精华内容
下载资源
问答
  • 智能驾驶股票有哪些?智能驾驶板块5月8日午后拉升,华东数控(002248)涨停,伊之密(300415)、斯莱克(300382)股价大涨超过9%,中南建设(000961)涨逾4%,高新兴(300098)涨幅超过3%,汇川技术(300124)、亚威股份(002559)...

    智能驾驶股票有哪些?

    智能驾驶板块5月8日午后拉升,华东数控(002248)涨停,伊之密(300415)、斯莱克(300382)股价大涨超过9%,中南建设(000961)涨逾4%,高新兴(300098)涨幅超过3%,汇川技术(300124)、亚威股份(002559)、亚太股份(002284)、千方科技(002373)等个股也有不同程度的上涨。

    亚威股份(002559):亚威股份2019年实现营业总收入14.7亿,同比下降4.2%;实现归母净利润9706.6万,同比下降13%;每股收益为0.18元。20年一季度公司实现营业总收入2.7亿,同比下降8.1%;归母净利润1809.9万,同比下降接近26%。公司2019年营业成本10.4亿,同比下降5.9%,高于营业收入4.2%的下降速度,毛利率上升1.3%。

    斯莱克(300382):斯莱克2020年一季度实现营业总收入1.9亿,同比下降1.5%;实现归母净利润763.1万,同比下降64%;每股收益为0.01元。报告期内,公司毛利率为26%,同比降低8.2个百分点,净利率为3.5%,同比降低6.9个百分点。公司2020一季度营业成本1.4亿,同比上升10.7%,营业收入同比下降1.5%,毛利率下降超过8%。

    展开全文
  • 上机实践使用MATLAB 进行智能驾驶技术开发 王鸿钧MathWorks 2015 The MathWorks, Inc. 1 对录制数据的传感器融合 2 自动驾驶中使用的传感器数据的例子 摄像头 (640 x 480 x 3) 雷达检测 SensorID = 2; 视觉检测 ...
  • 中国智能驾驶白皮书

    2017-01-04 09:09:59
    1.4 智能驾驶 3 1.4.1智能交通 4 1.4.2智能驾驶研究起源 5 1.4.3智能驾驶关注度 6 1.4.4信息技术倒逼汽车产业:智能驾驶 7 1.4.5智能驾驶的渐进式发展路线:主动安全 8 1.4.6智能驾驶的颠覆性发展路线:轮式机器人 8...
  • 多年前已提出智能驾驶,但近年来的市场动态似乎更为明显。以下小编将向您介绍股票市场中智能驾驶领域的领先股票。[行业分析]预计超过80%的智能汽车公司将发展其业绩。 11只主要股票享有高增长红利随着上市公司年报...

    文章摘要:如今,各行各业都在追求智慧。多年前已提出智能驾驶,但近年来的市场动态似乎更为明显。以下小编将向您介绍股票市场中智能驾驶领域的领先股票。

    [行业分析]

    预计超过80%的智能汽车公司将发展其业绩。 11只主要股票享有高增长红利

    随着上市公司年报的披露进入

    如今,各行各业都在追求智慧。多年前已提出智能驾驶,但近年来的市场动态似乎更为明显。以下小编将向您介绍股票市场中智能驾驶领域的领先股票。

    [行业分析]

    预计超过80%的智能汽车公司将发展其业绩。 11只主要股票享有高增长红利

    随着上市公司年报的披露进入高峰期,2016年智能车上市公司业绩逐渐显现。截至昨日,宝信软件,伊通科技,经纬,兴民智通等四家智能车上市公司2016年度报告已经披露。四家公司年度报告的净利润同比均有所增长,即宝信软件(7.45%),宇通科技(10.62%),经纬(40.12%)和兴民智通(86.09%)。 )。除了这四家公司外,截至昨日,其余40家相关公司中有34家披露了年报业绩预测,而29家公司曾有过前幸福,占85.29%。其中,天泽信息,启明信息,中海达,宁波华翔,刘欧股份,宝倩丽,永泰科技,航天科技等8家公司预计2016年净利润同比分别增长5,856.34%,1465.60%,1123.75 %,330.00%,166.18%,160.00%,140.00%和126.30%。

    对此,分析人士指出,智能车行业已进入快速发展的道路,2016年行业整体表现非常好,这也带动了行业的繁荣。在此背景下,随着汽车智能化趋势的加速,汽车电子行业的市场空间将扩大,相关目标有望重返市场,值得关注。

