電子技術設計 發表於 2021-01-07 11:31:22
智能感知技術在汽車、機器視覺和邊緣人工智慧等領域的應用越來越多。汽車是非常傳統的行業，最近幾年，電力化和智能化的發展為這個行業帶來了新的動力，各種感知產品的應用使汽車變得更安全、更舒適。
機器視覺同樣是一個歷史很悠久的行業，其應用廣泛且多樣化，涵蓋了包括電子製造、平板檢測、機器人、物流等在內的多個細分市場。
目前，中國已成為全球機器視覺市場增長最快的國家。邊緣人工智慧是新興市場，主要是由人工智慧、5G、IoT等新技術推動，發展非常迅速。
圖1：感知技術應用於汽車、機器視覺和邊緣人工智慧等領域。
安森美半導體近日舉辦了「智能感知策略及方案」在線媒體交流會，智能感知部全球市場及應用工程副總裁易繼輝分析了重點應用市場的需求和趨勢，介紹了安森美半導體最新的智能感知發展策略，以及全方位智能感知技術和方案。
圖2：安森美半導體智能感知部全球市場及應用工程副總裁易繼輝。
CMOS圖像傳感器的發明者
安森美半導體在成像傳感器行業有超過40年的歷史，在傳感技術方面經歷了多次併購，如Cypress的CMOS 圖像傳感技術、TRUESENSE的CCD圖像傳感技術，以及Aptina的高容量CMOS 和汽車圖像傳感器。
TRUESENSE的前身是柯達影像，柯達影像的核心技術來源于貝爾實驗室CCD影像。Aptina的前身是美國航天宇航局JPL噴氣式推動器實驗室。1993年，JPL為了阿波羅登月開發出全球首款CMOS圖像傳感器。27年過去了，CMOS圖像傳感器已得到廣泛應用。
從三年前開始，安森美半導體又陸續收購了IBM在以色列的毫米波雷達研發中心，以及專注於飛行時間(ToF)雷射雷達傳感器開發的愛爾蘭SensL公司，以滿足汽車自動駕駛、機器人、醫療成像等對LiDAR及傳感器融合的需求。
圖3：安森美半導體是CMOS圖像傳感器的發明者。
隨著第四代工業革命的到來，人工智慧對人類社會產生了巨大的影響。史丹福大學人工智慧專家、被人尊稱為「人工智慧之父」的Andrew Ng認為人工智慧是新的電力，如同第二次工業革命電力一樣，給整個人類帶來了深入的改變；數據是人工智慧的動力和發動機；感知是數據的燃料。
「安森美半導體的全系列智能感知方案包括圖像感知、多光譜、高光譜的感知，以及雷射雷達感知、毫米波雷達感知和傳感器融合等，這一切推動了AI和第四次工業革命的進步，」易繼輝說：「如果把人工智慧比作大腦，那麼我們就為大腦提供了眼睛。」
圖4：安森美半導體的全系列智能感知方案。
汽車感知爆發式成長
未來的汽車是一個架在四個輪子上、具有極強感知能力的計算機。ADAS攝像頭、倒車攝像頭、電子車鏡、駕駛員監控、乘務員監控、毫米波雷達和雷射雷達，現在最好的汽車感知系統已經遠遠超過了人類的感知能力。
「汽車成像是給人眼看的，如駕駛員、乘客、後視、環視、電子後視鏡，安森美半導體在全球佔>60%的市場份額；汽車感知是供人工智慧和機器視覺用的，安森美半導體佔全球>80%的市場份額，而且在逐年擴大。」
易繼輝介紹說，在人眼視覺中，圖像是為人眼所見並欣賞的，因此通常需要做到清晰、細緻、色彩豐富且美觀；而在機器視覺中，圖像需提供足夠的信息，例如邊緣、形狀、大小等，供算法讀取並理解。
汽車成像主要面臨三大挑戰：
一是寬動態，例如從灰暗的地庫開到正對太陽強光的戶外，夜晚在對向遠光大燈照射下感知樹蔭下的行人，這些都需要圖像傳感器具有高動態範圍。
二是環境條件，汽車應該能在東北零下幾十度的環境下行駛，也能在沙漠或者南方的高溫條件下駕駛。
三是對圖像傳感器來說十分獨特的挑戰：辨別LED指示牌和交通燈。圖像傳感器有時會因為頻率不同步而捕捉不到信號，這對於駕駛員人眼來說並不是問題，但對機器視覺卻是很大的挑戰。
圖5：汽車成像面臨三大挑戰。
隨著車聯網的發展，未來的自動駕駛汽車不僅是「可靠的汽車」，更是「可信的汽車」，具有功能安全性和網絡安全性。「Hayabusa是整個市場具有最高寬動態效果和第一款具有網絡安全功能的產品，最近已經上市。」易繼輝說。
易繼輝提到智能駕駛艙也越來越受重視，例如駕駛員識別、車椅位置調節、空調溫度、乘客監控等。
圖6：智能駕駛艙可進行駕駛員識別、車椅位置調節、空調溫度和乘客監控等。
在談到自動駕駛時，易繼輝形象地介紹了L0~L5的概念。他說，L1叫做脫腳（feet off），腳可以自由；L2是脫手（hands off），手可以放開駕駛方向盤；L3是eyes off，駕駛員的眼睛可以不看了；第四級是mind off，腦子不用想了；第五級叫做limit off，即沒有任何局限、可以在任何場景下自動駕駛了。
