自動駕駛硬件系統(tǒng)及Apollo硬件開發(fā)平臺簡介

昨天，我們分享了關于Apollo 3.0的介紹（點此閱讀），在本次技術沙龍中，來自Apollo團隊的高級產品經理-王石峰老師帶了關于自動駕駛硬件系統(tǒng)和Apollo硬件開發(fā)平臺的介紹。

這里，我們將整理后的公開課視頻和資料分享給大家，沒能到達現(xiàn)場的開發(fā)者可以通過視頻和PPT資料來詳細了解課程內容。

演講概要：

本次演講將分享傳感器、計算單元、車輛線控、Apollo 硬件開發(fā)平臺的部分原理和簡介，并介紹自動駕駛系統(tǒng)中感知、決策、控制三大系統(tǒng)對應的硬件。使開發(fā)者能根據(jù)自動駕駛汽車的 ODD（Operational Design Domain）選擇更加適用的硬件選型和方案。

自動駕駛硬件系統(tǒng)及 Apollo 硬件開發(fā)平臺簡介

1自動駕駛汽車的事故分析

首先分析一個事故案例。今年3月，北美有一個自動駕駛車肇事撞人致死的一個事故，6月22日，美國公路交通安全委員會發(fā)布了這個事故報告。報告中顯示，在碰撞發(fā)生前6秒傳感器已經探測到了，碰撞發(fā)生前1.5秒，原車的AEB功能已經啟動，但其執(zhí)行機構并沒有自動采取相應制動措施，導致整個系統(tǒng)沒有閉環(huán)。

另外，該事故在交互設計上也有缺陷。當事故發(fā)生前，傳感器探測到這個人時，并沒有提供警報，司機正在低頭看手機視頻，當他抬頭看到這個行人的時候再處理事故已經來不及了。從事故視碰撞前四秒鐘的截圖可以看出，路面照明不足導致司機很難看到有人過馬路。

目前，自動駕駛的車輛以法律法規(guī)來說都是改裝車，事故車輛是SUV的車型自身重心比較高，所有的傳感器都安裝在車頂導致重心進一步上移。當產生碰撞的時候更有可能會側翻。

2自動駕駛汽車的研發(fā)流程

百度提出了“安全是自動駕駛的第一天條”。如何避免類似事故和問題，要從整個研發(fā)流程當中去考慮。

首先當研發(fā)一輛自動駕駛車輛時，有一個基于仿真模擬器的軟件在環(huán)我們可以將這看成一個賽車的游戲。在仿真環(huán)節(jié)中仿真出道路的路面，以及交通的參照物和各種車輛、各種行人，還有一些天氣信息，比如雨霧或者路面照明信息。代碼跑通了以后，再基于必要的硬件在環(huán)平臺，在傳感器、計算單元等硬件系統(tǒng)上檢測有沒有運行當中的BUG和兼容性問題。之后基于車輛在環(huán)，將相關的軟硬件系統(tǒng)集成到車輛平臺上在封閉場地中完成相關測試檢測代碼是否出現(xiàn)了問題。

最后基于司機在環(huán)，以百度為例，我們在北京智能網(wǎng)聯(lián)示范區(qū)，北京市政府規(guī)劃的道路上基于實際的道路情況研發(fā)測試，不僅能檢測自動駕駛系統(tǒng)的情況，還可以獲得司機的主觀評價和可以驗證人機交互的功能。

3自動駕駛汽車的硬件系統(tǒng)

自動駕駛的硬件系統(tǒng)，可以粗略地分為感知、決策、控制三部分（還有定位、地圖、預測等模塊）。自動駕駛不能僅僅考慮系統(tǒng)，還要考慮到人的因素。

從車輛運動方面會考慮到車的速度、轉角以及橫滾，俯仰、航向等信息。還有一部分是環(huán)境感知，比如激光雷達、超聲波、攝像頭、毫米波雷達、V2X。V2X能提供超視距功能——當車上了路，很難發(fā)現(xiàn)超傳感器范圍的信息，通過V2X設備會發(fā)送和接受相關信息，車會接收到前方交通的情況。

另外，駕駛員監(jiān)測主要是通過攝像頭和生物電傳感器（放在方向盤里），來判斷駕駛員有沒有手脫離方向盤。也可以檢測司機的精神，比如駕駛員困倦還是精神緊張。

目前L3+級自動駕駛的計算單元主要CPU+GPU+FPGA的架構。T—BOX它向上接的是互聯(lián)網(wǎng)，向下是接的CAN總線。比如手機有一個APP，通過T-BOX可以控制車門的開關。黑匣子負責記錄控制指令和車輛行使狀態(tài)，事故發(fā)生以后可以用黑匣子來進行事故的認定。車輛控制是一些制動、轉向、發(fā)動機、變速箱，還有警告系統(tǒng)，聲音、圖像、振動等。

