Apollo 3.0來了！百度自動駕駛硬件系統(tǒng)全解讀

轉(zhuǎn)載自：https://juejin.im/post/5b3b3e93e51d4519475ee653

作者 | 王石峰

編輯 | Natalie

AI 前線導讀：?百度 Apollo 3.0 發(fā)布在即，本期 AI 前線社群分享我們很高興邀請到了百度自動駕駛技術(shù)部高級產(chǎn)品經(jīng)理王石峰，為我們帶來《自動駕駛汽車硬件系統(tǒng)概述》的干貨分享。本場直播的講師和內(nèi)容提供來自百度。

更多優(yōu)質(zhì)內(nèi)容請關(guān)注微信公眾號“AI 前線”（ID：ai-front）

大家好，我是來自百度自動駕駛技術(shù)部的高級產(chǎn)品經(jīng)理王石峰。負責傳感器、特種車輛識別、交通手勢識別的產(chǎn)品設計和項目管理的工作。很高興在這里，通過社群帶給大家自動駕駛中有關(guān)硬件系統(tǒng)的分享。

接下來，我將從五個方面為大家做自動駕駛汽車硬件系統(tǒng)概述的內(nèi)容分享，希望大家可以通過我的分享，對硬件系統(tǒng)的基礎(chǔ)有個全面的了解：

自動駕駛系統(tǒng)的硬件架構(gòu)

自動駕駛的傳感器

自動駕駛傳感器的產(chǎn)品定義

自動駕駛的大腦

自動駕駛汽車的線控系統(tǒng)

根據(jù)美國國家運輸安全委員會的調(diào)查報告，當時涉事 Uber 汽車——一輛沃爾沃 SUV 系統(tǒng)上的傳感器在撞擊發(fā)生 6s 前就檢測到了受害者，而且在事故發(fā)生前 1.3 秒，原車自動駕駛系統(tǒng)確定有必要采取緊急剎車，此時車輛處于計算機控制下時，原車的緊急剎車功能無法啟用。于是剎車的責任由司機負責，但司機在事故發(fā)生前 0.5s 低頭觀看視頻未能抬頭看路。

從事故視頻和后續(xù)調(diào)查報告可以看出，事故的主要原因是車輛不在環(huán)和司機不在環(huán)造成的。Uber 在改造原車加裝自動駕駛系統(tǒng)時，將原車自帶的 AEB 功能執(zhí)行部分截斷造成原車 ADAS 功能失效。自動駕駛系統(tǒng)感知到受害者確定要執(zhí)行應急制動時，并沒有聲音或圖像警報，此時司機正低頭看手機也沒有及時接管剎車。

目前絕大多數(shù)自動駕駛研發(fā)車都是改裝車輛，相關(guān)傳感器加裝到車頂，改變車輛的動力學模型；改裝車輛的剎車和轉(zhuǎn)向系統(tǒng)，也缺乏不同的工況和兩冬一夏的測試。圖中 Uber 研發(fā)用車是 SUV 車型自身重心就較高，車頂加裝的設備進一步造成重心上移，在避讓轉(zhuǎn)向的過程中轉(zhuǎn)向過急過度，發(fā)生碰撞時都會比原車更容易側(cè)翻。

所以在自動駕駛中，安全是自動駕駛技術(shù)開發(fā)的第一天條。為了降低和避免實際道路測試中的風險，在實際道路測試前要做好充分的仿真、臺架、封閉場地的測試驗證。

• 軟件在環(huán)（Software in loop），通過軟件仿真來構(gòu)建自動駕駛所需的各類場景，復現(xiàn)真實世界道路交通環(huán)境，從而進行自動駕駛技術(shù)的開發(fā)測試工作。軟件在環(huán)效率取決于仿真軟件可復現(xiàn)場景的程度。對交通環(huán)境與場景的模擬，包括復雜交通場景、真實交通流、自然天氣（雨、雪、霧、夜晚、燈光等）各種交通參與者（汽車、摩托車、自行車、行人等）。采用軟件對交通場景、道路、以及傳感器模擬仿真可以給自動駕駛的環(huán)境感知提供豐富的輸入可以對算法進行驗證和測試。