    智能汽车行业的高度繁荣也刺激了相关股票实现更好的市场表现。《证券日报》据市场研究中心统计,在可交易的41只股票中,有28只股票自3月以来上涨,占68.29%。其中,荣志莲,兴民智通,经纬,中科创达,长远集团,索菱股份等六大股票期间累计涨幅均超过10%,分别为16.81%,16.49%,12.07%,11.55%, 11.34%,10.82%。此外,德润电子(9.94%),四川大学智胜(8.15%),欧飞光(7.65%),宁波华翔(7.01%)和四维图新(6.84%)的累计涨幅均高于6%。 。

    在资本流动方面,3月13日,该行业共有21只概念股受到市场基金的关注。其中,欧飞光的大单资金净流入达到19332万元,其次是四维图新,大单资金。净流入达到6859.8万元,此外,兴民智通(4478.23万元),宁波华翔(313.57万元),长源集团(28955.2万元),长安汽车(22854.2万元),德润电子(173.82万元) ,海能达(16501万元),威孚高科(1548.86万元),索菱股份(14453.8万元)和美国健康(1216.64万元)等9只大单资金流入股票也在1000多个超过1万元,上述11个龙头股累计共计4.66亿元。

    从行业市场空间来看,根据麦肯锡的预测,智能汽车涉及大型产业链,包括硬件(汽车电子相关),软件(汽车网络相关),系统(驱动辅助系统,互连终端)等。到2025年,可以产生2000亿美元到1.9万亿美元的产值,并有巨大的产业发展空间。

    在投资机会方面,渤海证券表示,随着智能网络化汽车技术路线图的推出和企业的加速部署,无人化产业化进程有望加速,智能汽车将成为未来五年的重点投资方向。建议密切关注天泽信息,启明信息,中海达,宁波华翔,刘欧股份,宝倩丽,永泰科技,航天科技等。

    德润电子(002055):该公司是国内连接器领域的领先公司。传统产品包括家用电器连接,PC连接器以及包括汽车连接器和LED支架在内的新产品。

    银江股份有限公司(300020):公司以城市智能交通为立足点,开始拓展智能交通等领域。收购亚太安迅,强势切入城市轨道交通安全监控领域。

    相关股票预计受益,重点关注:亚太股份(002284),天泽信息(300209),盈江股份,广汽集团(601238),德润电子。

    以上是小编的内容,供大家解释一下智能驾驶领域的领先股票,希望小编的内容能够帮到大家。关于对股市的更多了解,小编的后续会议将陆续向您介绍。请继续关注股票投资。

    相关建议:

    展开全文
  • 智能驾驶是人工智能最为瞩目的一个发展方向,AI 开发者大会的智能驾驶专题讲述的智能驾驶的基本 和前景。
  • 中美智能驾驶白皮书

    2018-08-29 23:01:19
    331页的研究报告,全方位展现中美智能驾驶的市场现状、关键技术环节发展情况以及落地情况,让读者深入了解无人驾驶产业中的基于与挑战。
  • 中国 人工智能 白皮书 智能驾驶 2017 中国人工智能学会
  • 智能驾驶入门资料,细数无人驾驶技术的现状及未来,内容很丰富,值得一看。
  • 本标准定义了智能驾驶工况的描述方法,包括对于交通环境、驾驶意图、系统性能的定义和描述。本标准适用于相关机构和企业在设计、购买、评测智能驾驶技术与产品时使用,也可以用于智能驾驶汽车的设计、购买和评测。...
  • ADAS智能驾驶辅助系统
  • 智能驾驶摄像头

    2020-04-17 07:13:59
    智能驾驶摄像头 汽车摄像头概述 自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心...