4自動駕駛汽車的傳感器

自動駕駛使用的感知類的傳感器，主要有激光雷達、毫米波雷達、攝像頭、組合導航。

激光雷達安裝在車頂，目前是360度同軸旋轉，可提供周圍一圈的點云信息。激光雷達不僅用于車輛感知，也用于定位和高精度地圖的測繪。

攝像頭光線通過鏡頭、濾光片到后段的CMOS或CCD集成電路，將光信號轉換成電信號，再經過圖像處理器（ISP）轉換成標準的RAW，RGB或YUV等格式的數(shù)字圖像信號，再通過數(shù)據(jù)傳輸接口傳輸?shù)接嬎銌卧?/p>

毫米波雷達和激光雷達有點類似，基本原理是發(fā)射一束電磁波，通過觀察回波和射入波的差異來計算距離和速度，主要分24G和77G，它的安裝是在保險杠上面。

組合導航是兩部分，一部分是GNSS板卡，通過天線接收GPS和RTK信號，解析計算出自身的空間位置。但是當車輛行駛到林蔭路，或者是有些建筑物，GPS就會沒信號或者產生多徑效應，定位就會產生偏移和不準。此時需要通過INS的信息融合來進行組合運算。GNSS+INS融合在一起就是組合導航系統(tǒng)。

此表羅列出了目前一些L1、L2功能所用的傳感器，包括自動駕駛L3及以上的傳感器。L1、L2的功能傳感器也需要多傳感器融合，但是融合前的一些算法就直接傳輸?shù)搅?a target="_blank">MCU。L3+以上的是多傳感器融合后的信息傳輸?shù)接嬎銌卧鼜挠布軜嬌下杂胁町?。從實現(xiàn)上來說，L1、L2會更在意一些誤檢的情況，比如我們開車突然剎車會很不舒服，而L1、L2主要責任在駕駛員上，所以它對誤檢會非常在意。但是L3+以上自動駕駛是通過系統(tǒng)去承擔主要的駕駛責任，就會對傳感器漏檢非常在意，這是L1、L2和自動駕駛之間的差異。

如何得知自己到底需要什么樣的傳感器？我們可以通過這個公式計算出來，剎車距離公式，也就是通過道路摩擦系數(shù)去計算。自動駕駛要求局限設計適用范圍。目前，我國城市封閉道路限速80，高速最高限速120。通過這個公式能計算出剎車距離，限速120的情況下最少需要150米的探測范圍，如果能到200米會更好。如果有冰雪怎么辦，是不是我們要看到更遠距離？實際不是這樣，國家法有規(guī)定，高速公路，霧天能見度低于50米的情況下，要求限速到20公里每小時。

分辨率是通過反正切函數(shù)來計算的。這里多除以一個2，為什么呢？是為了保證我沒有漏檢的情況， L3+自動駕駛必須保證百分之百檢測到這個物體。所以從這個公式也能得出這張圖，0.4度分辨率的傳感器在一百米以外就可以探測到行人或者車輛，或者在32米能測到一個路錐。

再分析一下傳感器未來的發(fā)展趨勢。目前多傳感器融合，相對來說是后融合。其實攝像頭和激光雷達都是光學傳感器，它們部分核心的零部件包括一些處理電路，元器件都是非常相似的，有希望能把攝像頭和激光雷達前融合到一起。左邊的圖是Aeye公司做的智能感知系統(tǒng)的融合，可以看到融合后可以直接輸出R、G、B、X、Y、Z的信息。右邊是Waymo的原形樣機，它用的就是這種前融合系統(tǒng)，可以叫LiCam(Lidar+Camera)。

5自動駕駛汽車的計算單元

自動駕駛汽車的計算單元，必須考慮到冗余設計。所有的CPU、GPU、FPGA都是雙冗余備份，包括總線也是雙冗余備份的。當檢測系統(tǒng)失效的狀況下MCU還能繼續(xù)工作，這是最后的保障，它發(fā)出控制指令給剎車系統(tǒng)，讓車輛剎停下來保證安全性。

