自动驾驶汽车硬件平台
基于硬件在环的自动驾驶智能汽车电磁兼容性测试平台[发明专利]
![基于硬件在环的自动驾驶智能汽车电磁兼容性测试平台[发明专利]](https://img.taocdn.com/s3/m/0cbee78d27d3240c8547efb6.png)
专利名称：基于硬件在环的自动驾驶智能汽车电磁兼容性测试平台
专利类型：发明专利
发明人：孙海伟,吕刚,陈文良,张纯健,尤仁杰,周加康,杜鑫,由甲,杨威娜,王择林
申请号：CN201911324234.0
申请日：20191218
公开号：CN110988555A
公开日：
20200410
专利内容由知识产权出版社提供
摘要：本发明公开一种基于硬件在环的自动驾驶智能汽车电磁兼容性测试平台，设置一电波暗室，在电波暗室中设置有移动假人系统、雷达目标模拟器系统、场景模拟系统；移动假人系统和雷达目标模拟器系统用于车载雷达的电磁兼容测试；场景模拟系统用于车载前视摄像头的电磁兼容测试。
本发明实现了硬件在环智能汽车感知系统的电磁兼容无干扰模拟测试，填补了无电磁干扰电磁兼容测试的研究空白，建立了智能汽车整车级电磁兼容测试评价体系。
申请人：长春汽车检测中心有限责任公司,宝马(中国)服务有限公司
地址：130011 吉林省长春市创业大街1063号
国籍：CN
代理机构：北京格允知识产权代理有限公司
代理人：张沫
更多信息请下载全文后查看。
清华大学-自动驾驶技术概论第四章
图 4.6 NVIDIA PX
硬件参考平台
计算平台
基于DSP的自动驾驶计算平台
德州仪器的TDA2x SoC是基于 DSP的自动驾驶计算平台。该 计算平台有两个浮点DSP内核 C66x和四个专为视觉处理设计 的完全可编程的视觉加速器， 可实现各摄像头应用同步运行 ，用于车道保持、自适应巡航 、目标检测等驾驶功能。同时 ，该计算平台也可用于摄像头 、雷达等感知传感器的数据融 合处理。图4.7为TDA2x SoC计 算平台。
图 4.4 摄像头
硬件参考平台
传感器平台：
雷达传感器在自动驾驶中应用最为广泛，类别最多，包括激 光雷达、毫米波雷达、超声波雷达等。
➢ GNSS/IMU组合导航系统：GNSS通常辅助以惯性传感器（IMU ）用来增强定位的精度。这两种传感器的数据通过卡尔曼滤 波技术实时融合，可以实现导航设备的优势互补，提高定位 精度和适用范围。图4.5为GNSS/IMU组合导航系统。
智能驾驶丛书（第一册）
智能驾驶技术丛书（第一册）
自动驾驶技术概论
本书思维导图
本章思维导图
Chapter 4 自动驾驶汽车开发平台
Outline
开发平台概述 硬件参考平台 软件开源平台 整体开放平台 安全解决方案
开发平台概述
自动驾驶汽车是一个集环境感知、规划决策、智能控制 等众多自动驾驶功能模块为一体的综合系统，涉及传感 、通讯、计算机、电子、自动控制、车辆动力学等众多 技术领域。跨学科、多交叉的自动驾驶汽车开发需要相 关技术人员可以模块化并行开发各个子系统。
自动驾驶系统涵盖多个软件模块，如感知、规划、控制等， 同时整合了各硬件模块，如传感器模块、计算平台、线控车 辆等。软硬件资源的有效调配十分关键，需要一个稳定、可 靠的操作系统平台搭建自动驾驶软件模块。
智能驾驶解决方案
智能驾驶解决方案第1篇智能驾驶解决方案一、方案背景随着科技的飞速发展，智能驾驶技术已成为全球汽车产业的重要发展趋势。
我国政府高度重视智能驾驶技术的研究与产业化进程，积极出台相关政策扶持。
本方案旨在制定一套合法合规的智能驾驶解决方案，推动我国智能驾驶技术的研究与应用。
