多感測器融合為當今車輛設計要角

TrendForce集邦諮詢旗下拓墣產業研究院認為，多感測器融合是ADAS與ADS系統發展核心之一，依靠單一感測器的主動安全方案將逐漸減少，目前感測器以鏡頭、毫米波雷達與超音波雷達互相搭配為主，光達則應用於自駕商用車或無人車居多。

因無完美感測器能進行完整的環境掃描，使得多感測器融合的重要性提升，透過多感測器資料消除個別感測器的錯誤輸入。

圖：3種融合方式

Source：W. Elmenreich.；拓墣產業研究院整理，2021/01

此外，冗餘概念下，需透過不同感測器擅長的偵測能力，相互驗證下產生可靠度最高的結果，並在單一感測器無作用時，仍能維持基本運作，避免駕駛與其他用路人受傷。

資料融合無標準方式，演算法是其重點

當感測器數量與型別越來越多時，如何將這些異質感測器進行時間與空間同步、耗能、散熱、演算法等的挑戰多且複雜。多感測器融合的方式目前並無標準，各車廠作法皆不同，廠商側重的感測技術或擅長處理之資料、用於前裝或後裝市場等，都會影響使用的融合方式與架構。

在多感測器融合過程中，核心演算法仍扮演最重要角色，也是車廠急於發展的部分，因此AI Deep Learning廠商在這波自駕車感知融合發展中將具有優勢。

前融合與集中化架構使車廠主導性增加

因車輛感測器數量不斷增多，在感測器端進行感知計算後再將辨識結果傳送到後端處理器進行融合的後融合方式，逐漸被前融合取代，前融合優勢是能對環境進行完整描述後，透過唯一一套演算法給出決策。

該發展與車輛走向集中化架構發展有關，傳統車輛中，高達上百個ECU的分散式架構在感測器增多後將過於複雜，加上車廠希望自行開發自動駕駛的核心演算法，因此逐步走向集中化架構。

對想自主開發軟體的車廠，Tier 1能提供的是硬體整合，對Tier 1而言將降低價值，但對無法自主開發演算法的車廠來說，則會比過往更加依賴Tier 1提供的軟硬體整合方案，而朝向兩極化發展。

Source：拓墣產業研究院