【導讀】為了滿足消費者對更舒適、功能更豐富的駕駛體驗的需求，原始設備制造商 (OEM) 正面臨一項日益嚴峻的挑戰：擴展車內安全系統的傳感功能，以滿足不斷變化的法規要求，同時更大限度地降低設計復雜性和成本。歐洲新車評鑒協會（歐洲 NCAP）和其他標準即將發生的變化將改變新車的安全評分方式，從而鼓勵 OEM 在其車輛中加入更多傳感功能。
為了滿足消費者對更舒適、功能更豐富的駕駛體驗的需求，原始設備制造商 (OEM) 正面臨一項日益嚴峻的挑戰：擴展車內安全系統的傳感功能，以滿足不斷變化的法規要求，同時更大限度地降低設計復雜性和成本。歐洲新車評鑒協會（歐洲 NCAP）和其他標準即將發生的變化將改變新車的安全評分方式，從而鼓勵 OEM 在其車輛中加入更多傳感功能。
以往，要擴展車內傳感應用以支持乘員監控、車內兒童檢測和入侵檢測等功能，需要增加獨立的傳感器。然而，雷達傳感器 SoC 的最新創新技術通過深度學習（邊緣人工智能 [AI]）功能，現在可在單個器件中支持多項特性。通過經過訓練的算法對車內數據進行本地處理，有助于汽車系統設計師解決復雜性問題并更大限度地降低系統成本。
在本文中，本文將討論 OEM 面臨的設計挑戰，以及支持邊緣 AI 的 60GHz 雷達傳感器如何幫助汽車設計師解決這些問題。
車內雷達設計挑戰
為了應對最近的設計趨勢和法規要求，OEM 正專注于三種主要的車內傳感應用：用于安全帶提醒的乘員監測、存在檢測（特別是車內兒童檢測）和入侵檢測。這些傳感應用對于在整個駕駛過程中確保乘員的安全至關重要，如圖 1 所示。
圖 1：在整個駕駛過程中實現車內傳感
用于安全帶提醒裝置的乘員監測：如今，安全帶提醒系統依賴于座椅內重量網格傳感器，并針對每個特定座椅進行校準和調優。過去，這些系統安裝在汽車前排的兩個座椅上；然而，OEM 如今開始將傳感器放置在車輛的后排，以提高安全性并實現法規合規性。我們面臨的挑戰是，將傳感器放置在后排可能會使車輛中的傳感器數量增加一倍以上，并且需要額外的布線以及校準和調優時間。此外，重量傳感器網格無法區分生命物體和無生命物體（例如背包），可能會觸發錯誤的占位警報，從而可能影響駕駛體驗。
車內兒童檢測：隨著 2025 年歐洲 NCAP 的變化，只有直接檢測應用才能獲得停放車輛內兒童檢測的安全積分。為了滿足這些標準，OEM 可以添加額外的傳感器。可以重復使用超寬帶 (UWB) 傳感器進行車內兒童檢測，但要獲得必要的性能，需要再添加至少一個 UWB 傳感器。此外，如果沒有高分辨率數據，存在檢測系統可能難以區分兒童和成人，這是未來 NCAP 的另一項要求。
入侵檢測：入侵檢測系統在高端車輛上變得越來越常見。獲得 Thatcham Research 認證、包括入侵事件檢測功能的系統通常使用超聲波傳感器檢測車輛是否有入侵者。非侵入性動作（例如有人在車旁走動或由于附近活動導致的汽車晃動）通常會觸發這些簡單的系統。
使用邊緣 AI 幫助解決車內傳感難題
由于這些車內傳感應用具有日益嚴格的性能要求，OEM 開始尋找新的技術來降低成本和簡化設計。
AWRL6844 60GHz 毫米波雷達傳感器旨在通過單個器件幫助解決這些設計難題，同時還可將系統成本降低 20 美元。圖 2 比較了車輛中的典型傳感器分布與使用 AWRL6844 的單傳感器設計方法。表 1 展示了實施多種車內傳感應用時每個模塊的平均成本。
圖 2：當前車內傳感設計方法和使用單個 AWRL6844 的簡化方法的比較
表 1：用于實現車內傳感的傳感器模塊的價格明細
（基于普通用例）
AWRL6844 的 16 個虛擬通道可提供更高的空間分辨率，從而在車輛行駛時檢測和定位車輛中的乘員。對高分辨率數據進行 AI 處理有助于雷達區分有生命物體和無生命物體。這些算法可在短時間窗口內編譯數據，以便更快地對乘員進行可靠的檢測和定位，同時還能減少誤檢測。在集成數字信號處理器上運行的智能聚類算法還可以通過濾除車輛運動產生的噪聲，高度準確地確定車內是否有人。圖 3 展示了 AWRL6844 如何區分第二排座椅上的乘客和一堆水瓶。
圖 3：使用 AWRL6844 的占位定位和無生命物體識別演示
AWRL6844 的寬視場還提高了檢測腳部空間和后向汽車安全座椅中的兒童的能力，而這些區域通常是現有檢測系統的盲區。車內兒童檢測軟件采用混合處理方法，其中傳統雷達處理技術首先提取重要信息，而本地機器學習模型則利用實時數據建立一個區分成人和兒童的分類系統（示例如圖 4 所示）。這種混合方法能夠更快地調優和修改模型，以納入新的測試用例或要求，從而縮短 OEM 部署時間。TI 的物理信息神經網絡可幫助系統做出更明智的決策，分類準確率超過 90%。
圖 4：使用 AWRL6844 對后向汽車座椅上的嬰兒進行兒童存在檢測和分類演示
在入侵檢測方面，AWRL6844 集成的低功耗模式和機器學習價值鏈有助于增強檢測能力，而不會在車輛熄火時耗盡電池電量。AWRL6844 每秒可檢測和計算 10 次入侵檢測事件，功耗不到 50mW。這可以防止電池耗盡，在電池供電的電動汽車日益普及的情況下，這一點非常重要。除了低功耗外，AWRL6844 還通過在片上加速器上運行入侵檢測處理，更大限度減小器件上其他內核的干擾，從而在保持高精度的同時更大限度地縮短檢測時間。圖 5 展示了 AWRL6844 能夠濾除環境中的噪聲，以更大限度地減少因車輛晃動或車輛外部的運動而觸發的錯誤警報。
圖 5：AWRL6844 如何使用邊緣 AI 功能濾除噪聲以更大限度減少錯誤警報的演示
結語
對于 OEM 而言，在滿足嚴格的安全要求時，成本始終是一項挑戰。借助 AWRL6844，OEM 可以從低功耗應用擴展到高性能應用，而不必擔心針對單一用例集成三種獨立技術的復雜性。卓越的檢測、定位和分類功能，加上改進的誤檢測性能，最終可為消費者帶來更便捷的無縫體驗。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
