感測器是發展自駕車所需的核心技術，毫米波雷達、LiDAR的特性不同，結合多種感測器的長處，搭配嚴謹的測試方案，便能提升汽車系統感測的精準度。
在自駕車應用的熱潮中，用於準確測量目標距離和速度的毫米波雷達、光達(LiDAR)等技術，成為不可欠缺的感測要件。現階段毫米波雷達在汽車的先進駕駛輔助系統(ADAS)中，已能提供達到輔助自動煞車系統(AEB)以及主動式車距調節巡航系統(ACC)的功能。未來從Level 2+邁向更高等級的自駕，需要增加的雷達感測器可能多達十顆以上，整體的規格要求與設計挑戰也更高，促使雷達技術不斷朝向更多功能與更高精準度進化。
市場上已有業者推出4D成像雷達方案，以及學術單位研發結合物體掃描並採用dToF測距的LiDAR，皆有助於汽車系統獲取精準且完整的環境資訊，以進一步協助駕駛判斷路況。汽車從開發到實際上路前，必須依照產業及主管機關法規進行測試，同時確保能夠應對多變的路況，因此透過模擬軟體，廠商可以輕鬆模擬訊號與汽車實際行駛狀況。
4D成像雷達強化環境感知 在先進駕駛輔助系統中，市場上常見採用基於視覺或是LiDAR的應用，但是基於視覺的車用感測系統有諸多限制。為昇科科技技術長蔡青翰(圖1)指出，可見光或是雷射光的波長比較短，容易受到環境影響，只要汽車遇到起霧、下雪、下雨等情境，可見光/雷射光的粒子容易被環境吸收，降低感測效能。此外，基於視覺的感測系統只能透過推估得知距離與速度，毫米波雷達則使用波長相對較長的毫米波頻段，除了感測能力較不受天候影響，也具有良好的測距、測速功能。
圖1 為昇科科技技術長蔡青翰表示，毫米波雷達的感測能力不受天候因素影響，且具備較佳的測距與測速能力
相較傳統雷達，4D成像雷達的感測功能在不受環境因素干擾的前提下，強化傳統3D雷達的水平/垂直角度辨識的精準度。4D成像雷達可探測的項目包含距離、速度、水平角度及垂直角度，加上角度分辨率較高的優勢，可精準感測車輛周圍的環境。垂直偵測則需要用於分辨天橋、路標等物體，與地面上的物體區隔。且傳統的毫米波雷達無法實現物件辨識，因此物件辨識的功能通常透過以視覺為基礎的鏡頭或LiDAR執行，但是考量基於視覺的感測如果受到天候影響而失效，汽車系統便無法分辨周圍物件的屬性，藉由新一代毫米波雷達實現物件辨識功能，便能避免汽車系統的感測能力受到環境因素影響。
模擬軟體助自駕技術開發
汽車相關技術的演進快速，車廠都朝向發展高度自駕車的方向前進。是德科技(Keysight)技術專家蘇千翔(圖2)表示，感測器是實現自駕的重點技術，當汽車建置完善的感測能力之後，下一步便需要處理由感測器收集的資訊。自駕車的核心是外界偵測，現在的主流作法是整合多個雷達，包含LiDAR、鏡頭等。其次，當汽車系統的感測器布建完成，所有的數據必須彙整，彙整後則需要透過C-V2X等環境定位與網路系統確認周邊環境安全，並且進一步判讀資訊。
圖2 是德科技(Keysight)技術專家蘇千翔認為，自駕功能在發展感測技術的下一步，是彙整感測器所收集的資訊
發展自駕的過程中，可從避免車禍的角度切入。車禍原因以人為疏失占多數，因此汽車如何協助駕駛面對緊急狀況便成為重要議題。為了測試汽車在緊急情況下的反應能力，業界廠商常見透過模擬器來模擬真實的駕駛場景。然而採用模擬器測試汽車，會受限於硬體模擬器的數量，難以模擬真實駕駛情境。例如道路上同時有多輛汽車，或者隔壁車道汽車突然切換車道等狀況。因此是德為了讓汽車的硬體設計更貼近真實，採用擬真的軟體測試汽車。場景模擬軟體雷達牆(Pixel Wall)可還原汽車實際駕駛的多種情境，例如得知在ACC場景中起步、跟車、變換前車目標等狀況，快速測試多種駕駛情境。
軟體模擬測出天線效能