• 硬件在環(huán)（Hard-ware in loop），各種傳感器類似人的眼睛和耳朵，作為自動駕駛系統(tǒng)的感知部分，該部分的性能決定了自動駕駛車輛能否適應復雜多變的交通環(huán)境。包括，攝像頭、毫米波雷達、超聲波雷達、激光雷達。針對不同的傳感器，硬件在環(huán)會根據(jù)不同的傳感器和環(huán)境因素來部署。

• 車輛在環(huán)（Vehicle in loop），車輛執(zhí)行系統(tǒng)向傳動系統(tǒng)發(fā)出執(zhí)行命令來控制車輛，在自動駕駛中取代了人類的手腳。自動駕駛系統(tǒng)的執(zhí)行控制優(yōu)劣決定了車輛是否能夠安全舒適的行駛。車輛運行在空曠的場地上，自動駕駛系統(tǒng)感知系統(tǒng)模擬的虛擬場景，自動駕駛系統(tǒng)根據(jù)虛擬的場景發(fā)出控制指令，再通過傳感器將車輛的真實軌跡反饋到虛擬環(huán)境中，實現(xiàn)真車與虛擬環(huán)境的融合，從而進行車輛操控的驗證。

• 司機在環(huán)（Driver in loop），基于實時仿真技術(shù)開發(fā)，結(jié)合駕駛員的實際行為，可以實現(xiàn)對車輛和自動駕駛技術(shù)開發(fā)測試做出主觀的評價。司機在環(huán)，可以一方面獲得司機的主觀評價，另一方面可以驗證人機共駕駛的功能。

一、自動駕駛系統(tǒng)的硬件架構(gòu)

就整體而言，汽車是個全社會化管理的產(chǎn)品，其固有的行業(yè)特點是相對保守的。在人工智能的大潮下，面對造車新勢力和消費者需求變化的沖擊，傳統(tǒng)汽車行業(yè)漸進式的創(chuàng)新方法已經(jīng)面臨巨大的挑戰(zhàn)。急需改變傳統(tǒng)的架構(gòu)和方法不斷創(chuàng)新。自動駕駛整體的硬件架構(gòu)不光要考慮系統(tǒng)本身也要考慮人的因素。

自動駕駛系統(tǒng)主要包含三個部分：感知、決策、控制。從整個硬件的架構(gòu)上也要充分考慮系統(tǒng)感知、決策、控制的功能要求。整體設計和生產(chǎn)上要符合相關(guān)車規(guī)級標準，如 ISO26262、AECQ-100、TS16949 等相關(guān)認證和標準。目前 L1、L2、ADAS 系統(tǒng)的硬件架構(gòu)體系和供應鏈相對完善符合車規(guī)級要求。

感知層依賴大量傳感器的數(shù)據(jù)，分為車輛運動、環(huán)境感知、駕駛員檢測三大類。

車輛運動傳感器：速度和角度傳感器提供車輛線控系統(tǒng)的相關(guān)橫行和縱向信息。慣性導航 + 全球定位系統(tǒng) = 組合導航，提供全姿態(tài)信息參數(shù)和高精度定位信息。

環(huán)境感知傳感器：負責環(huán)境感知的傳感器類似于人的視覺和聽覺，如果沒有環(huán)境感知傳感器的支撐，將無法實現(xiàn)自動駕駛功能。主要依靠激光雷達、攝像頭、毫米波雷達的數(shù)據(jù)融合提供給計算單元進行算法處理。V2X 就是周圍一切能與車輛發(fā)生關(guān)的事物進行通信，包括 V2V 車輛通信技術(shù)、V2I 與基礎(chǔ)設施如紅綠燈的通信技術(shù)、V2P 車輛與行人的通信。

駕駛員監(jiān)測傳感器：基于攝像頭的非接觸式和基于生物電傳感器的接觸式。通過方向盤和儀表臺內(nèi)集成的傳感器，將駕駛員的面部細節(jié)以及心臟、腦電等部位的數(shù)據(jù)進行收集，再根據(jù)這些部位數(shù)據(jù)變化，判斷駕駛員是否處于走神和疲勞駕駛狀態(tài)。

