Page 9 - 材料分析層層把關先進製程設備零缺陷

聲音如何分類?
Abdelsabour:聲音的分類 是一個複雜的過程，尤其是涉及 非標準化的聲音。我們在談論標 準化聲音時，如警笛聲，那麼分類 過程就會變得簡單而直接，而且能 採用基於模型的演算法來完成。然 而，行駛中的車輛偵測是一種更複 雜的過程，因為我們的耳朵或感測 器所聽到的最終聲音是由不同物 理成份組成的非標準組合聲音。 這就是各種人工智慧(AI)方法得 以發揮作用之處——以所收集的 資料為基礎，透過機器學習對聲音 進行歸類，並根據其所學習的內容 來偵測和分類聲音。我們可以很自 豪地說，AutoHears結合了基於模 型的演算法和機器學習來對聲音 進行歸類，當然這取決於所要偵 測的目標聲音。
音訊資料如何與來自嵌入汽車的攝 影機或其他感測器影像資料相融
合?
Abdelsabour:就像人類駕 駛一樣，聲音與視覺相輔相成。這 就是我們對AutoHears的看法，也 相應地以此進行開發。因為我們主 要關注聲學感測部份，所以提供的 原始聲學感測資訊能與攝影機和 雷達感測器等相結合，以便對物 體進行分類和定位，從而發揮每 個單獨感測器的優勢並克服其弱 點。舉個例子，將雷達、攝影機和 AutoHears結合起來，可以在盲 點中偵測到以下車輛:雷達能偵 測到障礙物並準確估計其距離(因 為雷達在這方面非常可靠)，攝影
機可以對該物體進行分類(如果有 一個攝影機用來觀察目標車輛所 在的方向)，AutoHears則將透過 自己對該車輛的分類和定位來確 認偵測，並在該車輛發出任何聲 音(如按喇叭或發出警笛聲)時添 加資訊。將所有感測器組合在一 起就得到了感測器融合，這樣就 能以最佳方式對周圍環境進行最 大程度的還原。
Abdelsabour:AutoHears 可說是其同類偵測系統——即聲 學偵測系統中的首套感測系統。 由於Avelabs是一家軟體公司，我 們最初希望主要關注點僅僅是從 軟體的角度開發感知功能，而非 硬體部份。然而，如果沒有感測硬 體，就無法實現感測功能。感測功 能主要是由感測硬體所實現的，因 為感測器並不像在車輛中放置麥 克風來實現偵測那麼簡單，而是 必須仔細設計硬體來實現對周圍 環境的準確定位。為了定位物件， 定位演算法依賴於物理因素，例如 聲音到達的時間差，只有當硬體按 照這方面進行設計時才能偵測到。 這涉及多個硬體因素，例如麥克風 的數量、其間的距離以及將其裝載 於車輛的位置。所有的這些硬體需 求迫使我們自行設計和建構硬體， 從而實現所提供的聲學感知功能。 簡單來說，沒有一家公司可為車輛 提供外部聲學偵測硬體，這就是我 們必須自行開發的原因。
請分享一些關於聲學感測器本身的 細節。演算法執行於CPU上嗎?
Avelabs為什麼決定自行建造完整 的系統，以及解決軟體和硬體方面 的所有問題?
Abdelsabour:在感測器和 處理器系統方面，我們決定採用集 中式架構。這一決定是為了順應目 前所有汽車公司的趨勢，即依靠偵 測原始資料的感測器(相機、雷達 等等)。然後將原始資料發送到集 中式網域控制器，並在其中進行感 測器融合。這就是為什麼我們將聲 學感測器建構成原始資料感測器， 然後偵測所有聲學資訊並將其發 送到執行感測演算法的集中網域 控制站。如您所知，我們自行設計 了聲學感測器，但使用現有的汽 車網域控制器，如Xilinx FPGA和 TI ADAS TDA SoC作為執行演算 法的CPU。但是，由於每一家客戶 都使用自己的網域控制器，因此 我們僅將這些處理器作為參考硬 體。當然，如果有客製的需要，我 們都能將其輕鬆地部署在任何類 型的網域控制器上。
Abdelsabour:AutoHears作 為感測器和感測演算法具有通用 元件及特定硬體元件，這要取決 於客戶所需的功能及其所使用的 處理控制器。因此，如果客戶只知 道聲音事件的方向(不知道距離發 出聲音的物體多遠)，則只需要使用 一個感測器。如果客戶還想要偵測 物體的距離，就需要使用多個感測 器，以三角測量的方式探測物體的 距離。這就是一個依賴於硬體功 能的案例。
為什麼說AutoHears是「硬體相 關」(HW-dependent)的?
PULSE
www.edntaiwan.com 7