菜单

羲朗科学和技术,惯性导航和私自的芯片大战

2019年4月19日 - 美高梅mgm02233.com
羲朗科学和技术,惯性导航和私自的芯片大战

原标题:36氪首发 |
将十万元级的惯导产品做到万元级别,「羲朗科技」获联想之星400万元天使轮投资

惯性导航系统由于具有的输出信息不间断、不受外界干扰的独特优势;同时可以将多种传感器的信息以及车身信息进行更深层次的融合,为决策层提供精确可靠的连续的车辆位置,因而将成为自动驾驶定位信息融合的中心。

Analog Devices,
Inc.近日与Momenta联合宣布达成战略合作,双方在自动驾驶高精度地图领域展开紧密合作,共同推动自动驾驶安全落地。高精度地图能够为自动驾驶车辆提供准确、实时的信息,保障安全行驶,是实现自动驾驶不可或缺的一环。ADI与Momenta的首期合作已围绕高精度地图的建图与更新相关技术展开,ADI的惯导单元已应用于Momenta
L3级别面向高速公路的自动驾驶解决方案以及L4级别面向城市道路的自动驾驶解决方案。

多传感器融合成自动驾驶主流方案的当下,创业公司「羲朗科技」认为惯导的价值被低估了。创始人李刚分析,L4及以上的自动驾驶汽车,需要10-30cm的定位精度,就意味着需要惯导为主体的POS系统(Position
Orientation
System)与高精度地图信息融合。而适用于自动驾驶的供低成本高性能的惯导产品正是羲朗科技希望对外提供的主要产品。

随着智能驾驶的兴起和快速发展,预计惯性传感器在 2018
年的全球市场空间为1.6 亿美元,到 2022 年将达 9 亿美元。

相较成本更高的光纤惯导、激光陀螺仪等传感器方案,ADI的IMU具有更为出色的性价比。在一些极端恶劣天气条件下或者没有GPS信号的情况下,
IMU就成为自动驾驶重要的输入。

成立于2017年的羲朗科技主要做惯导组合产品的研发和销售,即采购基础的MEMS惯性传感器件(IMU)、配合辅助信息器件(如GNSS),整合自研的“传感器数据融合”算法,提供整套可商用的惯导组合产品。目前公司已获得来自联想之星400万元天使轮投资。

图片 1

“ADI一直致力于开发对无人驾驶至关重要的高性能、高可靠性、安全技术,ADI的传感器向无人驾驶系统提供了高保真、高可靠性的导航和感知信号”,ADI公司自动驾驶和安全副总裁Chris
Jacobs指出,“ADIIMU的高性能结合Momenta在软件算法领域的技术积累,双方通过此次合作共同为自动驾驶打造安全、可靠、可落地的解决方案。”

与市面上的同类惯导产品相比,羲朗科技的一大特色即高性价比,可在万元级别的惯导产品上实现十万元级别产品的性能,以MEMS惯性器件为基础,而无需高精度器件为基础,就有可能能实现高精端姿态、位置信息输出。

自动驾驶的前世今生

从高精地图的采集模式来看,众包制图因具有成本优势以及能够完成快速更新的特点而成为主流发展方向,尤其对于基础设施日新月异的亚洲市场。Momenta基于视觉的高精度语义地图具有可众包、精度高、更新快等特点。Momenta不仅拥有自己的制图车辆,而且可以利用在出租车、卡车、巴士等多种车辆实现规模化的众包部署,
打造“自动驾驶的大脑”。

一般来说,MEMS惯性器件具有较大零偏和比例因子误差,采用低成本MEMS器件的条件下,惯性传感器误差补偿技术、可靠惯导与辅助设备数据融合算法,是提高产品系统精度的重要手段。

智能汽车的终极目标是利用各种技术实现使车辆按照人的意愿自动行驶到达目的地。这个目标的关键是利用车载传感系统和信息终端实现与人、车、路等的智能信息交换,使车辆具备智能的环境感知能力,能够自动分析车辆行驶的安全及危险状态。

MomentaCEO曹旭东表示:“高精度地图是自动驾驶安全落地的坚实保障。ADI在IMU等领域拥有非常深厚的积累,其提供的高性能、高精度的传感器技术将帮助Momenta搭建精准、可靠、能够实现快速更新的高精度地图。Momenta与ADI将共同携手为自动驾驶和汽车行业赋能。”