計算單元部分：各類傳感器采集的數(shù)據(jù)統(tǒng)一到計算單元處理，為了保證自動駕駛的實時性要求，軟件響應最大延遲必須在可接受的范圍內(nèi)，這對計算的要求非常高。目前主流的解決方案有基于 GPU、FPGA、ASIC 等。

車輛控制：自動駕駛需要用電信號控制車輛的轉(zhuǎn)向、制動、油門系統(tǒng)，其中涉及到車輛地盤的線控改裝，目前在具備自適應巡航、緊急制動、自動泊車功能的車上可以直接借用原車的系統(tǒng)，通過 CAN 總線控制而不需要過度改裝。

警告系統(tǒng)：主要是通過聲音、圖像、振動提醒司機注意，通過 HMI 的設計有效減少司機困倦、分心的行為。

二、自動駕駛的傳感器

攝像頭：主要用于車道線、交通標示牌、紅綠燈以及車輛、行人檢測，有檢測信息全面、價格便宜的特定，但會受到雨雪天氣和光照的影響。由鏡頭、鏡頭模組、濾光片、CMOS／CCD、ISP、數(shù)據(jù)傳輸部分組成。光線經(jīng)過光學鏡頭和濾光片后聚焦到傳感器上，通過 CMOS 或 CCD 集成電路將光信號轉(zhuǎn)換成電信號，再經(jīng)過圖像處理器（ISP）轉(zhuǎn)換成標準的 RAW，RGB 或 YUV 等格式的數(shù)字圖像信號，通過數(shù)據(jù)傳輸接口傳到計算機端。

激光雷達：激光雷達使用的技術(shù)是飛行時間法（Time of Flight）根據(jù)光線遇到障礙的折返時間計算距離。為了覆蓋一定角度范圍需要進行角度掃描，從而出現(xiàn)了各種掃描原理。主要分為：同軸旋轉(zhuǎn)、棱鏡旋轉(zhuǎn)、MEMS 掃描、相位式、閃爍式。激光雷達不光用于感知也應用于高精度地圖的測繪和定位是公認 L3 級以上自動駕駛必不可少的傳感器。

毫米波雷達：主要用于交通車輛的檢測，檢測速度快、準確，不易受到天氣影響，對車道線交通標志等無法檢測。毫米波雷達由芯片、天線、算法共同組成，基本原理是發(fā)射一束電磁波，觀察回波與入射波的差異來計算距離、速度等。成像精度的衡量指標為距離探測精度、角分辨率、速度差分辨率。毫米波頻率越高，帶寬越寬，成像約精細，主要分為 77GHz 和 24GHz 兩種類型 。

組合導航：GNSS 板卡通過天線接收所有可見 GPS 衛(wèi)星和 RTK 的信號后，進行解譯和計算得到自身的空間位置。當車輛通過遂道或行駛在高聳的樓群間的街道時，這種信號盲區(qū)由于信號受遮擋而不能實施導航的風險。就需要融合 INS 的信息，INS 具有全天候、完全自主、不受外界干擾、可以提供全導航參數(shù)（位置、速度、姿態(tài)）等優(yōu)點，組合之后能達到比兩個獨立運行的最好性能還要好的定位測姿性能。

三、自動駕駛傳感器的產(chǎn)品定義

這張表總結(jié)了常見自動駕駛功能所使用的傳感器，以及各個傳感器的應用。針對 L1、L2 的自動駕駛功能各國也紛紛出臺了相關(guān)標準，加速了市場的發(fā)展和產(chǎn)品落地。歐盟新車安全評鑒協(xié)會 (E-NCAP) 從 2013 年起便在評分規(guī)則中增加了 ADAS 內(nèi)容，計劃到 2017 年速度輔助系統(tǒng) (SAS)、自動緊急制動 (AEB)、車道偏離預警 / 車道偏離輔助 (LDW/LKD) 的加分要求為系統(tǒng)，裝機量達到 100%。美國國家公路交通安全管理局 (NHTSA) 和高速公路安全保險協(xié) (IIHS) 也提出 2022 年將自動緊急制動 (AEB) 等 ADAS 功能納入技術(shù)標準。

