智能网联乘用车教学实训平台需求说明

智能网联乘用车教学实训平台需求说明序号具体技术(参数)要求1智能网联乘用车教学实训平台搭载自动驾驶教学套件，包含线控乘用车底盘、多类别传感器（激光雷达、相机、毫米波雷达、超声波雷达、组合导航系统等）、高性能域控制器、操作系统、开发库、人机交互软件、源码等内容；具体功能和参数如下：1.自动驾驶乘用车线控底盘参数(1)车长*宽*高（含覆盖件）≥4600*1800*1500mm；(2)轴距≥2700mm，轮距（前/后）≥1570mm/1570mm；(3)整备质量≥1500kg，满载质量≥2000kg；(4)电动机最大功率：不低于120kW；(5)电动机最大扭矩：不低于280N·m；（6）具备完善线控功能（方向盘、油门、刹车、挡位、转向灯等），并开放车辆底层CAN协议；（7）具备完善的手自动切换策略与装置，如方向盘应力感知系统、手自动快捷切换按钮、急停按钮等；2.智能网联乘用车教学实训平台搭载高性能车载域控制器，AI算力≥200TOPS（INT8），CPU核心数≥8核，CPU主频≥2.2GHz，包含CUDA核数≥1792，内存容量≥32GB，存储容量≥64GB，I/O接口应至少包括千兆以太网，GMSL相机接口，HDMI视频接口，USB3.0接口，通用GPIO，CAN/CANFD接口，支持12V外接供电，工作温度-25℃~70℃，存储温度-40℃~80℃，防护级别≥IP5X；3.自动驾驶乘用车搭载集成式、一体化感知平台，包含激光雷达、毫米波雷达、超声波雷达、环视相机、双目相机、组合导航，满足传感器拆装、调试、测试、故障诊断、标定等教学实训任务，支持高精定位、激光建图、数据融合、目标检测、目标跟踪、全局规划、自主避障、精准控制、人机交互等多类算法开发、测试、联调；4.自动驾驶乘用车可作为独立的实验台架用于自动驾驶硬件调试、软件开发、算法测试等教学实训项目，可独立支持覆盖自动驾驶及人工智能开发全流程，基于车载多源传感器及高性能车载计算机，实现多源数据采集、轨迹录制、多源数据联合标注、路网地图构建，实现深度神经网络与机器学习模型开发、模型训练、模型部署，支持至少一种端到端模型（包括大语言模型或世界模型）的开发与部署；5.支持多功能人机交互系统，系统包括实时显示车辆运行状态，包括转向灯、电量、油门刹车踏板开度、方向盘转角、挡位、工作模式、经度纬度航向等信息；支持通过红绿灯状态指示展示传感器及总线工作情况，可显示车载电气、CAN总线、GPS、惯导、光学相机、毫米波雷达、激光雷达等的实时状态，以及CPU、GPU、RAM、DISK使用率；同时系统菜单栏支持传感器选项卡、跟踪调试选项卡、地图录制选项卡和可视化选项卡，可进行多传感器管理与状态信息输出，记录GPS和惯导轨迹，并支持地图加载显示、全局路径规划与控制启动等功能；6.自动驾驶乘用车可作为智能网联多车协同开发与测试平台组成部分，通过车载OBU设备实现多车间通信，支持车辆状态共享、多车协同、集中调度、分布控制，提供上位机与云服务平台实现多车数据上报、统一调度、任务下发、实时监管；7.车辆搭载智能网联及云控制系统并支持车载OBU与V2V通信设备，可实现网联汽车间信息的实时收发，支持LTE-V2XPC5和4G/5GU双模通信，并具备高精度定位与导航功能，同时支持标准V2X协议的扩展应用；系统内置智能网联系统，提供高效、安全、完整的车车、车路通信协议，以及数据接收、发送、加解密等算法，保障V2X通信资源调度与传输有效性；此外，系统支持多车编队控制与群体智能算法，能够在复杂城市道路环境下实现高水平的智能车队协同，具备队伍活跃性、鲁棒性与自组织能力，满足实际路况需求；同时支持多车智能控制算法；系统支持实车平台与云端的真实平台对接，实现跨平台无缝迁移，并能快速进行参数调整；8.系统提供云端数字仿真测试平台，支持多种车辆动力学与运动学建模，具备复杂场景生成和模拟能力，能够在不同道路环境、天气条件和交通流量下开展虚拟仿真测试；平台支持多车并行数字仿真场景模拟，可进行自动驾驶车队协同和交通流量测试，可对感知算法、决策算法与控制算法在复杂路况中的可靠性与鲁棒性进行全面验证；系统提供云端数据库与接口，支持车辆ID、位置等数据记录，具备数据可视化展示能力，并通过标准API提供查询、分析与仿真扩展，为智能网联与车路协同应用提供云端支撑；9.