    智能驾驶摄像头

    1. 汽车摄像头概述

    自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心部件,以及产业链上下游的拓展为零部件供应商带来增长机遇。

    国内外部分综合实力较强的汽车零部件公司在自动驾驶汽车传感器上进行多产品布局,可以为下游客户提供综合性的自动驾驶解决方案,形成较强的竞争力。这些公司包括国外的博世、大陆集团、法雷奥、海拉、德尔福、富士通天、奥托立夫等公司和国内的德赛西威、华域汽车和保隆科技等公司。

    在这里插入图片描述

    摄像头:国际零部件公司市场份额较高

    车载摄像头产业链主要涉及上游材料、中游元件和下游产品三个主要环节。上游材料中光学镜片、滤光片和保护膜等用于制造镜头组,晶圆用于制造 CMOS 芯片和 DSP 信号处理器;在中游镜头组、CMOS 芯片和胶合材料等组装成模组,并和 DSP 信号处理器封装成摄像头产品。在产业链的这一层,上游供应商已经可以向下游整车或一级供应商客户供应完整的摄像头产品。

    在车载摄像头产业链中,摄像头和软件算法一起,构成车载摄像头解决方案,应用于自动驾驶汽车中。车载摄像头产业链较长,上下游拥有众多环节,每个环节都涉及国内外众多厂商和公司。
    在这里插入图片描述

    相较于消费电子等所用的摄像头,车规级的摄像头对防震、稳定性、持续聚焦特性、热补偿性、杂光强光抗干扰性等都有较高的要求,因此其模组组装工艺复杂,技术堡垒较高。从全球摄像头供应市场来看,目前国外公司松下、法雷奥、富士通天、大陆、麦格纳等厂商占据较大份额,前五大产商市场份额合计在 59%左右,集中度相对较高。

    在这里插入图片描述

    目前车载摄像头市场份额较大的公司均是全球领先的一级零部件供应商,下游客户基本覆盖了全球主要的整车公司。法雷奥的下游客户包括大众、奔驰、宝马、福特、雷诺、马自达等;大陆集团的客户包括大众、福特、通用、马自达等;富士通天的客户则以丰田为主;麦格纳的客户群体同样广泛,覆盖欧美和日韩的主要车企;日立则以日本车企为主。

    在这里插入图片描述

    1. 摄像头的工作原理

    摄像头就如同人的眼镜,计算芯片就如同人的大脑,为了给“大脑”提供可供决策的视觉信息,摄像头需要克服不利环境对摄像头的干扰。

    相对于激光雷达加高精地图的方案,计算机视觉方案逻辑上更像人类驾驶过程。

    为了保障安全,就必须保证摄像头在各种恶劣环境下,能快速识别车辆、行人和交通标志,都能输出清晰的画面,给现阶段的自动驾驶技术提供足够的环境感知保障。

    来自摄像头的二维信息被提取到环境的三维模型中,使用的是“基于多个计算机视觉引擎和深度网络的算法冗余链。

    摄像头环境感知基于图像极大丰富的信息以及难以手工建模的特性,深度学习能最大限度的发挥其优势。

    物体识别

    在这里插入图片描述

    左边的检测结果告诉我们什么位置大概有一辆车,但其具体位置,车的朝向信息完全没有。

    但右边的检测结果,可以相对精确的估算出车的位置、行驶方向等重要信息,与人看到后可以推测的信息差不多。

    车辆识别怎么建模,神经网络可以输出这么精确带方向的包围框(Bounding box),这就是深度学习的威力。

    可行驶区域(Free Space)检测
    在这里插入图片描述
    深度学习以前的可行驶区域检测,有两种方法:

    一是基于双目摄像头立体视觉或者运动恢复结构(Structure from motion);

    二是基于局部特征,马尔科夫场之类的图像分割。

    行驶路径识别
    在这里插入图片描述
    深度学习提供了一个行驶路径识别的解决办法。在没有车道线的路况下驾驶的数据来训练神经网络,训练好之后,神经网络在没有车道线的时候也能大概判断未来车可以怎么驾驶。

    这一部分原理也是比较清楚的,找一个人驾驶,把整个驾驶的过程摄像头的录像保存下来,把人驾驶的策略车辆的行驶路径也保存下来。用每一帧图片作为输入,车辆未来一段时间(很短的时间)的路径作为输出训练神经网络,神经网络提供的行驶路径基本上符合人类的判断。

    这种基于深度学习的物体检测方法是目前效果最好、最主流的方法。它对于传统算法来讲,大大降低了物体检测的漏检率和误检率。

    1. 摄像头的优势与劣势

    2013年,特斯拉与谷歌的自动驾驶合作宣告破产,马斯克推翻了谷歌搭载激光雷达的自动驾驶解决方案。自此特斯拉开始内部组建自己的Ap团队,以计算机视觉为主的多传感器融合方案。与此同时,谷歌也通过Waymo继续依靠激光雷达,研发直接面向L4的自动驾驶解决方案。