自動駕駛要求局限于車輛的 ODD（Operational Design Domain），即設計適用范圍。城市道路 + 城際高速是自動駕駛汽車普遍的適用范圍。我國城市封閉道路最高限速 80 公里／小時，高速公路限速 120 公里／小時。干燥的柏油路面摩擦系數(shù)是 0.6，根據(jù)剎車距離公式：S=V*V/2gμ 去計算剎車距離得出第一行的表格，再結(jié)合自動駕駛系統(tǒng)反應時間和制動系統(tǒng)反應時間得出下表。

從兩個表格可以看出，剎車距離與速度的平方成正比，與摩擦系數(shù)成反比。當摩擦系數(shù)一定時，剎車距離取決于車速，如果車速增加 1 倍，剎車距離將增大至 4 倍。摩擦系數(shù)μ主要與路面材質(zhì)和天氣相關(guān)。

自動駕駛傳感器在中國最高限速 120 公里的情況下，探測距離達到 150m 就可以滿足需求了，自動駕駛的技術(shù)開發(fā)者可以根據(jù)實際場景的速度來選擇所需要的傳感器，沒有必要一味追求傳感器的性能提高整體成本。

傳感器的分辨率和物體探測的關(guān)系可以用 atan 反正切函數(shù)來計算，圖中給出的公式多除以了個 2，主要是為了保證在傳感器探測時當最小角度是最小目標一半時，任意情況都能覆蓋到某個像素保證分辨。避免物體恰好不是在一個角度內(nèi)而產(chǎn)生漏檢。

理論上分辨率 0.4 度時 100m 外就可以探測到一輛車，而在 0.1 度分辨率下 400m 外就能探測到。但檢測只是識別到有個物體并不代表能識別，從自動駕駛的算法角度來講，比如激光雷達物體識別需要 4 到 5 條線掃描上才能識別出物體的類別。從這個角度看自動駕駛系統(tǒng)如果用 0.4 度分辨率的激光雷達在 50m 范圍內(nèi)才能真正識別出一輛車。

自動駕駛離不了多傳感器融合，其中激光雷達和攝像頭都是光學類的傳感器，核心零部件和處理電路相似。有望將兩個傳感器前端融合到一起，直接輸出 R、G、B、X、Y、Z 顏色 + 點云融合信息。在傳感器內(nèi)部實現(xiàn)數(shù)據(jù)融合可大幅度降低后端的計算處理量。

其中以 AEye 為代表 ，其 iDAR 智能感知系統(tǒng)能夠瞬間將 2D 真實世界的色彩信息智能地疊加在 3D 數(shù)據(jù)上。其動態(tài)掃描和發(fā)射圖紋技術(shù)、通過控制每束激光脈沖的掃描，可查詢每個點的三維坐標和像素。

四、自動駕駛的大腦

IPC 即工業(yè)個人計算機（Industrial Personal Computer─IPC）是一種加固的增強型個人計算機，它可以作為一個工業(yè)控制器在工業(yè)環(huán)境中可靠運行。采用符合“EIA”標準的全鋼化工業(yè)機箱，增強了抗電磁干擾能力，采用總線結(jié)構(gòu)和模塊化設計技術(shù)。CPU 及各功能模塊皆使用插板式結(jié)構(gòu)，并帶有壓桿軟鎖定，提高了抗沖擊、抗振動能力。

整體架構(gòu)設計需要考慮 ISO26262 的要求，CPU、GPU、 FPGA 以及總線都做冗余設計，防止單點故障。當整體 IPC 系統(tǒng)失效還有 MCU 做最后的保證，直接發(fā)送指令到車輛 Can 總線中控制車輛停車。

目前這種集中式的架構(gòu)，將所有的計算工作統(tǒng)一放到一個工控機中，整體體積較大，功耗高，不適用于未來的量產(chǎn)。但這種架構(gòu)非常方便，算法迭代不需要過度考慮硬件的整體設計和車規(guī)要求。用傳統(tǒng)的 X86 架構(gòu)就可以非常快捷的搭建出計算平臺，卡槽設計也方便硬件的更新。

采用工控機集中式運算整體體積和功耗難以滿足量產(chǎn)化要求，需要采用域控制器嵌入式的方案。將各個傳感器的原始數(shù)據(jù)接入到 Sensor Box 中，在 Sensor Box 中完成數(shù)據(jù)的融合，再將融合后的數(shù)據(jù)傳輸?shù)接嬎闫脚_上進行自動駕駛算法處理。

