智能网联汽车传感器与车载网络传输技术_张万军.pdf

37网络通信与安全Network Communication&Security电子技术与软件工程Electronic Technology&Software Engineering近年来，消费者对汽车产品有了更加安全、经济、智能、环保、舒适的要求，而随着智能汽车电子电器架构的飞速发展，对汽车舒适驾驶系统、多媒体及影音系统的需求越来越高，5G 技术的发展使得汽车智能化、自动化进程的加速推进，人工智能（AI）交互控制车辆的场景不断增加，对车载网络技术与智能网联汽车传感器的发展提出新的要求，车内、车外的联网需求都不约而同的提出了更多网络带宽的需求。为此智能网联汽车传感器和车载网络传输技术的研究在当前或者之后几年是一项重要的研究课题。1 智能网联汽车传感器1.1 激光雷达激光雷达是向目标发射激光束（发射信号），探测、跟踪和识别目标反射回来的激光束（目标回波）获得被测目标的参数（方位、距离、速度等）进行比较。智能网联传感器汽车ECU通过网络传输读取激光雷达数据，进行高效的智能决策、协同网络控制对汽车进行控制。1.2 毫米波雷达 毫米波雷达的波长介于厘米波和光波之间，是工作在毫米波波段探测的雷达。毫米波波长为 1 10 mm，频域为 30 300 GHz。毫米波具有天线波束窄、分辨率高、频带宽、抗干扰力强等特点，它能分辨识别很小的目标，而且能同时识别多个目标;具有体积小、成像能力强的特点，在智能网联汽车上安装毫米波雷达有很大的好处。1.3 超声波雷达车载超声波雷达传感器，一般安装在汽车的保险杠上，通过超声波发射装置向外发出超声波，通过接收被测物体回波的时间差来测算距离。在短距离雷达测量中具有非常大的优势，多用在倒车测距雷达上。当倒车时，在驾驶室内听到“滴滴滴”的声音，就是根据超声波雷达的检测距离给司机的反馈信息。一般来说，超声波雷达的发射频率越高，探测灵敏度更高，但发射频率越高，在垂直与水平方向的探测角越小。超声波雷达探测范围在 0.1-3 米之间，精度较高，防水、防尘效果好，即使有少量的泥沙遮挡也不影响，因此非常适合应用于泊车。1.4 双目摄像头双目摄像头一般是固定焦距的，无法像人眼一样快速变焦，利用三角测量原理，通过比较两幅图像的视差计算来确定距离，精度相对较高。双目摄像头每秒处理的图像在 20 帧左右，每秒处理的数据量巨大，测距计算量大、系统性能要求高、立体算法匹配难度大，需要对每一个像素点都做立体匹配，存在如对摄像头间误差精度要求高等诸多挑战。2 智能网联汽车网联传输技术2.1 CAN总线控制器局域网络简称 CAN 总线，为了抵消阻抗、提高数据通信的抗干扰性和信号质量，通常在 CAN-High 终端加 1 个 120 的终端电阻，CAN-Low 不加终端电阻。智能网联汽车传感器与车载网络传输技术张万军（天祝藏族自治县职业中等专业学校 甘肃省天祝藏族自治县 733299）摘要：本文通过介绍智能网联汽车激光雷达、毫米波雷达、超声波雷达、双目摄像头等传感器技术。车载网络传输 CAN 总线技术、LIN 总线技术、FlexRay 总线技术、MOST 总线技术、车载以太网 Ethernet 技术。阐明智能网联汽车传感器的信息交换主要是靠车载以太网络来进行传输的。未来智能网联汽车运用信息通信、互联网、大数据、云计算、人工智能等新技术，具有部分或完全自动驾驶功能，由单纯交通运输工具逐步向智能移动空间转变的新一代汽车，这些技术将大大满足先进驾驶辅助系统。关键词：传感器；双目摄像头；CAN 总线；车载以太网38网络通信与安全Network Communication&Security电子技术与软件工程Electronic Technology&Software EngineeringCAN 总线通信接口对物理层及数据链路做了功能定义，可通过数据帧报文（帧起始、控制部分、仲裁部分、数据部分、响应部分、CRC 部分及帧结束）来完成位填充、数据块编码、循环冗余校验（CRC）、判别优先级等工作。