士盟科技技術副理林濬弘(圖3)說明，雷達是一個系統，系統內的所有面向如果可以在模擬軟體裡面呈現並解決問題，就能降低產品開發的難度。例如，天線放在車上哪個位置的接收能力、效率最佳，透過軟體模擬就能得知，不需要等待整車完成再測試。此外，車內通訊不斷進展，開始採用2.4GHz的Wi-Fi等技術，而這些頻帶的電磁場對人體的影響也能先行模擬，有助於預先解決或避免後續上市法規問題。另一方面，城市模擬的分析，如巴士從旁經過時會如何影響小型車的天線，不需要大空間進行實地測試，只要在軟體中建立巴士的模型，就能直接分析結果。
圖3 士盟科技技術副理林濬弘指出，現階段自駕技術的挑戰在於整合多種駕駛輔助功能
現階段多數自駕車相關技術已經成熟，但其後最大的挑戰在於整合。不同感測器效能、演算法、軟體、車廠之間都需要兼顧，因此多種功能的整合是開展自駕車的重要挑戰。當自駕車市場走向平穩的成長期，屆時使用者較多且市場規模大，產品發展才算成熟。以車用連接平台為例，手機與車用平台連接可以採用Apple或Google等系統，或是城市中的巴士也需要共同平台，而平台透過網路系統與現有技術進行整合，已屬成熟的汽車應用。
IoT雷達測試不可少
ADAS系統裡面有多個感測器，例如超音波感測器常見用於倒車偵測、攝影鏡頭的數位處理能力佳、雷達則用於盲點偵測與遠距離偵測。德凱認證EMC&R法規資深經理李訓銘(圖4)說明，每個感測器的特性不同，鏡頭主要用於車道辨識，其影像的表現良好，但是在天候因素不佳時，效能會大幅下降。雷達則可以提供3D影像，適用於夜間、速度與遠距偵測。近期受到關注的包含熱成像感測器，透過類似於紅外線的感測原理，增加駕駛與用路人夜間的行車安全。
圖4 德凱認證EMC&R法規資深經理李訓銘說明，76~81GHz的汽車雷達須依照FCC規範進行測試
其中，物聯網(IoT)雷達應用多數用於測速，或是位面探測，駕駛能藉此得知油量，此外汽車雷達則普遍應用在ADAS中。FCC法規針對76~81GHz的汽車雷達制定相關規範，其中天線產品需要申請FCC ID，必須依照FCC的規範測試。另外，最大許可暴露量(MPE)及能源密度也需要經過實際測試。
LiDAR實現自駕精準測距
針對LiDAR的發展近況，國立中興大學電機工程學系專案助理教授劉浚年(圖5)分析，2021~2022光達的市場成長飛快，外型設計也有改變，朝向混合式固態或是固態，也就是嵌入到汽車內部的方向發展。在CES 2022可觀察到多個歐美車廠發表自駕系統，顯見現階段汽車應用LiDAR的需求增加。參展的300多家車電模組廠商中，約有60~80家提供車用LiDAR產品，代表LiDAR市場需求持續增加，技術也不斷進展，更有廠商提供固態形式的LiDAR模組化產品，可以嵌入車體中。
圖5 國立中興大學電機工程學系專案助理教授劉浚年觀察，LiDAR市場在2024年可望出現量產產品
LiDAR技術方面，多數產品採用ToF感測距離，而使用dToF則能取得更加精準的感測結果。dToF的原理是從距離與來回的時間差，計算得知物體的單點距離，加上物體掃描，便能建構3D地圖。雷達與LiDAR最大的差異在於波長，雷達波都在30~80GHz以上，解析度較低，但穿透力高、偵測距離遠。以Tesla為例，雖然其車款已有影像與雷達系統，仍需要加上LiDAR。因為LiDAR的波長短，物體辨識能力、測距精準度與夜視能力較佳，因此自駕的感測器需要納入LiDAR應用。
LiDAR、雷達、影像鏡頭、超音波都有各自的特性，Level 3~4的自駕等級可能應用3~4種感測器，以達到數據融合的目標。LiDAR可彌補雷達與鏡頭的不足，結合雷達、鏡頭與LiDAR，能夠更精準地辨識目標物體的型態、行進方式與距離。導入LiDAR有助於提升汽車的自駕等級，但目前成本與規格較高，未來預期LiDAR會朝向尺寸更小、固態的產品形式發展，預期2024年可在市場上看到此類LiDAR的量產產品。
感測器是發展自駕車的核心技術，業界廠商朝向融合LiDAR、雷達、鏡頭等感測資訊的方向研發，企圖為汽車系統提供足夠的環境資訊。發展性能的同時，透過模擬軟體測試功能表現，確保汽車上路後，ADAS系統能提供可靠且安全的功能。