自動駕駛汽車功能復雜，保證各個模塊和功能間不互相影響和安全性考慮，將大量采用域控制器。根據(jù)不同的功能實現(xiàn)分為，車身域控制器、車載娛樂域控制器、動力總成域控制器、自動駕駛域控制器等。以自動駕駛域控制器為例，其承擔了自動駕駛所需要的數(shù)據(jù)處理運算力，包括毫米波雷達、攝像頭、激光雷達、組合導航等設備的數(shù)據(jù)處理，也承擔了自動駕駛算法的運算。

隨著自動駕駛的技術(shù)發(fā)展，算法不斷完善。算法固化后可以做 ASIC 專用芯片，將傳感器和算法集成到一起，實現(xiàn)在傳感器內(nèi)部完成邊緣計算。進一步降低后端計算平臺的計算量，有利于降低功耗、體積、車規(guī)化。其中以 Mobileye 為標桿性企業(yè)。

激光雷達處理需要高效的處理平臺和先進的嵌入式軟件。如圖 Renesas 將包含高性能圖像處理技術(shù)及低功耗的汽車 R-CarSoC 與 Dibotics 的 3D 實時定位和制圖（SLAM）技術(shù)相結(jié)合，提供 SLAM on Chip?。SLAM 可在 SoC 上實現(xiàn)高性能所需的 3D SLAM 處理。Dibotics 公司也開發(fā)了一款名為“Augmented LiDAR”的嵌入式 LiDAR 軟件，能夠提供實時、先進的 LiDAR 數(shù)據(jù)處理。

ASIC 芯片是根據(jù)某類特定的需求去專門定制的芯片，比通用性的 GPU、FPGA 體積小、功耗低，性能穩(wěn)定批量化成本低的特定。自動駕駛的算法公司只要做好芯片的前端設計，后端的制造和工藝都是非常成熟的產(chǎn)業(yè)，完全可以依靠外包實現(xiàn)。

芯片的制作流程是由芯片設計、芯片制造、芯片封裝三部分組成。

前端設計完成之后，可以根據(jù)實際算法需求選擇 IP 核通過 EDA（電子設計自動化）完成布圖規(guī)劃、布局、布線。根據(jù)延遲、功耗、面積等方面的約束信息，合理設置物理設計工具的參數(shù)，以獲取最佳的配置從而決定元件在晶圓上的物理位置。

芯片制造工藝上正從 193nm 深紫外（DUV）向 13.5nm 極紫外（EUV）發(fā)展。半導體正步入 7nm 時代，更先進的工藝帶來性能上的提升，對比 16nm 工藝 7nm 可提升 40% 的性能和節(jié)省 60% 的能耗。

芯片封測是指將通過測試的晶圓按照產(chǎn)品型號及功能需求加工得到獨立芯片的過程。在封測的過程中完成對芯片車規(guī)級要求，傳統(tǒng)的汽車電子企業(yè)如 NXP 和 ST 有著更加豐富的經(jīng)驗。

五、自動駕駛汽車的線控系統(tǒng)

線控就是 Control by Wire 的直譯 。簡單理解，就是車輛的控制都是由一系列命令而執(zhí)行的，而不是物理的操作進行執(zhí)行的。

自動駕駛主要分為感知決策控制三部分，控制層是自動駕駛落地的基礎(chǔ)。感知定位如同司機的眼睛，決策規(guī)劃如同大腦，執(zhí)行控制就好比手和腳了。做好自動駕駛的決策規(guī)劃也必須懂得執(zhí)行控制，為了實現(xiàn)自動駕駛，執(zhí)行機構(gòu)的線控化是必然趨勢，其中包括線控制動、線控轉(zhuǎn)向、線控油門。

在傳統(tǒng)車輛上，制動系統(tǒng)多采用液壓或真空伺服機構(gòu)來控制制動，對自動駕駛而言線控制動是最終的發(fā)展趨勢，線控制動是以電子系統(tǒng)取代液壓或氣壓控制單元。