依托团队在软件算法建模方面的多年积累,羲朗科技采用了多项技术加以解决:①对惯性器件进行出厂前的温度补偿和器件非正交标定,主要对温度变化的趋势项进行多项式补偿,并对物理结构的非正交误差进行出厂前标定,在补偿惯性器件的基础上计算车辆姿态,确保重力加速度在车体坐标系内准确分解;②搭建高精度转动惯量模型和惯导安装补偿模型,用于消除由于车辆杆臂效应造成的干扰加速度;③构建车辆动力学模型,分解离心力与哥氏力之间的耦合关系,消除车辆横向干扰加速度对车控的影响;④结合伪距、伪距率的微分关系以及惯性器件的微分关系建立联合偏微分方程组,在GNSS有效观测数据时可精确补偿陀螺零偏和比例因子残差。

世界各国及各大汽车公司都在布局自动驾驶。自上世纪 70
年代开始,自动驾驶汽车的发展经历了技术研究的兴起、自动驾驶技术可行性和实用性方面的进展等阶段,目前行业已经逐步进入到了市场化的阶段。

Momenta拥有世界顶尖的深度学习专家,如图像识别领域最先进的框架Faster
R-CNN和ResNet的作者,ImageNet 2015、ImageNet 2017、MS COCO Challenge
2015等多项比赛冠军。团队成员主要来源于世界顶尖高校以及知名高科技公司,拥有深厚的技术积累、极强的技术原创力和丰富的行业经验。

基于上述的技术,羲朗科技针对自动驾驶客车、AGV、智慧农机、巡检机器人等不同应用场景提供不同产品,售价从数千元到三万多元不等。

可见,自动驾驶已成为汽车行业发展的确定性趋势。自动驾驶最大的意义在于解放驾驶员的双手带来人类空间意义首次的无缝连接,智能汽车使汽车的角色不再局限于交通工具,可以是移动的生活空间,通讯工具,娱乐平台等更富有想象力的定位。

ADI在MEMS惯性传感器设计上已经拥有超过30年的经验,其MEMS IMU
在航空电子设备和智能农业领域拥有很多成功案例,这些应用场景有着和自动驾驶一样的需求。且ADI的IMU经过了市场广泛的检验,能在包括时变、撞击和震动以及各种温度条件、环境下保持诸如偏移、灵敏度、轴交叉灵敏度等关键参数稳定。

羲朗科技告诉36氪,目前针对AGV、智慧农机、巡检机器人的导航产品已进入小批量生产阶段,订单均在百套左右;适用于自动驾驶大巴导航设备的惯导产品进入中试后期,已进入国内第一梯队的大巴公司的最终PK阶段,预计10月份开始全车匹配测试,并开始签订小批量订货合同;适用于无人机及水下机器人的产品目前处于中试阶段,预计2018年底完成中试。

图片 2

图片 3

▲自动驾驶发展历程

惯导系统作为各类无人运载器的必备导航系统之一,已有数十年的历史,早期一直应用于军事用途。受造价昂贵、生产周期长、维护成本高等条件限制,多在飞机、火箭、航天飞机、潜艇等产品中应用,难以在民用领域推广。

欧美企业的自动驾驶技术处于领导者地位。根据市场研究机构 Navigant Research
发布了 2017 年的自动驾驶技术汽车公司排名,第一梯队领导者的 8家企业中,有
4 家美国企业、3 家德国企业联盟和 1 家日本企业,只有 1
家中国公司排入第二梯队行列。

十多年前,以低精度(相对于军用而言)的惯导与高精度GNSS实时动态差分(RTK)技术构成的POS系统产品已经十分成熟,并应用于精确测绘等工业领域,但其数十万元的价格,很难真正被用于民用级别量产的产品。

图片 4

近年来,惯导公司,如法国SBG
、荷兰Xsens、英国OxTS等均已推出3-5万元级别产品,但受制于精度,往往还只能用于无人船、农用机械等场景,受制于其价格,也很难应用于AGV等产品。因此,也为羲朗科技和产品提供了市场空间。

▲世界自动驾驶技术水平格局

惯导产品上游主要是惯性器件芯片和GNSS板卡(模组),有包括InvenSens、BOSCH、ST、ADI、MTi、合众思壮、北斗星通、上海司南、上海井融、NovAtel、Trimble等在内的多家供应商可选,使得羲朗原材料采购上有较多选择,且可实现1-2周的平均供货周期。