节点没有主从，没有地址且平等，通过仲裁来解决传输冲突的问题，仲裁时通过数据帧报文的仲裁部分判断优先级，优先级高的将获得总线的优先使用权，优先级低的则等待下个时钟信号，发送数据帧的节点通过 AND“与运算”淘汰掉低优先级的信息。某个节点上的设备坏了不影响其他节点和通信系统，新添加的节点设备不会对其他现有的节点有任何的影响，也就是所说的即插即用。随着车载网络传输技术的发展，CAN 总线开始显现速率劣势，传统 CAN 总线数据一般为 0 到 8 个 Bytes，新一代的 CAN FD（Flexible Datarate）数据加载量更大，可以达到 64 Bytes，传输速率可以达到 5 Mbit/s 甚至更高，这样增加了带宽并可在短时间内传输更多的数据。但 CAN FD 对拓扑结构有限制，设计自由度较低。第三代 CAN 总线 CAN XL 支持传输 2048 Bytes 数据，速度达到了 10+Mbit/s，并且增强了循环冗余校验（CRC），实现了更高的传输安全性。2.2 LIN总线LIN 总线是一种低成本、低复杂度的简单通信场景总线。LIN 总线为单主多从式总线，无需总线仲裁，速度慢、节点少、单线制、采用星型拓扑结构，节点数最多为 16 个，只有一个主控制单元及最多 15 个从控单元，主控单元包含主控任务外还包含从控任务。LIN 总线速度慢从 2.4 K 到 19.2K bit/s，数据帧短，帧率大约是 100 帧/s，数据只有三种选择，2 Bytes，4 Bytes 和 8 Bytes。对于汽车网络通信中，如车灯，雨刷，喇叭，门，窗，锁等功能的传感器、执行器进行信号采集和目标控制通信不求最快，追求的是够用和性价比，LIN 总线成本低是最好的选择。LIN 总线是按照半双工的方式工作，以无晶体振荡器或陶瓷振荡器进行时隙分配，所有节点按照固定的周期完成自己的任务收发数据，当主节点进行广播，发出报文，从属节点接受报文和采集信息，可以完成两个从节点之间一收一发。LIN 总线的数据帧报文结构非常的简单，由起始部分（同步域、同步间隔域和标识符域）和响应部分（校验域、数据域）组成。2.3 FlexRay总线FlexRay 总线，是具有高效网络利用率、故障容错能力和系统灵活性的总线技术，结合时间触发和事件触发两种触发方式，可在星形网络拓扑和无源总线两种或两种组合的拓扑结构中应用。每种拓扑结构可容纳 22个节点，两种组合最多可容纳 64 个节点。两种拓扑结构均支持双通道 ECU，可提供容错冗余功能并集成多个系统级功能，两个通道的最大数据传输率达到20 Mbit/s，可在同一时间点设置两通道互为容错冗余备份。应用在对时间确定性和误差容限极高的更高阶的线控（X-By-Wire）应用场景，暨动力总成和车身控制等方面予以应用。FlexRay 总线的数据帧报文拥有静态起始部分（5 Bytes 共 40 位的帧头部分，用来识别及触发优先级的确认）和动态有效负载部分（0 到 254 Bytes，用来配置选择数据）和结束 NIT 部分组成（3 Bytes24 位，包含起始部分 CRC 与有效负载部分 CRC，用来检测错误）。2.4 MOST总线MOST 总线，在物理层是一种内芯为 1 mm 的聚甲基丙烯酸甲酯（PMMA）带塑料保护套的光纤。其传输方式有三种：光纤传输、非屏蔽/屏蔽双绞线传输、同轴线传输。最高数据传输速率为 24.8 Mbit/s，远远高于其他总线传输速率，MOST 的数据帧报文采用 16 个帧的块，帧重复率为 44.1 kHz（每帧 22.67 ms）。可将网络内的任何设备指定为主设备，其它所有结点都从主设备处获得自己的时钟信号。主要面向汽车多媒体和影音娱乐设备。MOST 总线可以采用多种拓扑结构，主要包括星形拓扑结构和环形拓扑结构，大多数汽车装置都采用环形拓扑结构布局。当总线通电时，MOST 网络中的所有节点全部激活，即进入的数据从接收器直接传送至发射器，以保持环路的畅通。这就导致功耗量以及如何进入状态、低功耗、停电模式设计是一大重点。