自动驾驶硬件系统及开发平台介绍（4） - EDA365电子论坛网

车辆制动如果是液压的，液压一般是0.3-0.5秒，像卡车气刹能到0.8秒，那结合上这个那个系统反应时间乘以车速，加上刹车距离的话，就是一个自动驾驶系统他需要多远的一个刹车距离。所以按照不同的车速，计算出的刹车距离是不一样的。

目前所有市面上销售的乘用车，刹车性能都非常好，但是好多都远远低于上面这个无人车的技术指标的。从这个技术指标上，也可以看出我们对所有的传感器要求，它的探测距离实际上到150米就足够了。

这个公式就是三角函数反正切函数，但是这个公式会多除以一个2，这是因为保证物体检测，为了避免漏检，比如激光雷达两速光线，当这个角度之间有一个物体，正好处于检测边缘的时候，他会产生一定的漏检，除以2是保证它在每一个角度之内都不会产生漏检的可能性，所以公式在三角函数的基础上多处以一个2。通过这个公式去计算，你需要一个多少分辨率的传感器，就是角分辨率的传感器，从公式计算出来在0.4度分辨率下，

但检测到并不意味着自动驾驶系统识别出来，自动驾驶能识别的只有一条线的成像或很低分辨率的成像，自动驾驶系统其实还是识别不出来。

目前百度apollo平台，激光雷达用的是4到5跳线，这种同一辆车上有4到5条线，这种成像菜可以系统很好的给障碍物进行分类，识别出他是一辆车还是一个行人。velodyne64线是0.4度分辨率下的，它的有效物体感知的距离是50米。

未来自动驾驶床感器发展的趋势，自动驾驶离不开多种传感器的融合，亲中激光雷达和摄像头都属于光学类传感器，核心零部件和处理电路很相似，很可能将激光雷达和摄像头前端融合到一起，直接输出rgb，xyz的整个融合后，一个彩色加点云信息，然后传输到后端进行计算处理，这其中以美国一个创业公司aeye为代表，它开发的iradar系统，不光能真实体现出二维世界的彩色信息，也能将点云信息叠加到每一个像素点，不光有颜色信息，还有一个空间坐标信息。

上图是waymo的原型样机，目前waymo所有的自动驾驶车上面，不是一个简单的激光雷达系统，它有将所有一圈5个这种global shutter的camera融合到一起。

自动驾驶的计算单元需要考量整体的车规，比如说它的电磁干扰和震动方面的设计，另外要考虑到iso26262的要求，所有的cpu，gpu，fpga，包括总线都需要做一些冗余设计，防止这种单点故障，其中还有mcu，他的作用是当整体系统失效的时候，它会发出一些操作，刹车的指令到can总线中，可以让车靠边停车和刹车下来。目前都是这种集式的架构，将所有的计算工作统一放到一个工控机中，它也有一些缺点，目前体积比较大，功耗高，不使用与未来的量产，但这种架构比较方便代码的快速迭代，里面工控机都是卡槽式的设计，也非常方便硬件的更新和扩展。

因为集中式由这些缺点，所以未来也会考虑嵌入式的方案，将传感器的原始数据，线融合到sensor box中，在sensor box中完成数据的融合，将融合后的数据给后端的计算平台，进行计算

sensor box功能主要是我们现在用所有传感器，像激光雷达，摄像头，组合导航，毫米波雷达，打了时间戳的原始数据，我怎么判断这些数据融合后是判断一个目标，所以要做时间戳的同步，时间戳同步是保证在某一个时间戳下大家拍的，或者检测到的都是同一个方向，同一个坐标系的。

时间戳同步是在sensor box中做的，我们将远来集中式计算的部分计算功能拆解出来，会降低整体系统的工号，但是这种还不足以面向更多车辆量产化，目前像dibotics公司和瑞萨（汽车电子企业）联合研发出一些专用的asic芯片，将激光雷达的slam的一些算法，直接集成到了半导体芯片中，就是一个soc（system on chip）。就是系统做到一个芯片当中，将芯片在放入到类似激光雷达传感器中，在传感器内部实现边缘计算，会进一步降低后端的计算量，有利于降低功耗，体积和车规划。