黄金发展期的背后驱动力

供应商的选择丰富,同时也意味着羲朗科技有可能面临多家竞品公司的竞争。李刚告诉36氪,目前公司的主要核心壁垒是建立在软件算法建模经验之上的,虽然在产品推出有有可能面临山寨的风险,但这些厂商的产品要真正达到商用仍需要大量数据的积累,而羲朗科技的技术已经在全国20多个省市1万多台车上经过了大约73万小时的测试,其他厂商重新获得丰富的测试数据需要大量的时间;另外在这期间,公司很可能已经与诸多大客户完成了产品联合开发和测试阶段,商业上很可能错过了市场的最佳时期。

政策、经济、社会、技术等多维因素的推动,极大地促进了中国智能汽车行业的发展。

一般来说,上游元器件行业,创业公司的成长很大程度上依赖于下游市场的繁荣,当前包括自动驾驶、AGV、智慧农机、巡检机器人等在内的几个行业都处于快速发展中,市场规模分别有望达到800万辆(2030年)、1.5万台(2018年)、
40 – 50 亿元(国内体量)、159亿元(2018年)。

政策层面,国家从战略层次进行规划,引导汽车行业向智能化方向做大做强。政府在《汽车产业中长期发展规划》、《国家车联网产业标准体系建设指南》等一系列文件中都提到要估计和促进智能汽车的发展。尤其是
2018 年1 月 5
日国家发改委发布《智能汽车创新发展战略》,对智能汽车的市场化做了长远的规划。

2017年羲朗科技已实现近百万元销售,2018年销售额达到数百万,团队预计2019年销售额可达数千万元。

图片 5

目前,羲朗科技组建了十多人团队。核心团队均来自航天院所,此前有多年惯导项目经验。CEO李刚此前还曾在一家车联网公司任副总经理。

▲智能汽车发展规划

现阶段,惯导领域国内上市公司主要有耐威科技(300456)和星网宇达(002829)两家,前者市值在70亿元左右,后者市值在30亿元以上。返回搜狐,查看更多

社会层面,自动驾驶可以给社会带来良好的效益,激发消费者兴趣、提升接受度。根据德勤对全球消费者的调查,中国消费者对自动驾驶技术保持了较高的兴趣和接受度,其中很大一部分原因是自动驾驶可以减少交通事故发生率、降低伤亡,同时也可以提升通行效率。

责任编辑:

图片 6

▲消费者对不同级别自动驾驶汽车的感兴趣比例

技术层面,新技术的发展为自动驾驶技术赋能。人工智能技术如深度神经网络的机器学习算法让车辆对周边物体的探测和分类能力大幅提高,传感器数据的融合也变得更准确;5G
的高带宽、低延迟、大容量数据传输特性可以为自动驾驶海量数据传输提供解决方案。这一系列新技术的发展为自动驾驶的发展提供了基础。

在政策、技术发展、社会需求等多维度因素的推动下,中国有望成为全球最大的智能汽车市场。根据基业常青经济研究院发布的《汽车如何走进智能时代》报告的估计。预计至
2030 年,汽车传感器市场规模将达到 2077 亿元,2017 年至 2030 年 CAGR 为
19%;由此推算国内智能驾驶市场规模至 2030 年有望达到 4154 亿元。

图片 7

▲国内智能驾驶市场规模趋势

图片 8

自动驾驶的发展现状

技术研发包括三种路径自动驾驶的分级方法比较公认的是SAE的
3016的方法:《关于自动驾驶系统的分级和术语定义》。此标准在2014年1月发表,于2016年9月进行改版。根据当前自动驾驶的发展现状,改版对很多定义做了更加细致的解释与说明。

按照 SAE J3016 的定义,自动驾驶的分类可分为 L0-L5 等 6
个级别;每个级别对转向及加减速、驾驶环境的监控、驾驶接管的执行要求的主体及系统使用的场景进行了严格的区分。目前自动驾驶处于
L2/L3 发展阶段,

图片 9

▲SAE 关于自动驾驶的定义分级

不同的厂商对自动驾驶的研发采用不同的路径,主要有以下三种路径:1.
逐级研发,由低级别的 L1/L2 驾驶辅助系统逐级向 L4/L5 系统研发;2.
跳过驾驶辅助系统,直接从高度自动驾驶 L4 系统切入;3.
以上两条路线同时实施。

图片 10

▲不同厂商对自动驾驶的研发路径

目前自动驾驶的量产车型处于 L2/L3 之间的状态。现已发布的量产车型中有处于
L3 的奥迪 A8、处于 L2.5 的 Tesla、还有处于 L2 的凯迪拉克 CT6
等。其中奥迪 A8 的配备 L3
级别自动驾驶,由于法规和监管等原因,功能并未真正开放,无法在公共道路中使用。

