《工业互联网边缘计算》微课脚本 自动驾驶

《工业互联网边缘计算》微课脚本3.2自动驾驶PPT页码脚本内容教师是否出镜1同学们，大家好，本节我们介绍边缘计算在自动驾驶上的应用否（片头）2自动驾驶是新--轮科技革命背景下的新兴技术，集中运用了现代传感、信息与通信、自动控制、计算机和人工智能等技术，代表着未来汽车技术的方向，也是汽车产业转型升级的关建，是目前世界公认的汽车发展方向。1986年，卡耐基梅隆大学研发了全世界第--辆真正意义上的自动驾驶车辆，该车辆利用激光雷达、计算机视觉及自动控制技术完成对周边环境的感知，并据此做出决策自动控制车辆，在特定道路环境下最高时速大约31km/h。2014年，国际汽车工程师协会(SAEInternational)制订了一套自动驾驶汽车分级标准，将汽车智能化水平分成6个等级:无自动化、驾驶支援、部分自动化、有条件自动化、高度自动化、完全自动化，具体定义如图所示。是3自动驾驶是新--轮科技革命背景下的新兴技术，集中运用了现代传感、信息与通信、自动控制、计算机和人工智能等技术，代表着未来汽车技术的方向，也是汽车产业转型升级的关建，是目前世界公认的汽车发展方向。2014年，国际汽车工程师协会(SAEInternational)制订了一套自动驾驶汽车分级标准，将汽车智能化水平分成6个等级:无自动化、驾驶支援、部分自动化、有条件自动化、高度自动化、完全自动化，具体定义如图所示。否4汽车自动驾驶具有“智慧”和“能力”两层含义。所谓“智慧”是指汽车能够像人一-样智能地感知、综合、判断、推理、决断和记忆;所谓“能力”是指自动驾驶汽车能够确保“智慧”有效执行，可以实施主动控制，并能够进行人机交互与协同。自动驾驶是“智慧”和“能力的有机结合，二者相辅相成，缺-不可。为实现“智慧”和“能力”，自动驾驶技术--般包括环境感知、决策规划和车辆控制三部分。类似于人类驾驶员在驾驶过程中，通过视觉、听觉、触觉等感官系统感知行驶环境和车辆状态,自动驾驶系统通过配置内部和外部传感器获取自身状态及周边环境信息。内部传感器主要包括车辆速度传感器、加速传感器、轮速传感器、横摆角速度传感器等。主流的外部传感器包括摄像头、激光雷达、毫米波雷达及定位系统等，这些传感器可以提供海量的全方位行驶环境信息。为有效利用这些传感器信息，需要利用传感器融合技术将多种传感器在空间和时间上的独立信息、互补信息以及冗余信息按照某种准则组合起来，从而提供对环境的准确理解。决策规划子系统代表了自动驾驶技术的认知层，包括决策和规划两个方面。决策体系定义了各部分之间的相互关系和功能分配，决定了车辆的安全行驶模式;规划部分用以生成安全、实时的无碰撞轨迹。车辆控制子系统用以实现车辆的纵向车距、车速控制和横向车辆位置控制等，是车辆智能化的最终执行机构。环境感知和决策规划对应自动驾驶系统的“智慧”，而车辆控制则体现了其“能力”。否5为了实现L4级或L5级的自动驾驶，仅仅实现单车的“智慧”是不够的，如图需要通过车联网V2X实现车辆与道路以及交通数据的全面感知，获取比单车的内外部传感器更多的信息，增强对非视距范围内环境的感知，并通过高清3D动态地图实时共享自动驾驶的位置。例如在雨雪、大雾等恶劣天气下，或在交叉路口、拐弯等场景下，雷达和摄像头无法清晰辨别前方障碍，通过V2X来获取道路、行车等实时数据，可以实现智能预测路况，避免意外事故的发生。随着自动驾驶等级的提升，并且配备的车内和车外高级传感器更多，--辆自动驾驶汽车每天可以产生高达大约25TB的原始数据。这些原始数据需要在本地进行实时的处理、融合、特征提取，包括基于深度学习的目标检测和跟踪等高级分析;同时需要利用V2X提升对环境、道路和其他车辆的感知能力，通过3D高清地图进行实时建模和定位、路径规划和选择、驾驶策略调整，进而安全地控制车辆。