隨著自動駕駛核心技術的迅猛發展，駕駛員們對智能出行的期望也越來越高。但是，汽車如何才能“眼觀六路”，全面看清周邊環境并安全行駛？針對此問題，Qualcomm始終積極研發解決方案，為自動駕駛技術奠定穩固基礎。

不同傳感器相輔相成

正如人類在駕駛時通過感官感知周邊環境一樣，汽車也將可以通過自有的傳感器對外界形成可靠判斷。攝像頭、雷達、激光雷達、超聲波雷達或蜂窩車聯網通信技術（C-V2X）等各具優勢，彼此之間相互補充、相輔相成。

攝像頭能夠幫助汽車感知周邊環境（如讀取路標信息等）；激光雷達可對目標空間生成高清三維圖像，在不同光照條件下，均能有效工作；雷達反應靈敏且探測范圍廣，可直接檢測速度，其功能不會因為光線不佳或氣候惡劣而大打折扣。當汽車同時搭載上述所有傳感器時，汽車能夠以絕佳的視野“看清”周邊環境。

機器學習提高雷達靈敏度

上述每一種傳感器的感知能力正在不斷提升，讓汽車能夠更好地感知周邊環境、自動行駛?？梢哉f，雷達有望成為自動駕駛汽車最寶貴的傳感器。然而，在結合人工智能技術之后，雷達的功能是否會變得更為強大？

使用雷達時，其接收器可以捕捉回波。傳統的雷達算法將接收到的信號壓縮成稀疏點云，再對其進行分析，由此獲得周圍物體的相關數據。這一信號處理方式存在一個問題，即在數據壓縮過程中丟失了許多細節。有鑒于此，我們的人工智能研究團隊開始探尋直接分析原始雷達信號的方法。

我們在機器學習技術中找到了解決方案。通過將機器學習技術直接應用于雷達信號處理，我們改進了幾乎所有現有雷達的功能、增大了汽車的整體“視野”，使雷達不僅能夠檢測物體，還可測量其尺寸大小。在這一突破性成就中，人工智能和雷達的結合有助于道路上的汽車在瞬間做出精準的決定。

綜合利用不同傳感器優勢

除了雷達研究，我們還探索了適用于自動駕駛的傳感器融合。汽車在行駛過程中存在許多快速變化的變量，包括天氣、路況以及不同的行駛規則和車速限制。攝像頭和雷達是兩種高度互補的傳感器。例如，目前雷達可以估計絕對距離，但無法測量物體的高度，但攝像頭卻尤其擅長對距離已知的物體進行高度測量。

傳統融合算法執行延遲融合或物體級融合，分別檢測兩個傳感器中的物體，然后嘗試在兩個傳感器之間進行匹配并融合物體的特征。這種算法的缺點在于，在匹配過程中，物體的特征通常不可用，導致匹配和融合結果不佳。而在我們的解決方案中，我們從一開始就使兩個傳感器對物體的最小特征進行提取并融合這些特征，使人工智能能夠使用特征匹配和融合的最終結果，該解決方案更為高效地利用兩個傳感器的互補能力，從而更好地檢測三維物體。

為自動駕駛奠定基礎

增強不同傳感器的感知能力和融合效果，有助于汽車對周邊環境做出更為可靠的判斷，從而優化汽車行駛路徑和計劃。為此，我們的人工智能研究團隊和汽車研究團隊致力于先進駕駛輔助系統（ADAS）的全面研究，以便不斷改善自動駕駛體驗。

通過Qualcomm AI Research，我們迅速將設備和行業上取得的突破性研究成果投放市場并進行擴展，縮短實驗室研究到產品上市的時間。例如，近期推出的Qualcomm Snapdragon Ride自動駕駛平臺結合了硬件、軟件、開放棧、開發工具包、工具和強大的生態系統，能夠幫助汽車制造商滿足客戶在安全、便捷和自動駕駛等方面提出的更高需求。