上圖是大陸的線控制動解決方案，MK C1 與 MK100 組成冗余線控方案。MK C1 將制動助力以及制動壓力控制模塊 (ABS、ESC) 被集成為一個結(jié)構(gòu)緊湊、重量輕省的制動單元。MK C1 能滿足自動駕駛對壓力動態(tài)特性更高的要求，電觸發(fā)的緊急制動所產(chǎn)生的制動距離要短得多。MK100 是大陸的汽車電子穩(wěn)定控制系統(tǒng)（ESC），在汽車防抱死制動系統(tǒng) (ABS) 和牽引力控制系統(tǒng) (TCS) 功能的基礎(chǔ)上，增加了車輛轉(zhuǎn)向行駛時橫擺率傳感器、測向加速度傳感器和方向盤轉(zhuǎn)角傳感器，通過 ECU 控制前后、左右車輪的驅(qū)動力和制動力，確保車輛行駛的側(cè)向穩(wěn)定性。

電子助力轉(zhuǎn)向（EPS）與線控轉(zhuǎn)向最大的區(qū)別在于，EPS 方向盤與車輪之間鏈接并未參與線控技術(shù)，依然采用的機械鏈接。從電信號控制角度看 EPS 也可以看成是一種線控轉(zhuǎn)向系統(tǒng)。

英菲尼迪 Q50 線控主動轉(zhuǎn)向系統(tǒng)基本上還是延續(xù)了傳統(tǒng)轉(zhuǎn)向系統(tǒng)的結(jié)構(gòu)。只是增加了一套離合器裝置以及三組 ECU 電子控制單元和一個轉(zhuǎn)向力度回饋器。當車輛啟動時，離合裝置會自動切斷連接，轉(zhuǎn)向的任務交由電控系統(tǒng)。由于采用電子信號控制，其傳動響應更為迅速，也更為輕松。

線控油門就是電子油門，通過位置傳感器傳送油門踩踏深淺與快慢的訊號 ，從而實現(xiàn)油門功能的電子控制裝置。這個訊號會被 ECU 接收和解讀，然后再發(fā)出控制指令 ，要節(jié)氣門依指令快速或緩和開啟它應當張開的角度。這個過程精準而快速。不會有機械磨耗的問題。

電子油門目前已大量普及，凡具備定速巡航即可認定有電子油門，早期電子油門為接觸式，近來已經(jīng)改為非接觸式。電車依靠電機扭矩實現(xiàn)，直接發(fā)扭矩信號即可，油車依靠發(fā)動機管理系統(tǒng)（EMS）發(fā)扭矩信號實現(xiàn)。

轉(zhuǎn)向的最早改裝是在轉(zhuǎn)向管柱端截斷加裝轉(zhuǎn)向電機進行改造。之后利用原車轉(zhuǎn)向助力系統(tǒng)進行轉(zhuǎn)向控制。

制動的最早改裝是加裝電機踏板，后續(xù)利用原車的 ESC 系統(tǒng)進行控制，未來會選用 MK C1 之類的線控控制系統(tǒng)。

加速的最早改裝都是發(fā)扭矩信號依靠 EMS 實現(xiàn)，后續(xù)的改裝方案都是借用原車 ACC 接口由電子油門來執(zhí)行。

自動駕駛面向量產(chǎn)的線控方案，可以參考英菲尼迪 Q50 的線控轉(zhuǎn)向、大陸 MK100+MK C1 的線控制動來實現(xiàn)。由自動駕駛域控制器直接輸出電機扭矩／制動壓力信號給轉(zhuǎn)向剎車的執(zhí)行機構(gòu)，結(jié)合大量的測試標定實現(xiàn)精準控制，從而給司乘人員帶來完美的體感舒適度。

從 VSI 發(fā)布自動駕駛產(chǎn)業(yè)布局圖中可以看出自動駕駛產(chǎn)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(chǎn)業(yè)的跨界融合體。自動駕駛汽車是物質(zhì)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。

本次分享的部分內(nèi)容參考了我參與撰寫的《智能汽車：決戰(zhàn)2020》一書，內(nèi)容涵蓋技術(shù)到實戰(zhàn)、政策到市場、創(chuàng)業(yè)到投資，并對全產(chǎn)業(yè)鏈進行了全貌梳理。

