自動駕駛（AD）和高級駕駛輔助系統(tǒng)（ADAS）依靠對車身周圍環(huán)境的精確感知來確保行車安全。世界各地的汽車制造商已經(jīng)開始利用先進的傳感器和算法來增強車輛對周圍環(huán)境的感知能力，并將駕駛安全提升到一個新水平。邊緣傳感器處理領域的市場領導者TERAKI近日發(fā)布了最新雷達檢測軟件，該軟件集成在英飛凌科技股份公司符合ASIL-D安全等級要求的AURIX? TC4x微控制器中，能夠以更高的精度和更少的計算負載準確識別靜態(tài)和移動物體。

英飛凌科技汽車微控制器產(chǎn)品營銷總監(jiān)Marco Cassol表示：“汽車雷達系統(tǒng)在經(jīng)歷了產(chǎn)品的迭代升級之后，其性能實現(xiàn)了躍升。其中，邊緣人工智能處理是幫助我們提高雷達性能的創(chuàng)新技術之一。TERAKI獨特的雷達算法應用到英飛凌全新的并行處理單元（PPU）中，能夠讓英飛凌的AURIX TC4x微控制器推動新一代雷達實現(xiàn)性能提升。”

TERAKI首席執(zhí)行官Daniel Richart表示：“通過完善算法，我們?nèi)〉昧耸掳牍Ρ兜男Ч?。我們的解決方案能夠以最小的數(shù)據(jù)計算負載，利用雷達信號準確檢測并正確分類接收區(qū)域中靜態(tài)和移動物體，從而為AD和ADAS應用提供必要的信息，實現(xiàn)態(tài)勢感知和決策控制。我們的最終目標是通過減少推理時間、降低資源受限設備所需的處理能力來確保證邊緣端的安全?！?br style="padding: 0px; margin: 0px auto;"/>
隨著雷達逐漸成為業(yè)內(nèi)標準的具有高性價比的信號處理技術，突破這項傳感器技術的局限性已成為當務之急。例如，各種干擾會嚴重降低雷達的探測性能，導致雷達在復雜的環(huán)境下無法對多個目標進行檢測，而且多目標檢測也需要更高的數(shù)據(jù)處理能力。此外，如果要準確檢測和正確分類靜態(tài)和移動物體，需要增加每幀的數(shù)據(jù)點并提供小于1度的角分辨率，以實現(xiàn)更高的雷達測量精度。

TERAKI的機器學習（ML）算法將通過處理原始數(shù)據(jù)和減少干擾因素來解決這一挑戰(zhàn)，同時作為一項認知功能剖析雷達捕獲的信息，在復雜的環(huán)境中準確識別目標物體以及點云障礙物和其他干擾因素，并減輕邊緣端的數(shù)據(jù)處理負載。與CFAR等其他雷達處理技術相比，TERAKI的ML探測增加了單個對象上的數(shù)據(jù)點，由此可以減少誤報，進而提高安全性。   

TERAKI的機器學習算法集成到英飛凌的AURIX TC4x微控制器中，在第一次快速傅里葉變換（FFT）后減少了雷達信號，能夠在相同的RAM/fps條件下將遺失錯誤率降低到了原有錯誤率的1/25。與CFAR相比，該算法的分類精度可提高20%，有效檢測率可提高15%以上。借助最新的雷達檢測軟件，TERAKI將改進邊緣設備的芯片組架構，以確保AURIX TC4x微控制器的實時處理能力，將數(shù)據(jù)采樣的比特率從原本的8位或32位降低至4位或5位，在不影響F1分數(shù)的情況下，減輕計算需求，從而使所需的內(nèi)存減少至原來的1/2。