從ADAS到自動駕駛：研發設計人員的三項心得體會

最新 03-31

李文龍

--------------------------------------------------------------

據外媒報道，自動駕駛汽車頗具挑戰性，在過去數年時間內，汽車研發人員從ADAS設計中獲益匪淺，可以歸類為以下三大方面：

1.軟體依賴性（Software reliance）

初代ADAS方案的研發人員竭力克服設計障礙。為此，他（她）們創建了複雜的軟體。然而，事實證明，對於複雜的汽車系統而言，預編程演算法難以發揮效用。

研究人員不得不為了感測器融合、視覺處理及安全性創建新演算法，這必然要集成一個大代碼基（code base），勢必會增加成本及安全風險，因為工程師必須持續地維護並更新軟體。

這意味著需要從在商用硬體上構建的軟體中心型系統（software-centric systems）向專註於計算功能的定製化片上系統（系統級晶元，SoCs）及硬體加速器轉型，使得ADAS研發人員將複雜的演算法切割為較小的計算，使得ADAS設計對現實駕駛情境的響應性得到提升。

ADAS的技術演進為自動駕駛汽車工程設計團隊提供了一個模板，指導其採用片上系統執行自動駕駛功能，該類功能的複雜程度超乎想像，還需要實現近實時（near-real-time）性能。

2.近實時設計

當談到確保實時處理、感測器融合及其他關鍵任務（mission-critical tasks）時，自動駕駛的雅畈人員可從ADAS的研發過程中汲取經驗。

在初期，ADAS研發人員依靠內置靜態隨機存取存儲器（內存，SRAMs）實現片上計運算元系統的信息交換，成對的內存可被用作輸出郵箱，同時還將向其送入計算任務的輸入值。軟體中的通信管理成為技術挑戰，當信息處理元件增多後，會導致信息延遲。

最後，ADAS晶元採用了異構緩存一致性（heterogeneous cache coherency）等技術，該項片上通信技術可高效地實現與片上系統內CPU、GPU及DPU等計算元件的連通，旨在增強處理帶寬並縮短延遲時間。

最為關鍵的是，這類硬體加速器在自動駕駛車用片上系統中佔據了主導地位，異構緩存一致性等片上通信技術也發揮著重要作用，允許片上系統執行近實時嵌入式處理，旨在應該對複雜的機器學習演算法。

3.整合的挑戰

自動駕駛片上系統的複雜程度令人膽寒，鑒於將超級計算機的強大功能、功能性安全要求及近實時內嵌式性能收斂（near-real-time embedded performance converge）集成到一塊定製硅晶片後，這一感覺就變得尤為明顯。

許多自動駕駛設計將硬體加速器用於研發工作，該類設備被用作為處理節點（processing nodes），以便特定的演算法任務，如：高清雷達成像的計算機視覺。而許多自動駕駛車輛的片上系統正利用深度神經元網路執行機器學習功能，硬體加速器在該網路內發揮神經元的功能。

在這類片上系統基礎架構內，可針對特定的自動駕駛演算法精準調節硬體加速器或異構處理元件，片上互聯可採用一致的方式連接所有的硬體加速器，確保能掌控不斷提升的系統複雜性。

自動駕駛汽車

技術原理

編輯

自動駕駛汽車

汽車自動駕駛技術包括視頻攝像頭、雷達感測器以及激光測距器來了解周圍的交通狀況，並通過一個詳盡的地圖(通過有人駕駛汽車採集的地圖)對前方的道路進行導航。這一切都通過谷歌的數據中心來實現，谷歌的數據中心能處理汽車收集的有關周圍地形的大量信息。就這點而言，自動駕駛汽車相當於谷歌數據中心的遙控汽車或者智能汽車.。汽車自動駕駛技術物聯網技術應用之一。

沃爾沃根據自動化水平的高低區分了四個無人駕駛的階段：駕駛輔助、部分自動化、高度自動化、完全自動化:

1、駕駛輔助系統（DAS）：目的是為駕駛者提供協助，包括提供重要或有益的駕駛相關信息，以及在形勢