二、方案目标1. 提高道路行驶安全性，降低交通事故发生率。
2. 提升驾驶舒适度，减轻驾驶员负担。
3. 推动智能驾驶技术的研究与产业化进程，提升我国智能驾驶领域竞争力。
三、方案内容1. 技术研究（1）环境感知技术：研究激光雷达、摄像头、毫米波雷达等多种传感器融合技术，实现对周边环境的精确感知。
（2）决策与控制技术：研究基于深度学习的驾驶决策算法，实现对车辆的精确控制。
（3）车联网技术：研究车辆与车辆、车辆与基础设施之间的通信技术，实现实时信息交换。
（4）信息安全技术：研究智能驾驶系统的信息安全防护技术，保障系统安全可靠。
2. 产品开发（1）智能驾驶系统：集成环境感知、决策与控制、车联网等技术，实现自动驾驶功能。
（2）智能驾驶辅助系统：开发适用于各类驾驶场景的辅助系统，如自动泊车、自适应巡航等。
（3）智能驾驶硬件平台：研发高性能、低功耗的硬件平台，为智能驾驶系统提供支持。
3. 标准制定与法规遵循（1）制定智能驾驶系统性能、安全性、可靠性等标准。
（2）遵循我国相关法律法规，确保智能驾驶解决方案的合法合规性。
4. 应用推广（1）与汽车制造商合作，将智能驾驶技术应用于量产车型。
（2）与地方政府、交通部门合作，开展智能驾驶示范应用项目。
（3）举办智能驾驶技术论坛、研讨会等活动，提升行业影响力。
四、实施步骤1. 开展技术研究，掌握核心关键技术。
2. 研发智能驾驶系统及辅助系统，搭建硬件平台。
3. 参与制定相关标准，确保方案的合法合规性。
4. 与合作伙伴共同推进智能驾驶技术的应用推广。
5. 持续优化技术，提升智能驾驶系统的性能与安全性。
五、风险评估与应对措施1. 技术风险：项目涉及众多关键技术，存在研发难度大、周期长的风险。
自动驾驶的三大核心要素：传感器、计算平台、数据与算法
一、传感器：不同定位与功能，优势互补自动驾驶汽车往往配备了多种传感器，包括摄像头、毫米波雷达、激光雷达。
这些传感器各有不同的功能与定位，优势互补；作为一个整体，成为了自动驾驶汽车的眼睛。
2021 年以后的新车都配备了大量的传感器，目的是预留冗余硬件，以便后续通过 OTA 的方式实现更多自动驾驶功能。
2021年 1-5月国内新发布车型传感器配置及核心功能摄像头的作用：主要用于车道线、交通标示牌、红绿灯以及车辆、行人检测，有检测信息全面、价格便宜的特征，但会受到雨雪天气和光照的影响。
现代摄像头由镜头、镜头模组、滤光片、CMOS／CCD、ISP、数据传输部分组成。
光线经过光学镜头和滤光片后聚焦到传感器上，通过CMOS或 CCD集成电路将光信号转换成电信号，再经过图像处理器（ISP）转换成标准的 RAW，RGB或 YUV等格式的数字图像信号，通过数据传输接口传到计算机端。
摄像头可以提供丰富的信息。
但是摄像头依赖自然光源，目前视觉传感器的动态做得不是特别宽，在光照不足或者光照剧烈变化的时候视觉画面可能会出现短暂的丢失，并且在雨污状况下功能会受到严重的限制，行业内通常通过计算机视觉的方式克服摄像头的各种缺点。
车载摄像头是高增量市场。
车载摄像头的使用量随着自动驾驶功能的不断升级而增加，比如前视普遍需要 1-3 个摄像头、环视需要4-8 个摄像头。
预计到2025年全球车载摄像头市场将达 1762.6 亿元，其中中国市场 237.2 亿元。
2015-2025年全球和中国车载摄像头市场规模（亿元）车载摄像头行业产业链包括上游的镜头组供应商、胶合材料供应商、图像传感器供应商、ISP芯片供应商，以及中游的模组供应商、系统集成商，下游的消费电子企业、自动驾驶 Tier1等。