Apollo 3.0 將在 7 月 4 日百度開發(fā)者大會上與大家見面，將開放更多硬件能力給開發(fā)者，歡迎大家到現(xiàn)場見證 Apollo 3.0 的發(fā)布！更多硬件相關(guān)的技術(shù)干貨也可以繼續(xù)關(guān)注后續(xù)的社群分享。

更多學習資料和自動駕駛相關(guān)技術(shù)內(nèi)容，大家可以關(guān)注 Apollo 開發(fā)者社區(qū)的公眾號來獲取，歡迎大家在這里溝通交流！

Q & A

Q1：目前哪些市面上的車型能夠支持無人駕駛的線控改裝？

A1: 絕大多數(shù)不能，具備自動泊車、AEB、ACC 功能的車輛都有希望進行不破壞原車的執(zhí)行機構(gòu)的改裝。其他的只能通過破壞原車執(zhí)行機構(gòu)進行暴力改裝。

Q2: 如果由于使用場景限制，激光雷達無法安裝在車頂，而是在車輛周圍安裝多個激光雷達，會帶來哪些影響？

A2：需要做激光雷達的外耦合。耦合完成實現(xiàn) 360 度的識別。

Q3：如果對無人車輛的停車定位精度要求很高（水平位置精度和航向精度），建議采取哪些解決方法？

A3：定位精度可以依靠 RTK 差分定位實現(xiàn)，目前 RTK 可以實現(xiàn)厘米級的定位。其次可以再融合激光雷達的數(shù)據(jù)，激光雷達自身測量精度可達到 2cm。通過這兩種傳感器的數(shù)據(jù)結(jié)合優(yōu)秀的算法可實現(xiàn)高精度的定位要求。

Q4：請問，汽車用的主控制器：CPU 都有哪些主流廠家提供？

A4: CPU 目前都是用的 X86 的 intel 的。如果做 ASIC 芯片用的都是 ARM 核的

Q5: 制動的最早改裝是加裝電機踏板，后續(xù)利用原車的 ESC 系統(tǒng)進行控制，未來會選用 MK C1 之類的線控控制系統(tǒng)。市面上改裝的林肯 MKZ 等車制動也是通過 ESC 做的么？

A5：MKZ 原車自帶的泊車系統(tǒng)具有較好的線控能力，其制動基于車身自帶的 ESC。

Q6：能否再介紹一下 appollo 的 sensorbox？

A6：更多介紹可以來 7 月 4 日 Apollo 3.0 發(fā)布會現(xiàn)場尋找答案

Q7：只通過攝像頭檢測，能否達到監(jiān)督駕駛員精神是否集中的目的？如果能，戴墨鏡的狀態(tài)下如何實現(xiàn)？謝謝

A7：監(jiān)視員檢測不光是依靠攝像頭，戴墨鏡的情況可以靠生物電傳感器，此傳感器是放在方向盤里，可以通過手與方向盤的接觸感應人體生物電從而判斷注意力是否集中或者駕駛疲勞的情況

Q8：請問國內(nèi)做線控改裝的有哪些公司？價格大概是多少？

A8：目前 Apollo 認證的 MKZ 參考車輛由 AS 公司提供。Apollo 也歡迎車企／車輛改裝服務商加入 Apollo 生態(tài)，豐富我們的參考車輛類型，降低 Apollo 上車門檻。

Q9：請問多傳感器之間的外參標定采用什么方法呢？

A9：可以參考 Apollo 的傳感器標定文檔https://github.com/ApolloAuto/apollo/blob/master/docs/quickstart/multiple_lidar_gnss_calibration_guide.mdhttps://github.com/ApolloAuto/apollo/blob/master/docs/quickstart/apollo_2_0_sensor_calibration_guide.mdhttps://github.com/Apol

Q10：石峰老師，我的問題也是關(guān)于 sensor box 的，現(xiàn)在內(nèi)部是用 fpga，將來算法固化后會采用 asic 嗎？

A10：可以把 FPGA 看成是 ASIC 的前端設計部分。算法固化后確實可以做 ASIC 芯片，量產(chǎn)化的成本功耗優(yōu)勢明顯。

總結(jié)

以上是生活随笔為你收集整理的***无人驾驶***apollo 3.0 硬件系统的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。