感測器融合(sensor fusion)可望成為掌握自動駕駛挑戰時不可或缺的技術,它需要處理即時感測器資料的能力。根據市調公司IHS Technology指出,汽車產業至今尚未具備這樣的條件,從而為這一領域的新創公司以及著眼於收購這些新創公司的老字號業者帶來了機會。

很快地,汽車生態系統將受惠於高性能自動駕駛解決方案的驅動力。IHS資深分析師Akilesh Kona解釋,其原因就在於為了實現車輛的自動駕駛功能,它需要與環境有關的可靠資訊。然而,需要可靠的資訊意味著需要不同且大量的感測器類型。

一般來說,先進駕駛輔助系統(ADAS)利用周圍環境的360度現場影像。這些影像來自相機、雷達以及一部份的超音波等各種不同的感測器,並進行運算。之以必須使用這麼多不同感測器的原因就在於每一種感測器類型都存在某種限制。

20160622 IHS NT02

例如,相機在低光或天氣情況不佳時的影像品質較差。雷達感測器則較少受到天氣情況影響;不過,其影像品質也因為解析度低而表現較差。光達(Lidar)感測器提供較佳定義的影像,但在邁到下雨、雪或冰雹時也影響其表現。然而,融合所有這些感測器訊號,則可實現可靠、高解析影像,以及足夠冗餘用於自動駕駛等安全至關重要的應用。

這種情況有利於新創公司貢獻其專門知識。而且,IHS指出,由於老牌廠商希望保持競爭力,開始透過收購取得所需的專業知識。例如,通用汽車(General Motors;GM)收購了自動駕駛技術公司Cruise Automation、Delphi收購卡內基梅隆大學成立的Ottomatika,以及Dura Automotive Systems與Green Hills Software合作,共同開發自動駕駛車用的感測器中樞模組。

此外,半導體業界也正致力於提供高性能運算解決方案,以滿足感測器中樞所需的艱鉅任務。例如,恩智浦半導體(NXP)開發出BlueBox、Mobileye推出EyeQx以及最新一代的EyeQ5平台。在某種程度上,晶片廠商還可以借用消費市場類似設計所產生的專業技術。

深學習技術和機器視覺,被視為是解決自動駕駛決策問題的好辦法。然而,這些技術對於汽車產業仍是新領域。這些領域的專業知識可在催生新創公司與拆分公司的研究機構與大學中找到。正如IHS分析師Akilesh Kona所說的,這些公司——如果未被老牌公司收購——為這一產業鏈開啟了新的發展方向。

20160622 IHS NT02P1 感測器融合模組市場開始起飛,預計未來10年將以20%的CAGR成長

因此,對於感測器演算法與平台的需求,為汽車產業價值鏈創造了新的成長市場。IHS指出,在2015年,只有4%的新車平台內建感測器融合引擎控制單元(ECU),用於實現環景停車輔助與安全至關重要的功能;然而,在2025年以前,這一數字預計將提高到21%。

預計在2015到2025年間,感測器融合ECU市場的複全年成長率(CAGR)約達到20%,成為汽車產業中成長率最高的應用元件——為新的供應商提供一個從各種不同層次供應鏈進入汽車市場的機會。

編譯:Susan Hong

(參考原文:How sensor fusion impacts the automotive ecosystem,by Christoph Hammerschmidt)