《西安电子科技大学dToF SPAD激光雷达传感器芯片取得突破进展》

  • 来源专题:集成电路
  • 编译者: shenxiang
  • 发布时间:2020-06-18
  • dToF单光子雪崩二极管(SPAD)传感器技术是未来实现激光雷达(LiDAR)小型化、低成本、可量产的核心技术,其对光子飞行时间进行直接测量,进而转换成光子飞行距离。相比于iToF,dToF主要通过像素的脉冲输出直接进行简单的模数转换就可以得到反射回传感器的光子时间和数量,减少了功耗和运算量;并且通过调整脉冲频率和能量,可以达到比iToF更远的测量范围。dToF SPAD技术将会成为未来3D探测的主流技术,成为智能化无人系统的眼睛。

    针对国家重大工程、航空航天、无人系统、消费电子等应用对远距离三维感知的需求,西安电子科技大学朱樟明、杨银堂教授研究团队发布了dToF SPAD激光雷达传感器芯片,单芯片上集成了核心感光器件SPAD 整理及精准测距电路、多种测距精度优化和抗背景光干扰算法等功能,具有32×32×4分辨率、超30fps的刷新率,在200mW功耗下可以实现12-15米的远距离高精度探测,是目前报道中最远的dToF SPAD探测距离。

    该dToF SPAD激光雷达传感器芯片由刘马良教授负责,西安电子科技大学和宁波芯辉科技有限公司联合研制,是国内首个没有国外相关人员参与的情形下,实现了dToF SPAD激光雷达传感器的全流程突破。

    当前严峻的国际局势对芯片全流程国产化提出了更高的要求,西安电子科技大学杨银堂、朱樟明教授团队始终坚持立足国内自主可控,面向国家重大工程、重点行业应用需求,团队在模拟和模拟信号集成电路方向取得了系统性的创新成果,获得了2019年国家技术发明二等奖和2016年国家技术进步二等奖。

    团队已经掌握了全集成线性模式和单光子模式激光雷达的传感器、混合信号电路、系统架构、定制化工艺等全流程核心关键技术,在dToF SPAD、Si-PM、高动态TIA等方面处于业界领先位置,并在IEEE TCAS-I、IEEE TCAS-II、IEEE Sensors J、IEEE TI&M等期刊发表了10多篇激光雷达传感器论文,是近年来国际上发表激光雷达IEEE期刊论文最多的团队。

    团队技术负责人刘马良教授介绍:“整个dToF SPAD激光雷达传感器芯片立足国内自主可控工艺、团队主要成员均由国内的博士和硕士构成,团队从2014年就开始专注于芯片化激光雷达技术的研究,现在团队已经掌握整个芯片化激光雷达全流程核心技术,能够根据系统需求,结合芯片设计,全定制化面阵激光雷达芯片,技术水平完全不输于国外最先进水平。2020年第四季度,还将推出QVGA分辨率的dToF SPAD激光雷达传感器芯片。未来将向市场提供包括传感器芯片、激光器驱动芯片、自动化标定系统及三维图像算法的一站式解决方案。”

    高性能全集成激光雷达芯片获得了2017年第三届全国“互联网+”大赛金奖、2019年陕西省科技工作者创新创业大赛金奖,已经孵化了宁波芯辉科技有限公司,并获得了千万级天使投资。