像這種中央集中式的計算也有缺點——整個單元體積比較大，功耗也比較高。自動駕駛車輛后置一個服務器顯然不容易產業(yè)化，未來產業(yè)化是逐步拆分計算量到邊緣計算。比如說激光雷達、毫米波、攝像頭，都接入到一個Sensor BOX，將對準融合后的數(shù)據(jù)再傳輸?shù)接嬎銌卧M行處理。從整個自動駕駛汽車來看，也會根據(jù)不同的功能設計不同的域控制器，比如車身域控制器、車載娛樂域控制器、動力總成域控制器、自動駕駛域控制器。彼此之間隔離，彼此之間互相不干擾。

Sensor+SOC。舉個例子，Dibotics是一個做激光雷達SlAM算法的公司，它將算法寫到Renesas的R-car芯片上，寫完之后將芯片植入到傳感器，在傳感器端完成相關算法的運算。

介紹一下整個芯片的流程，芯片設計、芯片制造、芯片封測三個流程。選擇芯片設計的IP，再經過EDA進行電子電路布局，做成光罩，經過光刻等多種工藝，生產出一個芯片，再進行芯片的封裝。自動駕駛算法芯片主要恒量指標是功耗、算力和面積。目前整個芯片制造是從16納米向7納米發(fā)展，同等面積7納米對比16納米整個運算力會提升40%，功耗會降低60%。

6自動駕駛汽車的線控系統(tǒng)

自動駕駛車輛的線控系統(tǒng)，分減速、轉向和加速三大部分。

上圖是大陸的線控制動解決方案。MK C1將制動助力以及制動壓力控制模塊(ABS、ESC)集成一個制動單元當這個失效的時候還有一個MK 100保證冗余。

自動駕駛車輛的線控轉向系統(tǒng)，自動駕駛線控和傳統(tǒng)車輛的EPS非常類似，唯一的差異就是在于冗余。右圖是英菲尼迪Q50線控轉向系統(tǒng)，基本上還是延續(xù)了傳統(tǒng)轉向系統(tǒng)的結構。只是增加了一套離合、三組ECU、冗余轉向電機和力度回饋器。

自動駕駛車輛的加速線控系統(tǒng)，以往的車輛都有一個油門拉線，油門踏板通過拉線控制氣門開合。目前都是直接通過發(fā)動機管理系統(tǒng)來控制電子油門。

自動駕駛汽車的線控系統(tǒng)可分為三個版本，1.0版對原車的踏板及方向盤進行了物理截斷的改裝，也是俗稱的暴力改裝，由于是后改的并不符合安全性，有時候會漏油和燒電機的情況。2.0版是通過借用原車的ADAS系統(tǒng)來實現(xiàn)線控。3.0版則完全是定制化的，百度阿波龍目前是3.0版，所有的線控都是基于自動駕駛的需求，特別定制化的。

7Apollo硬件開發(fā)平臺

7月4號，百度開發(fā)者大會也推出了硬件開發(fā)平臺，新增了15種硬件傳感器，發(fā)布了Apollo傳感器單元，添加了底層硬件抽象層。

硬件開發(fā)平臺的傳感器單元，就是前面介紹的Sensor Box，將所有的傳感器數(shù)據(jù)都統(tǒng)一到傳感器單元中，完成時間戳的同步將獲得的數(shù)據(jù)傳輸?shù)胶蠖说挠嬎銌卧獊磉M行處理。

后續(xù)會發(fā)布AXU可以提供更多的擴展性，支持更多的硬件設備，滿足不同開發(fā)者的需求。Apollo硬件開發(fā)平臺會完成相關硬件廠家設備的準入工作，涉及到的內核驅動也會在Github上完成合入。

用戶空間庫是給用戶進行一些自定義的。比如每一款車的CAN總線協(xié)議是不同的，可以將相關CAN協(xié)議指令寫在這里。硬件抽象層主要提供數(shù)據(jù)格式轉換和API的功能。另外，添加了硬件抽象層可以保證當某一硬件出現(xiàn)故障時不會導致整個系統(tǒng)崩潰。

從VSI發(fā)布自動駕駛產業(yè)布局圖中可以看出自動駕駛產業(yè)，是汽車、新能源、IT通訊、交通運輸、半導體、人工智能、互聯(lián)網(wǎng)等多個10萬億巨無霸產業(yè)的跨界融合體。自動駕駛汽車是物質流、能量流、信息流的聚合體，需要行業(yè)各方深度合作。只有軟硬件深度整合，打通藩籬跨界的企業(yè)才能摘得皇冠上的明珠。