，NeuPro－S 还支持多重压缩选项和异构可扩展性，可在单个统一架构中实现 CEVA－XM6 视觉 DSP、NeuPro－S 内核和定制 AI 引擎的各种组合。
NeuPro－S 系列包括 NPS1000、NPS2000、NPS4000，分别具有 1000、2000、4000 个 8 位 MAC 的预配置处理器。其中，NPS4000 具有最高的单核 CNN 性能，在 1．5GHz 时可达到 12．5 TOPS，并且可完全扩展，最高可达到 100 TOPS。
NeuPro－S 架构中集成的完全可编程 CEVA－XM6 视觉 DSP，不仅可以对 AI 实时处理，还可以同时处理图像、计算机视觉和一般 DSP 工作负载。
在自动驾驶领域，NeuPro－S 还提供了满足安全要求的解决方案，包括质量保证标准 IATF 16949、以及汽车标准 ISO 26262 和 A－Spice。
NeuPro－S 架构解决了这些设备中日益增多的数据带宽和功耗挑战。通过 CDNN－Invite API，我们降低了不断增长的神经网络创新者社群的准入门槛，可让他们从我们的 CDNN 编译器提供的广泛支持和易用性中受益，从而进一步扩展了在神经网络编译器技术领域无可争议的竞争优势。
Coccon激光雷达
自动驾驶技术的一个有趣应用是地理围栏车辆的开发（geo－fenced vehicles），这种车辆的行驶范围和能力都比较有限。
LeddarTech产品线经理Vincent Racine表示：“到2055年，城市人口将大幅增长，这就会导致道路上的汽车将翻一番，基础设施面临的压力只会越来越大。”“我们正面临着日益严重的交通堵塞、排放量的增加，如果我们发现自己被困在拥挤的道路上，我们的生产力将受到严重的打击。”
“我们看到服务于自动驾驶的航天飞机的需求正在增长，这些飞机将运行在地理围栏路线上。事实上，一些研究报告表明，到2025年，可能会有多达200万架这样的航天飞机投入使用，使4－15人沿着预定的路线行驶50公里。”
“汽车必须在拥挤的地区行驶，还要考虑行人、自行车和动物，所有这些的活动都很难预测。这就使得传感器在车辆的地位愈发重要。”
为了解决这个问题，LeddarTech开发了Leddar Pixell，这是一种用于地理围栏自动驾驶车辆的激光雷达。
拉辛解释：“LeddarTech的固态激光雷达技术能够为COAST Autonomous自动驾驶车辆优化安全性能，这项技术的坚固性与可靠性能适应严苛的驾驶环境，并通过消除其它传感技术留下的盲区，使其成为在停车启动应用中防止碰撞的首选技术。”
“它能对车辆周围的障碍物提供高度可靠的探测，适用于正在开发的感知平台，以确保乘客和弱势道路使用者的安全与保护。”
据了解，该解决方案已经被北美和欧洲十几家领先的自动驾驶汽车供应商采用。
拉辛指出：“至关重要的是，Pixell能够弥补用于地理定位的机械扫描激光雷达的局限性，在某些情况下，可能会产生盲区，可以达到几米，而这个解决方案没有死区或盲点。”
该传感器能够提供一个高效的检测解决方案，通过使用高度集成的SoC和数字信号处理软件组成的LCA2 LeddarEngine嵌入技术来覆盖关键盲点。
态势感知
虽然技术可以帮助我们提供更好的情景感知——看到东西，感知它们，然后将它们与用户的位置联系起来，但在这个领域仍有开发的潜力。
Outsight宣布推出了一款具有创新传感功能的自动驾驶汽车相机——3D语义相机（3D Semantic Camera）。这款相机采用低功率短波红外（SWIR）激光器，能够像激光雷达（LiDAR）一样扫描周围数百米的范围。结合Outsight的算法，这款3D语义相机不仅可以实时“看到”车辆周围的整个环境，还能够识别冰、布和皮肤等物体材料。
该公司将其描述为“一种革命性的传感器，为智能机器带来全面的态势感知。”公司总裁兼联合创始人Raul Bravo表示，“这是一个结合了软件和硬件的传感器，支持远程材料识别和全面的实时3D数据处理。”
Bravo解释：“这项技术提供了更高的准确性和高效性，使系统能够实时感知、理解并最终与周围环境进行交互。”
“机动性正在迅速发展，我们的3D语义摄像头将能够为L1－L3级ADAS中看到的人工控制机器带来完全的态势感知和全新的安全和可靠性，但它也将有助于加速与L4 － 5级自动驾驶汽车、机器人和无人机相关的全自动智能机器的出现。”
“Outsight则是第一个尝试在单个设备中提供完整的情境感知。它是一种可大规模生产的“一体化解决方案”，能够同时感知并理解数百米范围内的环境，包括物体的关键化学成分（例如人类皮肤、棉花、冰、雪、塑料、金属、木材等）。”
Bravo声称：“结合3D SLAM芯片功能（同时本地化和映射），这项技术可以实时交付现实。”
该摄像机通过其车载SoC提供可操作的信息和对象分类，但不依赖于“机器学习”。因此，功耗和所需的带宽都更低。这种新方案无需用于AI训练的大量数据集，并且，通过实际的物体“测量”消除了猜测。通过确定物体的材料，提高了相机实际“看到”内容的置信度。
Outsight的3D语义相机能够提供周围所有移动物体的位置、大小和速度信息，因此它不仅能够“看到”并测量，它还能够理解环境，为路径规划和驾驶决策提供有价值的信息。
这些例子表明，支持自动驾驶汽车的传感器技术正在发生质的变化，最重要的是，随着能力的增强和改进，传感器技术有助于降低部署的总体成本。