平台软件基于嵌入式Linux系统，预装深度学习框架，支持Caffe、TensorFlow、Pytorch、ONNX等训练框架模型直接部署；内置完整的开发套件，包含用于深度学习、计算机视觉、加速计算和多媒体的开发库，满足图像分类、语义分割和目标检测等神经网络的高性能深度学习边端推理运行；10.提供3D目标检测算法，输入为单帧激光雷达点云，输出为3D包围框，能够对车辆、行人和骑行者实现高精度检测，提供完整的模型训练流程，编程语言为Python，框架基于Pytorch，输出包括类别、空间位置（X、Y、Z）、尺寸（长、宽、高）、航向及置信度等，可精准检测运动物体与远处小目标；其中0–30m范围内障碍物召回率不低于75%；提供完整的推理优化流程，利用CUDA与TensorRT进行加速，要求在车载计算平台上的推理时间小于100ms；11.支持建图导航：支持使用激光SLAM实现2D和3D建图导航，3D建图包含点云图层及2D地图图层，地图支持可视化浏览；12.系统提供多目标追踪算法，能够在不同目标类别与复杂场景环境下实现精确跟踪，具备生命周期管理功能，平均身份切换次数不超过2次，有效解决3D目标检测框抖动带来的度量不准问题；多目标跟踪准确度不低于80%，精度不低于75%；系统提供完整的模型优化与推理流程，利用CUDA与SIMD指令集对算法进行加速，在车载计算平台上的推理时间不超过100ms，满足实时性需求；13.支持实现自动驾驶、自动避障、紧急停障、自动规划行驶路径等功能的完整条件；14.支持基于GSML摄像头的2D目标检测，实现支持实现障碍物、物体类别检测及车道线信息识别功能；15.支持高性能GPU计算单元作为上位机，与作为下位机的控制主控进行通信，可实时获取IMU三轴姿态信息控制机器人进行直线运动、转弯运动、速度控制等；16.支持实现结合车辆位姿及障碍物信息，创建周边障碍物地图；17.支持基于前置毫米波雷达的目标检测以及障碍物可视化功能；18.系统提供多传感器联合标定功能，具备基于配准的校验匹配算法，能够对传感器数据间的齐情况进行评估，实时反馈并调整标定结果，及时发现并修正误差，确保传感器数据在融合时的高精度；同时，系统配备可视化的多传感器联合标定软件，界面简洁美观，支持数据采集、雷达标定、相机内参和畸变标定及雷达与相机的联合标定，并具备数据展示功能，帮助用户在标定过程中快速调整参数并查看效果，从而有效提升标定效率；19.源代码开放，提供自动驾驶与无人车智能感知、智能控制相关的实验与教学支持；内容涵盖自动驾驶实训资源，包括车辆智能感知、运动控制、云控制等课程的教学与实验；无人车智能感知实训资源，如多传感器联合标定算法、3D目标检测、多目标识别追踪及基于匈牙利匹配的多目标识别跟踪等；无人车智能控制实训资源，包括基于自抗扰的纵向控制、基于模型预测的横向控制、纵向队列分层控制、横向编队控制及多车智能控制算法等；系统同时提供车辆线控CAN协议与ROS2全部话题接口，所有功能算法均开源，支持Linux和ROS2系统，支持C++和Python二次开发；并提供基于Docker镜像的一键部署方案和详细部署指南，帮助用户快速完成环境搭建与实验操作；20.车载高性能域控制器参数(1)AI算力≥200TOPS(INT8)；(2)GPU：≥1792个CUDA核心+56个TensorCore，，最高频率≥930MHz；(3)CPU：≥8核64位，2MBL2+4MBL3，最高频率≥2.2GHz；(4)内存：32GB256-bitLPDDR5，带宽204.8GB/s；(5)深度学习加速器：2×NVDLAv2.0，最高频率1.4GHz；(6)视频加速器：PVAv2.0；(7)存储：64GBeMMC5.1；(8)视频编码能力：1×4K@60fps、3×4K@30fps、6×1080p@60fps、12×1080p@30fps（H.264、AV1）；(9)视频解码能力：1×8K@30fps、2×4K@60fps、4×4K@30fps、9×1080p@60fps、18×1080p@30fps（H.265、H.264、VP9、AV1）；21.