从价值量来看图像传感器（CMOS Image Sensor）占了总成本的 50%，其次为占比 25%的模组封装和占比14%的光学镜头。
摄像头产业链激光雷达（Lidar）的作用：主要用于探测周边物体的距离和速度。
无人驾驶技术实现的硬件与软件要素
无人驾驶技术实现的硬件与软件要素自动驾驶汽车一直是科技领域的热门话题，各大汽车厂商和科技公司正投入大量资源进行研发，以实现这一目标。
然而，要实现无人驾驶，需要结合硬件和软件的要素。
本文将讨论无人驾驶技术实现所需的硬件和软件要素，并探讨其影响和挑战。
一、硬件要素1. 传感器技术无人驾驶汽车通过传感器来获取周围环境的信息。
其中最为重要的是激光雷达和摄像头。
激光雷达利用激光束来测量周围物体的距离和形状，而摄像头则用于识别和跟踪道路标志、行人和其他车辆。
这些传感器的准确性和可靠性对于实现无人驾驶至关重要。
另外，惯性测量单元（IMU）也是不可或缺的一部分，用于检测车辆的加速度和角速度。
这些传感器可以提供关键的定位和导航信息，使无人驾驶车辆能够迅速作出准确的决策。
2. 处理器和存储设备为了处理大量的数据和算法，无人驾驶汽车需要强大的处理器和存储设备。
传感器采集到的数据需要通过算法进行处理和分析，从而使车辆能够做出正确的决策。
因此，高性能的处理器和存储设备是实现无人驾驶的关键要素之一。
同时，存储设备也起到了重要的作用，用于保存地图数据、传感器数据和车辆行为记录。
这些数据对于无人驾驶汽车的训练和改进至关重要。
3. 通信技术无人驾驶汽车需要与其他车辆、交通信号灯和云端服务器进行实时通信。
这就需要具备低延迟和高带宽的通信技术，以确保安全和高效的交通系统。
因此，5G通信技术的发展将为无人驾驶带来更多的机会和挑战。
二、软件要素1. 算法和人工智能无人驾驶汽车的核心是算法和人工智能技术。
车辆需要能够感知周围环境、理解道路交通规则并作出相应的决策。
这需要大量的机器学习和深度学习算法来训练车辆识别和预测能力。
此外，路径规划和控制算法也起到了至关重要的作用。
2. 操作系统和软件架构无人驾驶汽车需要一个稳定和安全的软件平台。
操作系统和软件架构必须能够可靠地控制硬件设备，处理传感器数据，并及时作出决策。
此外，软件还需要能够随着时间和环境的变化进行自我学习和优化。
apollo控制代码解析
Apollo是一个基于ROS (Robot Operating System) 的自动驾驶平台，用于自动驾驶系统的开发和测试。
它提供了各种功能和工具，使开发人员能够更容易地构建、测试和部署自动驾驶系统。
Apollo的控制代码是Apollo自动驾驶系统中的重要部分。
下面是一个简单的解析：硬件抽象层（HAL）：Apollo的控制代码首先通过硬件抽象层（HAL）与车辆硬件进行通信。
HAL为各种硬件设备提供了接口，如GPS、IMU、雷达、激光雷达等。
车辆动力学模型：Apollo使用车辆动力学模型来描述车辆的运动行为。
这个模型考虑了车辆的加速度、速度、方向等因素，以及与这些因素相关的约束和限制。
控制算法：Apollo使用各种控制算法来控制车辆。
这些算法包括PID控制器、滑模控制器、MPC（模型预测控制）等。
控制算法根据车辆动力学模型和传感器数据来生成控制指令，这些指令通过硬件抽象层发送给车辆硬件。
决策规划：决策规划是Apollo控制代码中的另一个重要部分。
它根据车辆的位置、速度、方向以及周围环境的信息，生成一系列的决策指令。
这些指令指导车辆如何行驶，例如何时加速、何时减速、何时转向等。