图片 11

▲自动驾驶量产车型进度表

惯性导航

自动驾驶核心中的核心

自动驾驶的核心内涵包括定位、感知、决策、执行四个部分,其中定位是决策和执行的前提。定位系统主要作用是确定车辆所处的绝对位置;感知层的主要作用是收集和解析出周围环境的信息;决策层基于对当前位置和周围环境的理解,做出实时的安全有效的执行计划;执行层则是按照决策层的计划进行。

图片 12

▲自动驾驶的核心框架图

定位系统主要是以高精地图为依托,通过惯性传感器和全球定位系统,来精确定位车辆所处绝对位置。其中,高精地图可以为车辆环境感知提供辅助,提供超视距路况信息,并帮助车辆进行规划决策。惯导系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统;而全球定位系统是通过卫星定位,在地球表面或近地空间的任何地点,提供三维坐标和速度的定位系统。二者的结合就可以取长补短,共同构成自动驾驶定位导航系统。

图片 13

▲自动驾驶的定位系统核心框架图

感知层主要功能是对环境信息和车内信息进行采集与处理,例如车辆的速度,方向,运动姿态和交通状况等,并向决策层输出信息。这一环节涉及到道路边界检测、车辆检测、行人检测等多种技术,所用到的传感器一般有激光雷达、摄像头、毫米波雷达、超声波雷达等。由于各个传感器在设计的时候有各自的局限性,单个传感器满足不了各种工况下的精确感知,想要车辆在各种环境下平稳运行,就需要运用到多传感器融合技术,该技术也是环境感知这一大类技术的关键所在。

图片 14

▲感知层利用多种传感器收集解析环境信息

决策层的作用在于接收来自车体自身感知器件以及来自车联网的网络虚拟空间信号,通过整合车载或云端处理结果,替代人类进行决策判断,输出车辆控制信号。例如在车道保持、车道偏离预警、车距保持,障碍物警告中,需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态,并做出下一步动作决策。这项技术相当于自动汽车的“驾驶脑”,以算法为核心,并通过半导体等硬件技术对高速运算提供支持。

图片 15

▲感知层、决策层的协调工作

执行层主要是在系统做出决策后,替代人类对车辆进行控制,反馈到底层模块执行任务。车辆的各个操控系统都需要能够通过总线与决策系统相链接,并能够按照决策系统发出的总线指令精确地控制加速程度,制动程度以及转向幅度等驾驶动作。

惯性导航是不可替代的关键定位技术,将成为自动驾驶定位信息融合的中心

在自动驾驶的定位技术中,高精地图、全球卫星导航系统(GlobalNavigation
Satellite System,GNSS)和惯性导航的是互相配合的。GNSS
通过导航卫星可以提供全局的定位信息,惯性导航可以提供不依赖于环境的定位信息。通过
GNSS
和惯性导航得到的定位信息与高精地图对比,得到车辆在地图中的精确位置,进而进行路径的规划与决策。

高精地图包含有大量自动驾驶所必须具备的信息。高精地图除了静态的地图信息外,还有大量普通导航地图所不具备的动态高精地图信息,比如道路拥堵情况、施工情况、是否有交通事故、交通管制情况、天气情况等动态交通信息。

图片 16

▲高精地图与导航地图比较

GNSS 定位可以为自动驾驶提供全局定位信息的来源。GNSS
是通过使用三角定位法,通过 3
颗以上的卫星,可以准确地定位地球表面的任一位置。同时,使用实时动态技术,GNSS
可以提供精确到厘米级别的定位精度。

图片 17

▲GNSS 定位技术原理

惯性导航(inertial navigation
system,INS)是一种使用了惯性测量单元(inertial measurement unit,
IMU)的以加速度测量为基础的导航定位方法。它不依赖于外部信息、也不向外部辐射能量的自主式导航系统,不受外界天气状况等影响。惯性导航系统除了可以获得车辆的位置和姿态外,还能够实时、准确的测量车辆坐标系内三个方向的加速度、角速度等信息,供决策控制系统精准控制车辆。惯性测量单元传感器以智能方式融合了精密陀螺仪、加速度计、磁力计和压力传感器的多轴组合,即使在复杂工作环境中以及在动态或极限运动动态下,精密的
IMU 也能提供所需的精度水平。