由于这些计算任务都需要在车内终结来保证处理和响应的实时性，因此需要性能强大可靠的边缘计算平台来执行。考虑到计算任务的差异性，为了提高执行效率并降低功耗和成本，一般需要支持异构的计算平台。否6目前在自动驾驶中使用的工控机是--种加固的增强型个人计算机。如图所示，它可以作为-一个工业控制器在工业环境中可靠运行，采用符合EIA标准的全钢化工业机箱，增强了抗电磁干扰能力，并采用总线结构和模块化设计技术。CPU及各功能模块皆使用插板式结构，并带有压杆软锁定，提高了抗冲击、抗振动能力。整体架构设计需要考虑ISO26262的要求。CPU、GPU、FPGA以及总线都做冗余设计，防止出现单点故障。当整体IPC系统失效时，还有MCU做最后的保证，直接发送指令到车辆CAN总线中控制车辆停车。目前这种集中式的架构比较方便，将所有的计算工作统一放到一个工控机中，算法迭代不需要过度考虑硬件的整体设计和车规要求，用传统的x86架构就可以非常快捷地搭建出计算平台，卡槽设计也方便更新硬件。否7工控机集中式的架构比较方便，将所有的计算工作统一放到一个工控机中，算法迭代不需要过度考虑硬件的整体设计和车规要求，用传统的x86架构就可以非常快捷地搭建出计算平台，卡槽设计也方便更新硬件。自动驾驶汽车功能复杂，为了保证各个模块和功能间不互相影响，且出于安全性考虑，将大量采用域控制器。根据不同的功能实现分为车身域控制器、车载娱乐域控制器、动力总成域控制器、自动驾驶域控制器等。随着自动驾驶的技术发展，算法固化后可以做ASIC专用芯片，将传感器和算法集成到--起，实现在传感器内部完成边缘计算，进--步降低后端计算平台的计算量，有利于降低功耗、体积。随着深度学习算法在自动驾驶的模型训练及推理中应用得越来越多，一些厂商也开始定制自己的AI芯片随着5G技术的商用，原本在数据中心中运行的负载可以卸载到网络边缘侧，例如高清3D地图更新、实时交通路况的推送、深度学习模型训练和大数据分析等，从而进一步降低传输时延，提高响应速度。否8负载整合：随着电动汽车和自动驾驶汽车的发展，包括AI、云计算、车联网V2X等新技术不断应用于汽车行业中，使得汽车控制系统的复杂度愈来愈高。同时，人们对于数字化生活的需求也逐渐扩展到汽车上，例如4K娱乐、虛拟办公、语音与手势识别、手机连接信息娱乐系统(IVI)等。所有这些都促使着汽车品牌厂商不断采用负载整合的方式来简化汽车控制系统，集成不同系统的HMI,缩短上市时间。具体而言，就是将ADAS、IVI、数字仪表、HUD和后座娱乐系统等不同属性的负载，通过虚拟化技术运行在同一个硬件平台上。异构计算：为了提高自动驾驶边缘计算平台的性能和能耗比，降低计算时延，采用异构计算是非常重要的。异构计算针对不同计算任务选择合适的硬件实现，充分发挥不同硬件平台的优势，并通过统--.上层软件接口来屏蔽硬件多样性。实时性：将自动驾驶的响应实时地划分到对其边缘计算平台各个功能模块的要求，包括:●对周围目标检测和精确定位的时间:15~20ms。●各种传感器数据融合和分析的时间:10~15ms。●行为和路径规划时间:25~40ms。连接性：车联网的核心是连接性，希望实现车辆与一切可能影响车辆的实体实现信息交互，包括车人通信(V2P)、车网通信(V2N)、车辆之间通信(V2V)和车路通信(V2I)等。V2X通信技术目前有DSRC与C-V2X(CellularV2X，即以蜂窝通信技术为基础的V2X)两大路线。专用短距离通信技术(DedicatedShortRangeCommunication,DSRC)发展较早，目前已经非常成熟。但随着LTE技术的应用推广和5G的兴起，未