QQ
微信
IHS Technology指出，传感器融合ECU市场预计将在2015到2025年间以20%的CAGR成长，成为汽车产业中成长率最高的应用领域……
很快地，汽车生态系统将受惠于高性能自动驾驶解决方案的驱动力。IHS资深分析师Akilesh Kona解释，其原因就在于为了实现车辆的自动驾驶功能，它需要与环境有关的可靠信息。然而，需要可靠的信息意味着需要不同且大量的传感器类型。
一般来说，先进驾驶辅助系统(ADAS)利用周围环境的360度现场影像。这些影像来自相机、雷达以及一部份的超音波等各种不同的传感器，并进行运算。之以必须使用这么多不同传感器的原因就在于每一种传感器类型都存在某种限制。
例如，相机在低光或天气情况不佳时的影像质量较差。雷达传感器则较少受到天气情况影响；不过，其影像质量也因为分辨率低而表现较差。光达(Lidar)传感器提供较佳定义的影像，但在迈到下雨、雪或冰雹时也影响其表现。然而，融合所有这些传感器讯号，则可实现可靠、高解析影像，以及足够冗余用于自动驾驶等安全至关重要的应用。
这种情况有利于新创公司贡献其专门知识。而且，IHS指出，由于老牌厂商希望保持竞争力，开始透过收购取得所需的专业知识。例如，通用汽车(General Motors；GM)收购了自动驾驶技术公司Cruise Automation、Delphi收购卡内基梅隆大学成立的Ottomatika，以及Dura Automotive Systems与Green Hills Software合作，共同开发自动驾驶车用的传感器中枢模块。
因此，对于传感器算法与平台的需求，为汽车产业价值链创造了新的成长市场。IHS指出，在2015年，只有4%的新车平台内建传感器融合引擎控制单元(ECU)，用于实现环景停车辅助与安全至关重要的功能；然而，在2025年以前，这一数字预计将提高到21%。
预计在2015到2025年间，传感器融合ECU市场的复全年成长率(CAGR)约达到20%，成为汽车产业中成长率最高的应用组件——为新的供货商提供一个从各种不同层次供应链进入汽车市场的机会。
半导体业界也正致力于提供高性能运算解决方案，以满足传感器中枢所需的艰巨任务。例如，恩智浦半导体(NXP)开发出BlueBox、 Mobileye推出EyeQx以及最新一代的EyeQ5平台。在某种程度上，芯片厂商还可以借用消费市场类似设计所产生的专业技术。
深学习技术和机器视觉，被视为是解决自动驾驶决策问题的好办法。然而，这些技术对于汽车产业仍是新领域。这些领域的专业知识可在催生新创公司与拆分公司的研究机构与大学中找到。正如IHS分析师Akilesh Kona所说的，这些公司——如果未被老牌公司收购——为这一产业链开启了新的发展方向。
- 下一篇：松下助力G20峰会 缔造完美视觉盛宴
- 上一篇：传感器在市场广大的无人机上如何应用？
