先进声学感知赋能自动驾驶：Avelabs AutoHears让车辆“听见”危险

在高风险交通场景中，几秒钟决定生死。人类驾驶员本能依赖视觉和听觉，但大多数自动驾驶系统仅重视视觉感知。开罗AI与传感器公司Avelabs推出AutoHears，这是一套端到端声学感知解决方案，赋予车辆可靠的“听觉”。

“视觉是我们评估环境最重要的感官，”Avelabs产品管理总监Amr Abdelsabour在AutoSens Brussels小组会上表示，“但作为驾驶员我们也依赖声音——身后的警笛、盲路口的喇叭声，往往先听到后看见。”

AutoSens上，Avelabs发布了AutoHears，这是一个紧凑的声学传感器平台，能实时检测、分类和定位声音。系统包含定制麦克风、机械外壳和专有软件，可识别应急车辆警笛、视野遮挡危险、自然灾害信号（如落石）、附近碰撞、枪声或爆炸等安全关键事件，还提供车辆自诊断和基础语音识别。

专家问答：AutoHears技术细节

EE Times Europe：AutoHears能检测哪些声音，哪些不能？

Abdelsabour：我们从车载噪声（轮胎、发动机、刹车）和全球标准喇叭/警笛模式入手，这些类别已完全验证。现正扩展库至自然灾害声音和碰撞特征，仍在开发中。

EE Times Europe：AutoHears全向检测声音，有物理限制吗？

Abdelsabour：系统从各方向捕获声音，甚至穿透墙壁或遮挡物。声学感知相对环境噪声，安静环境可检测自行车轮声或脚步声；嘈杂环境下仅捕获主导声音如附近警笛。我们正量化这些极限以提供明确性能保证。

EE Times Europe：声音分类如何工作？

Abdelsabour：分类融合基于规则的算法（用于标准化声音如警笛、喇叭）和机器学习模型（用于复杂非标准车辆噪声）。AutoHears部署两种方法，根据目标声类选择最佳匹配方式。

EE Times Europe：音频数据如何与视觉、雷达输入融合？

Abdelsabour：人类驾驶员用听觉补充视觉；AutoHears遵循同一原则。原始声流转发至车辆域控制器，与摄像头和雷达数据融合。例如，雷达定位车辆距离，摄像头识别车辆类型，AutoHears确认喇叭或警笛存在，提供全景态势图。

EE Times Europe：为何构建软硬一体系统？

Abdelsabour：精准定位依赖精确麦克风几何和信号时序。现成麦克风无法满足要求。自行设计传感器栈，我们控制麦克风数量、间距、布局，确保到达时间差计算实现亚度级定位。

EE Times Europe：传感器和处理平台细节？

Abdelsabour：传感器采用中心化架构：原始音频流向车辆域控制器，在商用现货SoC上运行算法，如Xilinx FPGA或TI ADAS TDA芯片。平台完全适配，唯一要求是兼容控制器。

EE Times Europe：“硬件相关”对AutoHears意味着什么？

Abdelsabour：功能集可定制。单麦克风配置提供方向性；增加麦克风解锁距离估计。同样，高分辨率定位需更多算力，所选控制器必须支持。提供定制驱动集成客户软件栈。

EE Times Europe：开发进度如何？何时上路？

Abdelsabour：AutoHears处于产品开发阶段。核心概念已验证，完成演示，现进入公开道路测试和认证。成功验证和监管批准后将达到生产就绪。

EE Times Europe：有早期客户吗？

Abdelsabour：虽去年9月AutoSens发布产品，但已与多家OEM和车队运营商洽谈现场测试。这些合作将提供关键数据进一步优化。

相关内容：

• 成功的实时声学处理需要周密规划
• 软硬结合实现更好音频
• 低功耗设备可用硅蜗牛听觉
• 自适应ANC方案带来增强音频能力

订阅Embedded周刊，获取更多资讯。