    在这里插入图片描述

    摄像头记录四周的一切

    自从实现高级别自动驾驶的两种技术路线开始形成,而围绕“高级别自动驾驶到底需不需要激光雷达?特斯拉和谷歌Waymo到底谁才是自动驾驶的行业第一”的争议声,也从未停息。

    就目前来看,谷歌 Waymo、通用 Cruise、百度阿波罗、Pony.ai等自动驾驶企业都采用了激光雷达这一传感器应用方案。

    从优势上,摄像头比激光雷达便宜得多。这无疑降低了自动驾驶汽车的成本,让其有望真正被普通消费者所承受。

    此外,摄像头不会被雾、雪、雨等天气干扰,适应性更好。

    从形态上看,摄像头可以轻松融入汽车的设计中并隐藏结构中,不会让汽车外形显得突兀,对消费者更具吸引力。

    不过,摄像头也有着自己的软肋。与直接提供物体精确距离和位置的激光雷达不同,摄像头仅能将原始图像数据反馈给系统。这就要求汽车系统必须依靠强大的计算机视觉能力,针对图像进行准确处理——就像人类大脑处理来自眼睛的反馈。

    此前,计算机视觉系统还不够强大,无法处理来自摄像头的大量数据,以便及时处理并做出驾驶决策。不过特斯拉推出“全自动驾驶计算机”(FSD计算机)。除了8个视觉摄像头、12个超声波传感器及雷达等组件,每台FSD计算机还包含两个芯片,每个芯片都有两个专门设计用来运行神经网络的加速器。再加上超强性能,特斯拉以摄像头为基础的自动驾驶方案有了成功的可能性。

    马斯克表示,“只有傻瓜才会用激光雷达”。马斯克或许认为,摄像头+数据+神经网络的组合足以挑战甚至胜过激光雷达。

    1. 摄像头的分类

    车载摄像头包括单目摄像头、双目摄像头、广角摄像头等。ADAS阶段单目摄像头应用较多,L3以后,需要多个摄像头配合。

    为了实现从自动驾驶到手动驾驶的安全过渡,系统必须全面掌握车辆内外的情况。对内摄像头用来监测驾驶员的情况,持续监控驾驶员是否在执行驾驶操作,以及车辆前方的交通状况。相关软件会持续评估摄像头的数据,显示驾驶员是在专心驾车还是处于分神状态,是否将脸朝向后座的儿童,是否盯着智能手机屏幕,或者驾驶员的手是放在转向盘上还是放在后脑上。通过这个新摄像头系统,车辆和驾驶员可以持续关注彼此的情况。这最终有助于人们建立对自动驾驶的信任感。

    在这里插入图片描述

    1. 在无人驾驶中的应用

    1)在ADAS中的应用

    车载摄像头是实现众多预警、识别类ADAS功能的基础。在众多ADAS功能中,视觉影像处理系统较为基础,对于驾驶者也更为直观,而摄像头又是视觉影像处理系统的基础,因此车载摄像头对于智能驾驶必不可少。

    车道偏离预警(LDW)、前向碰撞预警(FCW)、交通标志识别(TSR)、 车道保持辅助(LKA)、行人碰撞预警(PCW)、全景泊车(SVP)、驾驶员疲劳预警等众多功能都可借助摄像头实现,有的功能甚至只能通过摄像头实现。

    在这里插入图片描述

    2)在无人驾驶中的应用

    在无人驾驶的体系中,我们采用的是一个双目摄像头,因为成本比较低。

    但是,双目在实际生产中的问题在于:双目系统的两个摄像头需要精确标定,由于硬件机械结构的不稳定,在车辆行进的过程中,比较小的颠簸和抖动都会对两个摄像头的外参造成扰动。所以我们要实现一个相对可靠的自标定,这是双目从实验环境走到实际生产比较大的挑战。

    我们的做法是研发了一套比较可靠的双目自标定算法,在车辆行驶过程中会以一个固定的频率对双目的外参不停地进行修正。在无人驾驶中,我们采用的解决方案是以计算机视觉为主导,然后辅以其他传感器,比如说毫米波雷达、GPS、IMU 等传感器的解决方案。

    降低成本最关键的一点是如何利用算法的优势来保障安全性,这其中包含两点:

    第一,在视觉传感器自身之间不同任务和算法之间做交叉验证。我们知道没有一个算法是 100% 可靠的,任何一个单一算法都会有失效的可能。但是,如果我们同时进行多个算法之间的交叉验证,那么安全性就会得到一个大的提升。