相关报告
  • 《ams和Ibeo在将固态激光雷达推向汽车市场方面取得了进展》

    • 来源专题:集成电路
    • 编译者:Lightfeng
    • 发布时间:2020-09-07
    • 高性能传感器设计者和制造商ams和汽车光检测和测距(LiDAR)传感器技术及相关软件专家Ibeo 表示,双方合作将固态LiDAR技术用于自动驾驶并推向市场的项目,目前已取得重大进展。 ams和Ibeo于2018年开始在ibeoNext固态LiDAR传感器技术上联合开发LiDAR。他们的目标是为汽车市场提供固态LiDAR,以用于高级驾驶员辅助系统(ADAS),并逐步采用自动驾驶。这些公司正在开发业界首创的真正的固态LiDAR传感技术。10月,Ibeo将开始向全球客户提供工作样品。 Ibeo和ams将继续在面向汽车市场的关键LiDAR技术上进行合作,目标是在2022年实现大众市场。LiDAR系统发射激光脉冲,然后评估从各种物体反射的光。根据飞行时间,软件会计算到周围物体的距离。现代LiDAR系统可以并行处理许多激光脉冲,结果是一个环境3D模型,该模型可以识别碰撞障碍物和道路标记以及汽车,骑自行车的人和行人及其位置和运动。结合长距离和高空间分辨率,这种精度是LiDAR技术的关键优势。与其他LiDAR不同,固态解决方案没有移动的光束转向机制,例如机械镜或MEMS反射镜,在可靠性和复杂性方面带来了显着优势。 ams表示,其高功率垂直腔表面发射激光器(VCSEL)可以在扫描和闪光应用中脱颖而出,因为它们对单个发射器的故障不那么敏感,在温度范围内更稳定,并且易于集成。而且,它们可以形成为发射器阵列并且可寻址,从而实现真正的固态拓扑,此外,ams的研发还提供了有关集成功能安全标准和人眼安全功能的增强功能。
  • 《格芯与欧洲微电子中心于AI芯片研发取得突破》

    • 来源专题:集成电路
    • 编译者:shenxiang
    • 发布时间:2020-07-13
    • 日前,全球领先的纳米电子及数字技术研究中心IMEC(欧洲微电子中心)和格罗方德共同发布了一种新型AI芯片AnIA的硬件展示。基于IMEC模拟内存计算(AiMC)架构与格芯22FDX技术,新芯片可在模拟域的内存计算硬件上执行深度神经网络计算,帮助低功耗设备实现边缘推理。同时,这项新技术在隐私保护、安全性和延迟性方面的优势,将会对从智能扬声器到自动驾驶汽车等各种边缘设备中的AI程序产生重大影响。 从早期的数字计算机时代开始,处理器已经从存储器中分离出来。在内存容量指数级提升以后,CPU和内存之间的数据传输带宽却成为了瓶颈,这也就是人们所说的冯·诺伊曼瓶颈。这种限制会掩盖实际的计算时间,特别是在依赖于大型向量矩阵乘法的神经网络中。这些计算的执行需要数字计算机的精密度,以及大量的能量支持。然而,如果是采用较低精度的模拟技术执行向量-矩阵乘法,神经网络也可以获得准确的计算结果。 为了应对这一挑战,IMEC及其工业合作伙伴,包括格芯在内,在IMEC的工业合作机器学习计划开发了一种新的体系结构,通过在SRAM单元中执行模拟计算消除了冯·诺依曼瓶颈。由此产生的模拟推理加速器(AnIA)以格芯22FDX半导体平台为基础,具有超高的能效。特性测试显示,AnIA的功率效率最高可达到2900 TOPS/W。通常由数据中心的机器学习驱动的微型传感器及低功耗边缘设备中的模式识别,现在可以在这个节能加速器上进行本地执行。 IMEC机器学习项目主管Diederik Verkest表示:“AnIA的成功流片是验证模拟内存计算架构的重要一步。参考设计的实现不仅表明AiMC在实践中是可能的,且它取得的能效要比数字加速器好10到100倍。在IMEC的机器学习程序中,我们会对现有的和新兴的内存设备进行优化,以更好地进行模拟内存计算。目前看来,这些成果具有良好的前景,这也鼓励我们进一步发展这项技术,朝着10000 TOPS/W的目标迈进。” 格芯计算和有线基础设施产品管理副总裁Hiren Majmudar则表示:“一直以来,格罗方德与IMEC都保持着密切合作。此次双方利用GF低功耗、高性能的22FDX平台成功研发出新的AnIA芯片,也是向业界展示22FDX如何降低能源密集型AI和机器学习应用能耗的关键一步。” 未来,格罗方德将把AiMC芯片融合进22FDX平台,用于开发AI市场的差异化解决方案。目前,搭载AiMC的22FDX正在GF最先进的300mm生产线上进行开发,该生产线位于德国德累斯顿1号工厂。