地图与路径规划：Apollo使用高精度地图和路径规划算法来指导车辆的行驶路径。
地图数据包括道路的几何形状、障碍物、交通信号等信息。
路径规划算法根据这些信息和决策规划的结果，生成一条安全的路径，使车辆能够顺利地到达目的地。
总的来说，Apollo的控制代码是一个复杂的系统，它依赖于硬件抽象层、车辆动力学模型、控制算法、决策规划和地图与路径规划等多个组件。
这些组件协同工作，使Apollo能够实现对车辆的精确控制，并使车辆能够在各种复杂的环境中安全地行驶。
自动驾驶汽车硬件系统概述
自动驾驶汽车硬件系统概述自动驾驶汽车的硬件架构、传感器、线控等硬件系统如果说人工智能技术将是自动驾驶汽车的大脑，那么硬件系统就是它的神经与四肢。
从自动驾驶汽车周边环境信息的采集、传导、处理、反应再到各种复杂情景的解析，硬件系统的构造与升级对于自动驾驶汽车至关重要。
自动驾驶汽车硬件系统概述从五个方面为大家做自动驾驶汽车硬件系统概述的内容分享，希望大家可以通过我的分享，对硬件系统的基础有个全面的了解：一、自动驾驶系统的硬件架构二、自动驾驶的传感器三、自动驾驶传感器的产品定义四、自动驾驶的大脑五、自动驾驶汽车的线控系统自动驾驶事故分析根据美国国家运输安全委员会的调查报告，当时涉事Uber汽车——一辆沃尔沃SUV系统上的传感器在撞击发生6s前就检测到了受害者，而且在事故发生前1.3秒，原车自动驾驶系统确定有必要采取紧急刹车，此时车辆处于计算机控制下时，原车的紧急刹车功能无法启用。
于是刹车的责任由司机负责，但司机在事故发生前0.5s低头观看视频未能抬头看路。
从事故视频和后续调查报告可以看出，事故的主要原因是车辆不在环和司机不在环造成的。
Uber在改造原车加装自动驾驶系统时，将原车自带的AEB功能执行部分截断造成原车ADAS功能失效。
自动驾驶系统感知到受害者确定要执行应急制动时，并没有声音或图像警报，此时司机正低头看手机也没有及时接管刹车。
目前绝大多数自动驾驶研发车都是改装车辆，相关传感器加装到车顶，改变车辆的动力学模型；改装车辆的刹车和转向系统，也缺乏不同的工况和两冬一夏的测试。
图中Uber研发用车是SUV车型自身重心就较高，车顶加装的设备进一步造成重心上移，在避让转向的过程中转向过急过度，发生碰撞时都会比原车更容易侧翻。
自动驾驶研发仿真测试流程所以在自动驾驶中，安全是自动驾驶技术开发的第一天条。
为了降低和避免实际道路测试中的风险，在实际道路测试前要做好充分的仿真、台架、封闭场地的测试验证。
软件在环（Software in loop），通过软件仿真来构建自动驾驶所需的各类场景，复现真实世界道路交通环境，从而进行自动驾驶技术的开发测试工作。
无人驾驶火了！全球自动驾驶平台大盘点
⽆⼈驾驶⽕了！全球⾃动驾驶平台⼤盘点当前各⼤互联⽹企业、零部件⼚商以及车企纷纷致⼒于研发⾃⾝的⾃动驾驶平台。
英伟达Drive 平台：★2017年9⽉26⽇在英伟达GPU技术⼤会中国站上，黄仁勋发布了开放式⾃动驾驶平台NVIDIA DRIVE，表⽰将为合作伙伴提供从底层运算、操作系统层、软件算法层以及应⽤层在内的全套可定制的解决⽅案，⽀持L3~L5级的⾃动驾驶。
北美时间2018年1⽉10⽇英伟达公布了其AI⾃动驾驶汽车平台NVIDIA DRIVE的功能安全详细架构。
基于英伟达的DRIVE 结构，汽车⼚商已经可以构建和部署具有功能安全性、并符合诸如ISO 26262等国际安全标准的⾃动驾驶乘⽤车和卡车。