惯性导航将成为自动驾驶定位信息融合的中心

惯性导航在自动驾驶定位系统中具有不可替代性。惯导具有输出信息不间断、不受外界干扰等独特优势,可保证在任何时刻以高频次输出车辆运动参数,为决策中心提供连续的车辆位置、姿态信息,这是任何传感器都无法比拟的。

GNSS+IMU 方案是一种最常用的组成组合惯导系统的方案。GNSS
在卫星信号良好时可以提供厘米级定位,但地下车库和城市楼宇之间等卫星信号丢失或者信号微弱的场景提供的定位精度会大大下降。惯导可以不依赖外界环境提供稳定的信号,但它会有累积误差。

通过 IMU 与 GNSS
信号进行融合后组成惯性组合导航系统,可以发挥两者优势,并规避各自劣势。通过整合
GPS 与 IMU,汽车可以实现既准确又足够实时的位置更新。GPS
更新频率过低不足以提供足够实时的位置更新,IMU 的更新频率可以达到 100Hz
或者更高完全能弥补 GPS 所欠缺的实时性。GPS/IMU组合系统通过高达 100Hz
频率的全球定位和惯性更新数据,可以帮助自动驾驶完成定位。在卫星信号良好时,INS
系统可以正常输出得到 GPS
的厘米级的定位;而卫星信号较弱时,惯导系统可以依靠 IMU
信号提供定位信息。

图片 18

▲惯性组合导航系统的基本原理

惯性导航系统将成为自动驾驶定位信息融合的中心。由于惯导具有的输出信息不间断、不受外界干扰的独特优势,惯导可以在车辆运行中提供连续的测量信息,同时可以将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合,为决策层提供精确可靠的连续的车辆位置,姿态的信息,成为定位信息融合的中心。

图片 19

▲惯导系统作为定位信息中心融合其他模块提供的定位信息

以百度阿波罗的多传感器融合定位架构为例:惯性导航系统处于定位模块的中心位置,模块将
IMU、GNSS、Lidar 等定位信息进行融合,通过惯性导航系统解算修正后输出 6
个自由度的位置信息。

图片 20

▲百度阿波罗的惯性融合定位模块框架

准备起飞,2022 年全球惯导系统的市场市场空间将达 45 亿美元

车用高精度的惯性导航是随着智能驾驶的兴起新增的市场。根据半导体/传感器研究机构
Yole development 的估计,惯性传感器 IMU 的 2018 年的全球市场空间为 1.6
亿美元,到 2022 年将达 9 亿美元。惯性导航传感器价格一般是惯性导航系统的
1/5,由此测算惯导系统的全球市场空间在 2018 年为 8 亿美元,至 2022 年为
45 亿美元,对应 2018-2022 年 CAGR 为 54%。

图片 21

▲自动驾驶市场规模

短期看算法 长远看惯性传感器芯片

惯性导航系统在自动驾驶中的应用属于起步阶段,短期内竞争力主要体现在算法上。算法包括了
MEMS
惯性传感器的标定等硬件信息的处理,速度、加速度、航向及姿态的确定,以及与其他传感器信息、车身信息的融合等主要模块。算法的优劣决定传感器是否能发挥其最佳性能,也决定了惯性导航系统的稳定性和可靠性。

从长远看,惯性导航系统的竞争力在惯性传感器芯片。随着自动驾驶技术级别的提升,对
MEMS
惯性传感器芯片的性能要求将持续提高;同时随着惯性导航系统算法的不断成熟,通过算法优化来提升系统性能的空间越来越小,而对惯性传感器芯片硬件性能的依赖程度则会相应提高。MEMS
惯性传感器芯片的设计、制造、封测及标定将成为惯性导航系统中比较关键的环节。

图片 22

▲自动驾驶对惯性传感器芯片的基本要求

智东西认为,自动驾驶是汽车产业与人工智能、物联网、云计算等新一代信息技术深度融合的产物,自动驾驶是一个庞大而且复杂的工程,涉及的技术很多,它也是当前汽车行业与出行领域智能化和网联化发展的主要方向,已成为各国争抢的战略制高点及热点。

高精度行车定位技术以及高精度地图技术是自动驾驶汽车的两项核心技术,也是自动驾驶破局的关键点。在定位系统中,所有需要用到GPS的地方都需要使用惯性导航系统,例如车辆定位、激光雷达的GPS接口等。在GPS信号丢失的时候,惯性导航能够将定位信号模拟出来。但惯性导航系统成本昂贵,如何攻克惯导技术难关,如何生产大批量车规级惯性导航装置一直是业界难题。这些年随着各种利好,相信惯性导航行业的前景将是一片光明。

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图