毫米波雷达(1)测量范围：一般目标（反射目标）≥200m（长距离模式），≥60m（短距离模式，±45°俯仰），≥20m（短距模式，±60°俯仰）；距离分辨率：≤1.8m（长距），≤0.4m（短距），≤0.2m（静止）；距离测量精度：±0.40m（长距），±0.10m（短距），±0.05m（静止）；(2)水平角分辨率：≤1.8°（长距），≤3.5°（短距）；可在±60°范围内分辨多个目标；(3)水平角精度：±0.1°（长距），±0.3°（短距）；(4)速度范围：-400km/h~+200km/h；(5)速度分辨率：0.37km/h（长距），0.43km/h（短距）；(6)速度精度：±0.1km/h；(7)天线通道数：24通道（12T/12R或6T/6R不同组合），支持波束赋形；(8)扫描周期：长距和短距模式均为60ms；(9)电气规格：•工作电压：8V～32VDC；•功耗：典型值6.6W（550mA），峰值12W（1.0A）；•接口：1×CAN-FD，速率500kbit/s；(10)环境适应性：•工作温度：-40℃~+85℃；•存储温度：-40℃~+90℃；•抗冲击：500m/s²，6ms半正弦波；•抗振动：20m/s²@10Hz–0.14(m/s²)²/Hz@1000Hz；•防护等级：IP6K9K，IP6K7；22.组合导航设备参数：(1)信号跟踪：支持北斗、GPS、GLONASS、Galileo和QZSS等多种全球卫星导航系统；(2)定向精度：不低于0.1°/2米基线；(3)测速精度：不低于0.03m/s；(4)陀螺量程：±300°/s；(5)加速度计量程：±6g；(6)加速度计零偏不稳定性：15μg；(7)输出频率：不低于100Hz；(8)输入电压：9–32VDC（宽电压范围9–36V，支持过压保护）；23.配套资料（1）实训指导文件：1套，包括各个传感器模块的装调、测试、故障排查方法，自动驾驶系统软件功能介绍，实训内容指导，支持实训任务≥50个；（2）操作指导视频：1套，包括各个模块的装配与调试的操作指导视频，指导视频≥50个；24.支撑实训任务1.可完成激光雷达品质检查项目实训；2.可完成毫米波雷达品质检测项目实训；3.可完成RTK组合导航品质检测项目实训；4.可完成超声波雷达品质检测项目实训；5.可完成环视相机品质检测项目实训；6.可完成双目摄像头品质检测项目实训；7.可完成激光雷达安装与调试项目实训；8.可完成毫米波雷达安装与调试项目实训；9.可完成RTK组合导航安装与调试项目实训；10.可完成超声波雷达安装与调试项目实训；11.可完成环视相机安装与调试项目实训；12.可完成双目摄像头安装与调试项目实训；13.可完成整车硬件故障检测与维修项目实训；14.可完成激光雷达故障检测与维修项目实训；15.可完成毫米波雷达故障检测与维修项目实训；16.可完成超声波雷达故障检测与维修项目实训；17.可完成环视相机故障检测与维修项目实训；18.可完成双目摄像头故障检测与维修项目实训；19.可完成RTK组合导航故障检测与维修项目实训；20.可完成运动底盘开发教学实训；21.可完成CAN数据解析项目实训；22.基于CAN实现线控底盘控制项目实训；23.可完成多激光雷达相互标定项目实训；24.可完成多激光雷达联合数据输出项目实训；25.可完成RTK组合导航初始化静态标定项目实训；26.可完成RTK组合导航初始化动态标定项目实训；27.可完成RTK组合导航数据解析项目实训；28.可完成Ubuntu系统配置使用实训；29.可完成TF坐标变换配置实训；30.可完成超声波雷达串口通信项目实训；31.可完成毫米波雷达数据可视化项目实训；32.可完成环视相机信息数据获取项目实训；33.可完成双目摄像头数据采集项目实训；34.可完成激光雷达与摄像头联合标定项目实训；35.可完成环视相机联合标定项目实训；36.可完成激光雷达数据采集项目实训；37.可完成道路数据采集项目实训；38.可完成激光雷达3D点云地图创建项目实训；39.可