在2018CES展上，英伟达还推出了两款AI平台——DRIVE IX 和 DRIVE AR，联合此前推出的NVIDIA DRIVE AV，共同组成了英伟达的三⼤AI平台：DRIVE AV：采⽤神经⽹络实现了车辆的⾃动驾驶。
DRIVE IX ：是⼀款智能体验软件开发套件，能够借助车⾝内外的传感器，为驾驶员和乘客提供AI 辅助的智能功能。
DRIVE AR ：是⼀款增强现实软件开发套件，将融合计算机视觉、计算机图形和 AI，可在驾驶途中提供信息兴趣点，创建警报提醒，并安全轻松地进⾏导航。
英伟达Drive 平台特点：整合了深度学习、传感器融合和环绕⽴体视觉等技术，且基于 Drive PX 打造的⾃动驾驶软件堆栈可以实时理解车辆周围的情况，完成精确定位并规划出最为安全⾼效的路径。
NVIDIA DRIVE平台由四部分组成，包括：1.奠定了整个系统运算能⼒、AI特征的Drive PX；2.可由企业⾃主定义的操作系统Drive OS：可满⾜汽车安全最⾼等级ASIL-D。
据官⽅介绍，DRIVE OS 系统软件集成了经ASIL-D 安全认证的 BlackBerry QNX 64 位实时操作系统，以及 TTTech 的 MotionWise 安全应⽤程序框架，后者对系统中的每个应⽤程序进⾏了独⽴分装，将彼此隔离，同时提供实时计算能⼒。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2.4 自动驾驶汽车计算平台
基于GPU的计算平台 多核心、高内存带宽 强大的计算能力 对深度学习应用有力支持 主流平台解决方案
图 NVIDIA Tesla P100高性能GPU处理器
基于FPGA的计算平台 硬件配置灵活 能耗低 性能高 可编程 适合进行感知计算
图 Cyclone V Soc多域控制平台
、灰尘的能力强，广泛应用于车载距离探测，如自适应巡航、碰撞预瞥 、盲区探测等。
图 毫米雷达波工作原理
2.3 自动驾驶汽车感知系统
应用场景：主流工作频段为24GHz和77GHz，分别应用于中短距和中长 距测量。
分类
窄带雷达 宽带雷达
探测距离 （m )
280
30/120
车速上限
km/h
250
150
精度
32 100米 正负2厘米 700,000像素/秒
16 100米 正负2厘米 300,000像素/秒
角度（垂直/水平） 功率
26.87360° 60W
40°/360° 12W
表、 Velodyne激光雷达
307360° 8W
2.3 自动驾驶汽车感知系统
固态激光雷达推进成本快速下降 固态激光雷达取消机械结构，体积更小，方便集成在车身内部，系统可
图 线控转向系统
2.5 车辆线控系统
线控转向系统的工作原理 系统控制器采集方向盘转角、车速和横摆角速度等传感器信号 控制策略对汽车转向运动进行控制 路感模拟系统根据汽车不同行驶工况对路感进行模拟并反馈给驾驶人
2.5 车辆线控系统
线控制动定义:指采用电线取代部分或全部制动管路，通过控制器操纵电 控元件来控制制动力大小。
点。 系统抗干扰能力的增强：利用IMU的短期高精度弥补GPS系统易受干扰
、信号易失锁等缺点，同时借助IMU 的姿态信息、角速度信息可进一步 提高GPS系统快速捕获或重新锁定卫星信号的能力。 导航信息的补全：除了可以提供载体运动的三维位置和速度信息外，还 可提供加速度、姿态和航向信息；GPS/IMU组合系统可提供100Hz甚至 高于100Hz的数据更新率。
世界上著 名的卫星 导航系统