圖7：中國汽車駕駛自動化分級的智能感知配置。
「從L1到L5，傳感器的數量和種類不斷增加。最大的差別在L3和L4，L4必須要雷射雷達，對L3，雷射雷達是可選的。」易繼輝認為，「L3仍然需要駕駛員控制汽車，L4則完全不需要考慮駕駛員。L3就像加減法，L4是微積分：加減法永遠算不出極限值，只有微積分才能算出極限值，所以只有在L4的情況下才能涵蓋所有極限情況。」
圖8：安森美半導體汽車感知+視覺的總體方案。
毫米波雷達在L1~ L5的不同自動駕駛級別上有不同的應用。安森美半導體開發了一種叫做「MIMO+」的專利技術，能夠提供4D信息：距離(R)、速度(V)、角度(A)、高度(E)，用於L3級的自動駕駛。
圖9：毫米波雷達技術在自動駕駛中的應用。
工業機器視覺和邊緣人工智慧應用
工業4.0、工業自動化、人工智慧使機器視覺市場快速發展。邊緣人工智慧不斷應用於一些新的領域，如新零售、智慧農業、畜牧業和農業。
「在新冠後疫情時期出現了一些趨勢：一是遠程化，遠程教學、遠程醫療越來越普遍；二是無人化，包括無人送貨車、無人商店等，減少了人和人之間的接觸，即無接觸化。」易繼輝說。
圖10：工業機器視覺及邊緣人工智慧市場增長。
易繼輝介紹，平板檢測是整個工業機器視覺行業中對圖像傳感器最具挑戰性的應用。從1K、2K、4K到8K，像素在逐漸擴大。
檢測過程分兩步：第一步是暗檢測，上電前主要檢測一些指紋、劃痕和其他物理問題；第二步是上電以後，特別是檢測OLED和最新的AMOLED（Active Matrix OLED）。
LED有一個亮板在後面作為發光源，而OLED和AMOLED的每個像素都是一個單獨發光源。像素和像素之間發光的強度和色彩的均勻度需要很準確地偵測出來，因而對圖像傳感器的要求很高。
過去檢測LED面板上的1顆像素，對應需要9顆像素(3×3)，檢測OLED則需要16顆(4×4)甚至25顆(5×5)像素，因此對圖像傳感器的像素要求越來越高，從4,500萬到1.5億像素，甚至超過2億像素。
圖11：平板檢測對圖像傳感器要求很高。
從下圖可以看出，圖像傳感器的解析度逐年提升，從過去的200萬、500萬、800萬、1200萬像素，到現在超過2000萬像素。對於同樣尺寸的圖像傳感器，噪聲導數逐年隨著像素的增大而不斷提高。帶寬也在逐年增加。
易繼輝舉例說，一個29 × 29mm2 的標準工業用攝像頭，十年前可能只是200萬像素，後來逐漸增加到300萬、500萬、1200萬像素，今年已經達到了1600萬像素，這是由技術推動的。這些技術包括：
全局快門，在高速運動下圖像不會有拖影；
像素內圖像校正，以前是在系統裡通過軟體校正，現在直接在硬體裡，即像素內部做圖像校正；
工藝節點，從110納米到65納米，再到45納米甚至更小，成本、尺寸、耗電量逐年下降；
背照式，可提高感光能力；
堆棧架構，將模擬和數位訊號放在第二層，人工智慧的一些算法放在第三層，實現高智能化的圖像傳感器。
圖12：1.3英寸固定尺寸圖像傳感器的發展。
「我們用NVIDIA Xavier Edge GPU做人工智慧訓練，精度可達97%，其中AR1335（1300萬）圖像傳感器可提供了高質量的圖像，提高了人工智慧的判斷精度。」易繼輝表示，「我們的目標是在工業機器視覺中利用人工智慧。」
圖13：採用AR1335圖像傳感器的水果新鮮度分類系統。
無接觸系統的成長潛力也非常大。安森美半導體的AR0230 HDR具有200萬像素及寬動態範圍，能提供很好的圖像質量，進而提高人工智慧的判斷精度，應用於無接觸付款以及飛機場、火車站、高鐵站等無接觸的通過閘口。
圖14：人臉識別付款應用（AR0230 HDR）。
結語
從第一次工業革命機械化到第二次工業革命電力化，到第三次工業革命計算機數位化，再到現在的第四代工業革命人工智慧化、信息化，人工智慧對人類社會的影響和改變遠遠超過計算機數字工業革命。
如果把人工智慧比作大腦，感知就相當於眼睛。安森美半導體提供了全面的感知技術，如圖像感知，多光譜、高光譜的感知，雷射雷達感知、毫米波雷達感知和傳感器融合等，所有這些技術都推動著人工智慧和第四次工業革命的進步。
責任編輯：lq
打開APP閱讀更多精彩內容
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