ITBear旗下自媒体矩阵:

安森美半导体谈图像传感器技术走向

   时间:2018-04-17 16:51:13 来源:与非网 编辑:星辉 发表评论无障碍通道

全球电子产业在经历了家电、PC 和移动终端引领的多轮创新浪潮后,即将迎来以 AI 和 IoT 为主导的全面智能新时代。为应对AI和IoT的大趋势,电子产品需在硬件性能、外观、用户体验等多个维度来实现提升。2018年3月14日~3月16日召开的2018慕尼黑上海电子展上,我们会看到一场“智向未来”的电子盛宴。

在此期间,与非网与摩尔吧共同出品的视频栏目《与非观察室》,推出一档《2018慕展特别策划-科技大佬有话说》的视频专访系列。每场专访中,我们邀请到一家厂商的技术或市场高层参与,就该厂商在展会期间展出的重点技术、产品,面向的应用市场以及产业竞争格局等展开深入的交流和讨论。

感受大咖风采,点击图片可观看完整采访视频

本期节目邀请到安森美半导体图像传感器部全球市场及应用工程副总裁易继辉先生,我们将展开如下对话:

与非网记者:技术方面,我们看到图像传感器有几大重要的发展趋势,包括3D图像传感、数字智能传感器和工艺方面的晶圆堆叠技术,安森美半导体在这些方面有哪些重要的技术储备?

易继辉:我们看到3D是一个重要方向,安森美半导体是业内第一个推出3D功能的厂商,最早微软的Kinect采用的3D手势识别,就是安森美半导体与微软共同开发。在今年的CES上,安森美半导体的传感器产品获得了CES创新奖,用单芯片即可同时实现图像和深度信息,其他解决方案需要双摄像头或结构光的方法来实现,而我们可以用单芯片实现。

另一个方向是数字化、智能化,安森美半导体除传感器外也提供图像处理器,我们新的产品已经把处理器和传感器结合起来,可以实现深度学习和数据处理的功能,即人工智能的初步运用。

还有晶圆堆叠技术,安森美半导体的两片晶圆堆叠产品已经量产,接下来在开发三片晶圆堆叠技术。

与非网记者:安森美半导体目前正在攻关的技术课题还有哪些?

易继辉:不管是汽车、工业、安防、消费的传感器都需要宽动态范围,即在亮度变化较大的环境下是否还能看得清,另一个是近红外感光度的技术,安森美半导体的新技术将比现有产品提升2~3倍。

汽车进出隧道是宽动态范围的一个典型应用,美国汽车行业一个著名隧道,整车厂对相机测试都要通过这个隧道,主要考验相机离开隧道从暗到亮时是否能快速分辨出行人、车辆和信号灯等道路信息,我们的产品能成功通过这一测试。

安森美半导体的宽动态范围传感器产品不仅在汽车领域,在其他很多领域都有广泛应用,具有深厚的技术积累和优势。

与非网记者:安森美半导体的图像传感器产品看重在工业和汽车领域的成长,针对这两个领域有哪些重点的技术和产品部署?

易继辉:在汽车中包括机器视觉和人工直觉两大类,安森美半导体在这两个领域的市占率为51%。我们会关注汽车中所有的应用场景,包括后视、环视、疲劳监控、eMirror、ADAS、无人驾驶等。去年年初我们收购了IBM的雷达设计公司,自此除图像传感器外也可以提供雷达的方案。因为我们看到未来自动驾驶需要双保险,即多种传感器结合,安森美半导体目前可以提供多传感器解决方案;另一个关注点则是sensor fusion,即雷达和其他传感器的融合。这也是我们收购雷达公司的目标 ,要把sensor fusion做好,满足市场和客户的要求。

与非网记者:应用方面,汽车对图像传感器的需求激增,目前一辆汽车上通常用到几个图像处理器?未来还有哪些地方将用到图像处理器?预计在未来一两年内,一辆车上采用的图像传感器可以达到多少个?

易继辉:目前一辆汽车一般采用9到12颗图像传感器,包括前视、环视、后视、疲劳驾驶监控、包括其他乘客的监控等,未来的发展包括两个方向,即是数量提升还是功能的提升,可能功能提升的趋势更为明显,包括像素的提升,从200万像素到800万及1200万像素,以及sensor fusion,不同传感器的融合,通过图像传感器和雷达的优势结合,做成全天候的监控。

与非网记者:在汽车市场的生态建设方面,过去一年里取得了哪些新进展?跟车厂和重要的合作伙伴的合作如何?

易继辉:汽车行业的需求在变化,芯片厂商已经不是仅出售芯片就可以,要有方案的服务,需要软件、平台公司的生态合作,尤其国内客户,对解决方案需求更明显。对此,安森美半导体布局已久,我们在全球的合作伙伴已经超过60家,包括光学镜片、算法、平台、方案公司等。成功案例包括我们跟百度的合作,百度在今年的CES上宣布了阿波罗计划,安森美半导体作为该计划的战略合作方和供应商亮相。安森美半导体一直以来都重视平台的建设,在美国和中国都有专门的团队,从市场、技术支持上与合作伙伴一起,支持客户的前期开发。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version