GPS 美国的全球定位系统（Global Positioning System） GLONASS 俄罗斯的全球导航卫星系统 （Global Navigation Satellite System） BDS 中国的北斗卫星导航系统（Beidou Navigation Satellite System） Galileo 欧盟伽利略系统
优缺点
技术成熟，成本很低 受光线、天气影响较大
2.3 自动驾驶汽车感知系统
应用场景：按照安装位置差异可分为前视、环视、侧视、后视及车内监 控5类，可以实现行车辅助（行车记录仪、ADAS）、驻车辅助（安全环 视）与车内人员监控（人脸识别技术）等 功能。
表 车载摄像头位置及安装功能
图 实现盲点检测和代替后视镜
图 自动驾驶车辆线控底盘构成
2.5 车辆线控系统
线控油门:用线束代替拉索或者拉杆，在节气门部位装一只微型电动机， 用电机驱动节气门开度。
图 电子油门控制原理
2.5 车辆线控系统
线控换挡:将传统的机械手动档位改为手柄、拨杆、转盘、按钮等电子信 号输出的方式。
线控转向:指取消方向盘与转向车轮之间的机械连接，采用电信号控制车 轮转向，可以自由设计汽车转向系角传递特性和力传递特性。
2.5 车辆线控系统
EHB系统在量产汽车上已得到实际应用 精确地独立控制各个轮缸压力 系统响应快，可以实现再生制动 与其它系统结合，提高车辆制动稳定性， 能量回收最大化 EHB采用液压蓄能器来提供压力 液压制动阀的安装位置更加灵活 与传统制动结构相差不大，因此在紧急状态下，可以直接向前轮施加制
汽车电子电气架构
宏观
微观
物理架构
逻辑架构
众多电子电器件
2.2 自动驾驶汽车电子电气架构
汽车电子电气架构平台的发展主要经历了以下 4 个阶段: 关联式分布系 统架构、联合式分布系统架构、联合式分布系统架构以及综合式集权域 系统架构。
图、电子电气架构平台演变历程
2.2 自动驾驶汽车电子电气架构
电子电气架构发展趋势
靠性提高，成本有望控制在数百美元。
图 Quanergy S3固态激光雷达
图 Velodyne与福特共同发布的 混合固态激光雷达VLP-16 PUCK
2.3 自动驾驶汽车感知系统
车载摄像头 基本原理
图像 处理
图片转换为 二维数据
模式
定
计算相对距离
识别
位
和相对速度
数据量大,接近人眼效果 训练样本大、周期长
灰尘/潮湿适应 性
较差
优
低成本硬件
较差
优
较差 优
较差 良
低成本信号处理 较差
优
较差
良
表 主流车载传感器性能对比
2.3 自动驾驶汽车感知系统
激光雷达在自动驾驶中两个 核心作用：
3D建模进行环境感知。 SLAM加强定位。
LiDAR两大标准： 线数 距离
激光雷达LiDAR 是 Light Detection and Ranging的简称。 它是一种通过光学方法来测量距离和反射率的仪器。 特点：距离精度极高，分辨率中等
感，以提供给驾驶人相应的踏感信息。
2.5 车辆线控系统
线控制动系统分类
线控制动系统
电子驻车制动系统 (Electronic Porking
Brake，EPB)
电液线控制动系统 (Electronic Hydraulic
Brake，EHB)
电子机械制动系统 (Electro-mechanical
Brake，EMB)
温度要求：工作在 -40度~80度之间
防磁抗振：必须具 备极高的防磁抗振 能力以及极低的对 外电磁辐射能力
较长的寿命：至少 稳定工作8~10年
2.3 自动驾驶汽车感知系统
毫米波雷达 基本原理：向周围发射无线电，通过测定和分析反射波以计算障碍物的
距离和方向。 特性：不易受天气状况限制，即使是雨雪天也能正常运作，穿透雾、烟