2.5 车载以太网39网络通信与安全Network Communication&Security电子技术与软件工程Electronic Technology&Software Engineering车载以太网可以说是汽车智能化，网联化，共享化的一个根基技术。车载以太网自 1980 年至今，通过 IEEE 组织、OPEN Aliance SIG 组织、AVNU 组织、AUTOSAR 组织与宝马、博通公司等，规范了车载以太网符合 OSI 模型的整体架构，为传统以太网到汽车领域的应用拓展发挥了十分关键的作用。以太网是针对的物理层和数据链路层的概念，以太网 Ethernet 很有可能会慢慢取代 Flexray 总线技术和 CAN 总线技术。车载以太网 OSI（Open System Interconnection）通常被认为是一个四层协议系统：包括物理层、数据链路层、网络层、应用层。其中每一层都运行不同的协议，只有统一通信规范时，才能实现网络互联化，每一层都具有不同的功能。3 未来智能网联汽车传感器与车载网络技术发展方向未来智能网联汽车搭载先进传感系统，运用信息通信、互联网、大数据、云计算、人工智能等新技术，具有部分或完全自动驾驶功能，由单纯交通运输工具逐步向智能移动空间转变的新一代汽车。先进的传感器系统是以感知/计算机视觉为主的认知智能传感器、以自然语言识别为主的交互智能传感器，以神经网络/深度学习为主的决策智能传感器。3.1 感知层雷达和视觉融合趋势明显以特斯拉为代表的视觉算法：以摄像头主导、可搭配毫米波雷达，不使用激光雷达、高精地图等，不依赖外部车联网基础设施。其通过海量数据和庞大的计算能力去训练自动驾驶的神经网络。激光雷达主要包括激光发射（光源）、扫描（光束操纵）、接收（光电探测）和信息处理（测距方法）四大系统，每个系统下有不同技术路径。其中，光束操纵是最复杂、最关键的技术维度。从激光波长看，目前最主流的是905 nm（70%占比），但 Luminar 等公司选用的是 1550 nm。905 nm 激光器可以直接选用价格较低的硅材质发射器，技术成熟、成本可控。而 400-1400 nm 波段内激光都可以穿过玻璃体、不会被晶状体和角膜吸收，聚焦在视网膜上，因此 905 nm 激光雷达为避免对人眼造成伤害，发射功率需控制在对人无害的范围内，因此其探测距离受到限制。从光束操纵方式看，技术路径多样，沿机械式半固态固态的方向发展。混合固态作为当前过渡期主流，纯固态将会是激光雷达终极形态，芯片化架构是未来激光雷达发展方向。芯片化架构的激光雷达可将数百个分立器件集成于一颗芯片，降低物料成本和人力生产成本，同时器件数量减少也显著降低了因单一器件失效而导致系统失效的概率，提升了可靠性。（1）机械式：通过不断旋转发射头，将激光从“线”变成“面”，达到 3D 扫描目的。优势：扫描速度快、精度高、技术成熟，可实现 360 度扫描。劣势：成本高昂、装配复杂、生产周期长，BOM 成本较高难以达车规量产要求，平均时效仅 1 千至 3 千小时但车厂要求最低 1 万 3 千小时。（2）混合固态：即收发模组固定+转动镜子，镜面转动配合可扫描多个平面，如 96 个平面即等效 96 线（垂直方向），以实现扫描效果。MEMS 微振镜式。优势：集成度高、尺寸小、批量生产成本低、分辨率高、采集速度快。劣势：微振镜、悬臂梁等结构脆弱，工作寿命较短、有效探测距离短、视场角窄（小于120度），多用于近距离补盲或前向探测。目前，目前 MEMS 振镜方案没有过车规的产品。棱镜式通过 2 个斜面柱状镜头组合，调整棱镜转速以控制扫描区域，扫描图案形状若菊花。优势：点云密度高、探测距离远、可靠性更高、符合车规。劣势：单个雷达 FOV 较小、对电机轴承有较高要求。如大疆Hap 即为棱镜方案。转镜式是反射镜面围绕圆心不断旋转，从而实现激光的扫描。在转镜方案中，也存在一面扫描镜（一维转镜）和一纵一横两面扫描镜（二维转镜）两种。一维转镜线束与激光发生器数量一致，而二维转镜可以实现等效更多的线束，在集成度和成本控制上存在优势。