GPU工控机(EVS-9000-1050TI)在自动驾驶中的应用

1.自动驾驶的现状及前瞻技术发展

众所周知特斯拉的自动驾驶技术是目前汽车行业中应用最早并且技术比较成熟，但近年来发生多起碰撞故事并且都是在开启Autopilot（只是智能驾驶辅助技术）情况下汽车未能识别障碍物而发生的碰撞事件。无一例外的是，在事故发生的时候司机的手是离开方向盘的。发生法律上纠纷，引发全世界对自动驾驶从技术到对未来智能驾驶发展的思考，对高精地图、道路标线、道路法、自动驾驶技术、车联网方方面面的要求及融合。

实际上特斯拉目前所用的自动驾驶技术只能称之为驾驶辅助系统，在行驶过程中只能起到辅助的作用，大部分的操作还是需要人来完成。根据美国高速公路安全局根据自动化程度对自动驾驶汽车的级别鉴定来看，特斯拉的自动驾驶级别只能算level 2，距离最高级别level 4全自动驾驶还有很远。

 到目前能量产销售的自动驾驶汽车能达到L3级别目前只发现奥迪A8，从自动驾驶技术上及成本上来看目前还是达不大面积量产的状态。

自动驾驶技术分级

自动驾驶技术分为多个等级，目前国内外产业界采用较多的为美国汽车工程师协会（SAE）和美国高速公路安全管理局（NHTSA）推出的分类标准。按照SAE的标准，自动驾驶汽车视智能化、自动化程度水平分为6个等级：无自动化（L0）、驾驶支援（L1）、部分自动化（L2）、有条件自动化(L3)、高度自动化(L4)和完全自动化（L5）。两种不同分类标准的主要区别在于完全自动驾驶场景下，SAE更加细分了自动驾驶系统作用范围。详细标准见下图：

 

（二）自动驾控制系统从软件到硬件的搭建 

 

1、ECS-9000-1050TI GPU工控机：自动驾驶汽车最重要的主控电脑被安排在后车厢，这里除了用于运算的电脑外，还有拓普康的测距信息综合器，这套核心装备将负责汽车的行驶路线、方式的判断和执行。

 

GPU工控机配置：（集GTX-1050TI显卡）

 

CPU	Core I7-7700T（第7代Core i）
内存	DDR4 16G~32G
SSD	256G SATA 3 600MB/s 读写速度
GPU	提供强大NVIDIA GTX-1050TI的GPU图形运算
COM	4口RS-232/422/485（BIOS设置）,带ESD防护
CAN	2口CAN，连接毫米波雷达传感器，会去掉两个COM口连接器
WIFI	支持802.11bn，可选择棒式天线或吸盘天线
4G	可以支持4G无线拨号
千兆网	最多可支持8个千兆网，其中2个不支持POE，其它均可选择POE+，连接机器相机使用，对抗震有绝对要求的可选择M12接口
DIO	支持16DI,16DO，隔离保护
USB3.0	提供8个USB3.0接口，可连接相机
USB2.0	提供2个接口，内部可扩展软件加密狗
供电	10~36V宽压输入，提供80V的极限过压保护
点线检查	汽车点电过程电压抖动，本机提供5~200s的延迟开机保供
操作系统	Windows7/8/10,Ubuntu 14.04/16.04/18.04
工作温度	-30°~70°，宽温工作

 

32线激光雷达

2、传感器

 

传感器是自动驾驶汽车的环境感知系统。通过传感器汽车能够识别道路、其他车辆、行人障碍物和基础交通设施。按照自动驾驶不同技术路线，传感器可分为激光雷达、毫米波雷达和视觉摄像机三种。

 

 

 

 

 

 结构性能

自动驾驶汽车使用视频摄像头、雷达传感器，以及激光测距器来了解周围的交通状况，并通过一个详尽的地图（通过有人驾驶汽车采集的地图）对前方的道路进行导航。

激光雷达：

车顶的“水桶”形装置是自动驾驶汽车的激光雷达，它能对半径60米的周围环境进行扫描，并将结果以3D地图的方式呈现出来，给予计算机最初步的判断依据。

前置摄像头：

自动驾驶汽车前置摄像头谷歌在汽车的后视镜附近安置了一个摄像头，用于识别交通信号灯，并在车载电脑的辅助下辨别移动的物体，比如前方车辆、自行车或是行人。

左后轮传感器：

很多人第一眼会觉得这个像是方向控制设备，而事实上这是自动驾驶汽车的位置传感器，它通过测定汽车的横向移动来帮助电脑给汽车定位，确定它在马路上的正确位置。

前后雷达：

后车厢的主控电脑谷歌在无人驾车汽车上分别安装了4个雷达传感器（前方3个，后方1个），用于测量汽车与前（和前置摄像头一同配合测量）后左右各个物体间的距离。

 

3、高精度地图

 

自动驾驶技术对于车道、车距、路障等信息的依赖程度更高，需要更加精确的位置信息，是自动驾驶车辆对环境理解的基础，随着自动驾驶技术不断进化升级，为了实现决策的安全性，需要达到厘米级的精确程度。如果说传感器向自动驾驶车辆提供了直观的环境印象，那么高精度地图则可以通过车辆准确定位，将车辆准确地还原在动态变化的立体交通环境中。

 

 

 

4、V2X

 

V2X，指的是车辆与周围的移动交通控制系统实现交互的技术，X可以是车辆，可以是红绿灯等交通设施，也可以是云端数据库，最终目的都是为了帮助自动驾驶车辆掌握实时驾驶信息和路况信息，结合车辆工程算法做出决策，是自动驾驶车辆迈向无人驾驶阶段的关键。

 

 

 

5、AI算法

 

算法是支撑自动驾驶技术最关键的部分，目前主流自动驾驶公司都采用了机器学习与人工智能算法来实现。海量的数据是机器学习以及人工智能算法的基础，通过此前提到的传感器、V2X设施和高精度地图信息所获得的数据，以及收集到的驾驶行为、驾驶经验、驾驶规则、案例和周边环境的数据信息，不断优化的算法能够识别并最终规划路线、操纵驾驶。