图、硬件平台构成
2.2 自动驾驶汽车电子电气架构
传统的原始线束设计
2.2 自动驾驶汽车电子电气架构
随着汽车配置和电子电气系统变得越来越复杂，电子电气的成本也越来 越高，先进的电子电气架构（Electronic & Electrical Architecture，简 称EEA）设计就应运而生，随之取代了传统的原始线束设计。
CAN总线
CAN+车 载以太网
2.2 自动驾驶汽车电子电气架构
CAN总线的优势： 广播车辆的全部数据流，车内的各种控制器和传感器可相互沟通 改善了当时电子电气架构的效率与互操作性。 降低了系统的复杂度，减少布线数量。 CAN总线的劣势 传输速率500kb/s, 带宽和吞吐量有限，难以应对未来车辆在数据流处理
2.4 自动驾驶汽车计算平台
计算平台 基本定义：是计算机系统硬件与软件的设计和开发的基础，硬件的基础
是中央处理器（CPU），软件的基础是操作系统。 基本指标：性能、功耗、功能安全 解决方案：
A)基于GPU的计算平台
B)基于FPGA的计算平台
计算平台 解决方案
C)基于DSP的计算平台
D)基于ASIC的计算平台
线控制动系统组成：制动踏板模块、车轮制动作动器、制动控制器
制动踏板模块包括:制动踏板、踏板行程传感器、踏板力感模拟器
线控制动工作原理 踏板行程传感器通过检测驾驶者的制动意图并将其传递给制动控制器 控制器综合纵/侧向加速度传感器、横摆角速度传感器等信号进行计算，
并控制车轮制动作动器快速而精确地提供所需的制动压力。 同时制动踏板模块接收控制器送来的信号，控制踏板力感模拟器产生力
、网络安全及“终极”机器学习方面的需求。
图、首款采用CAN总线的车型为1986款BMW860轿跑
2.2 自动驾驶汽车电子电气架构
以太网可以提供比CAN总线高1000倍的带宽，开始更多在汽车主动安全 等对速度与容量有较高要求的应用中发挥作用。
未来，“CAN+车载以太网”构成双主干网络总线架构，CAN协议主要 负责时效要求更高、数据量小的信息传输，而车载以太网则主要作用于 不同的域之间，以实现数据量大的信息互通。
0.5m
厘米级
主要应用范 ACC自适应巡 车辆环境监测
围
航
表 长距雷达与短距雷达主要参数对比 图 搭载“1长+4短”毫米雷达波的奥迪A4
2.3 自动驾驶汽车感知系统
导航定位系统
基本原理：自动驾驶汽车通过GNSS（Global Navigation Satellite System，全球导航卫星系统）获取高精度的位置信息后，跟高精地图进 行匹配，从而形成良好的导航功能。GNSS系统也能为车载传感器的时 间同步或者导航提供最基础的时空信息。
四种异构的全编程加速器，分别对专有算法进行优化， 包括计算机视觉、信号处理和机器学习等。
图 Mobileye生产的EyeQ5芯片
2.5 车辆线控系统
基本定义：车辆线控技术指用电子信号代替由机械、液压或气动的系统 连接的部分，如换档连杆、油门拉线、转向器传动机构、刹车油路等。
基本组成：线控转向、线控制动、线控换挡、线控油门、线控悬挂五大 系统。
2.3 自动驾驶汽车感知系统
应用场景：基于卡尔曼滤波的传感器融合技术，我们可以融合GPS与 IMU数据，增强系统动态适应能力，并使整个系统获得优于局部系统的 精度；另一方面可以提高空间和时间的覆盖范围，从而实现真正意义上 的连续导航。
图 GPS/INS系统结构
2.3 自动驾驶汽车感知系统
GPS/IMU组合的优势有以下几点： 系统精度的提高：利用GPS的长期稳定性弥补IMU误差随时间累积的缺