（3）纯固态：不再包含任何机械运动部件。主流是 Flash，不是以来回扫射的方式，而是拍照射出一片发散的激光。优势：体积小、结构简单、成本低、采集信息量大、技术成熟、易过车规。劣势：功率有限、探测距离短（50 米以内）、精度不高，主要用于补盲或低速自动驾驶。从测距方法上看，主要可以分为飞行时间（ToF）测距法、基于相干探测的调频连续波（FMCW）测距法、40网络通信与安全Network Communication&Security电子技术与软件工程Electronic Technology&Software Engineering及三角测距法等。ToF 是目前中长距主流方案，FMCW难度较大，但随 FMCW 整机和上游成熟，两者未来将并存。目前国内车型搭载的激光雷达，扫描方式基本都采用转镜方案，激光发射器采用 905 nm 和 1550 nm 都有。典型车型搭载情况如下：技术路径迭代带来的成本下降是推动激光雷达上车的重要因素。整体车载激光雷达的应用会呈“成本降低、性能提升（视场角和分辨率、信噪比、雨雪天气抗干扰性、相互间防扰、可靠性）、固态化、满足高级别自动驾驶功能安全”的方向进一步发展。3.2 声光电融合交互，智能驾驶更加舒适未来智能座舱需在有限空间去发掘驾驶以外的新场景价值，通过精准感知和理解个人行为数据，在视听触嗅和体感上为用户提供主动、智慧、个性化、情感化、拟人化的交互体验。空间定义：趋于自然交互、万物互联、生态服务、个性化千人千面。上车场景（当前涉及数字钥匙、提前调温、智能召唤等）；驾驶场景（当前涉及导航、方向盘及座椅加热、按摩、中置安全气囊、路噪消减等）；睡眠场景（当前涉及可调节座椅、空气净化/香芬、床垫/枕头、鞋收纳、闹钟等）；娱乐场景（当前涉及游戏、视频、K 歌、移动影院、沉浸式环绕声等）；户外场景（当前涉及露营、无人机环绕跟车、太阳能车顶、外接电源、车载冰箱等）；办公场景（当前涉及 Wi-Fi5 下的 VR 设备多屏办公、AR 替代大屏实现裸眼全息等）。新技术的应用：生物体征识别：情绪识别、虹膜识别等，以及未来更先进的脑机，是未来智能汽车无感体验的最核心交互方式之一。当前生物传感器的布置方案成本高，传感器与用户的接触和佩戴体验差，检测精度受限于传感器的接触方式。虚拟现实：未来屏幕将被各种先进的显示技术代替，如透明显示玻璃、全息影像、智能表面，也会有 AI 虚拟人（智能管家）的参与，无屏界面带来更加便捷自然的交互体验。多通道交互方式 MCUI：实现多设备协同和跨设备场景迁移的价值特征。4 结语车、路、行人、云等和汽车相关的边界信息与智能网联汽车传感器的信息交换主要是靠车载网络来进行传输的，更加高效快捷的智能决策系统、环境感知系统、协同网络控制功能，人工智能 AI 实现智能网联汽车的安全、经济、智能、环保、自动舒适驾驶，终将辅助或替代人工驾驶。智能网联汽车激光雷达、毫米波雷达、超声波雷达、双目摄像头等传感器将会向更加精确、人工智能识别的方向发展。CAN 总线、LIN 总线、Flexray总线、MOST 总线以及车载以太网网络传输技术等网络传输技术是竞争的关键，目前还未达到相应数据和技术完美闭环的阶段，未来 Wi-Fi 网络传输技术应用到汽车网络传输技术将大大满足先进驾驶辅助系统、车联网、大数据、娱乐影音系统对传输速率和汽车制造成本降低的要求，车载以太网络将会发展成主要的车载网络，而CAN 总线技术等总线技术也不会消失，在低容量通讯场景下使用。参考文献1 杜志华.汽车车载网络总线的发展现状 J.汽车维护与修理,2022,11(434):64.2 毛开凯.基于 3G 传输的纯电动汽车远程跟踪数据采集模块开发 D.上海大学,2014,07(04):81.3 苏保国.无人驾驶汽车的先进技术与发展 J.内燃机与配件,2020,05(9):236.作者简介张万军（1989-），男，甘肃省天祝藏族自治县人。大学本科学历，中专讲师。研究方向为汽车运用与维修专业教育教学工作、汽车总线控制技术、新能源汽车电控系统等，具有多项汽车产品国家实用新型专利。