    这是我们说的多个任务之间的交叉验证。

    第二,多个传感器之间的交叉验证,主要是视觉传感器的输出和毫米波雷达的交叉验证。所以降低成本的关键,并不意味着我们牺牲安全性,降低的关键就是提升单个算法性能极限,同时对多个算法的结果做交叉验证。

    1. 摄像头产业

    在这里插入图片描述

    车载摄像头的产业链情况

    主要包括镜片、滤光片、CMOS、PCBA、DSP和其他封装、保护材料等。不同于手机摄像头,车载摄像头的模组工艺难度大很多,主要是因为车载摄像头需要在高低温、湿热、强微光和震动等各种复杂工况条件下长时间保持稳定的工作状态。

    芯片,CMOS(Complementary Metal-Oxide Semiconductor,即互补性金属氧化物半导体)是摄像头的核心部件,广泛应用于车载摄像头上。CMOS价值约占到摄像头成本的三分之一,基本被外资品牌把控。Sony、Samsung和OmniVision三家企业的市场份额超过60%。

    CCD和CMOS芯片是组成倒车摄像头的重要组成部分,根据元件不同可分为CCD和CMOS。CMOS主要应用于较低影像品质的产品中,它的优点是制造成本、功耗较CCD低,缺点是CMOS摄像头对光源的要求较高;CCD,是应用在摄影、摄像方面的高端技术元件还附带有视频捕捉卡。CCD和CMOS在技术上和性能差距很大,一般来说,CCD效果要好,但价格也贵些,建议在不考虑费用的前提下选择CCD的摄像头。

    镜头也是摄像头的一个重要部件,国内自主品牌企业有明显优势。根据TSR的研究报告,2015年全球摄像头镜头厂商中,台湾企业大立光电的出货量仍保持第一,占据全球约三分之一的市场份额。

    展开全文
  • 为从事智能驾驶行业以及投资者提供最新智能驾驶行业研究报告,十余年的行业研究经验为我们积累了信誉良好,了解最全面的智能驾驶研究报告选择
  • 初识华为MDC智能驾驶计算平台

    万次阅读 多人点赞 2020-03-27 22:29:07
    初识华为MDC智能驾驶计算平台 世界智能大会下的世界智能驾驶挑战赛组织方推荐:“华为MDC是面向自动驾驶领域的计算平台。MDC拥有自研CPU和AI芯片,联合车规级AUTOSAR平台,促进自动驾驶领域的快速发展。” Autoware...

    初识华为MDC智能驾驶计算平台

    前言

    世界智能大会下的世界智能驾驶挑战赛组织方推荐:“华为MDC是面向自动驾驶领域的计算平台。MDC拥有自研CPU和AI芯片,联合车规级AUTOSAR平台,促进自动驾驶领域的快速发展。”

    Autoware的代码看得博主头疼,换换口味,这篇博客不讲技术工程实现细节,谈些宏观些的概念。其实抬头看看也是很重要的,虽然技术细节才是理论化为实践的关键,但一直埋头干技术细节,大方向跑偏了最后也是失败

    下面为大家介绍华为MDC智能驾驶计算平台,下面的PPT是博主根据MDC智能驾驶开发者课程参考着做的,讲解词也是根据教学视频加上查阅资料前后总结来的。下面是对比图,还是挺像的哈哈(但博主是用来教学的,而且指出了来源喲~)

    在这里插入图片描述

    背景

    自动驾驶汽车的工作原理,是通过摄像机、激光雷达、毫米波雷达、超声波等车载传感器来感知周围的环境,依据所获取的信息进行决策判断,由适当的工作模型来制定相应的策略,如预测本车与其他车辆、行人等在未来一段时间内的运动状态,并进行避免碰撞路径规划。在规划好路径之后,接下来需要控制车辆沿着期望的轨迹行驶。自动驾驶涉及到传感器环境感知、高精地图/GPS精准定位、V2X信息通信、多种数据融合、决策与规划算法运算、运算结果的电子控制与执行等过程,在此过程中需要一个强劲的“大脑”来统一实时分析、处理海量的数据与进行复杂的逻辑运算,对计算能力的要求非常高。一般认为,L2需要的计算力<10TOPS(1TOPS代表处理器每秒钟可进行一万亿次(10^12)操作),L3需要的计算力为30~60TOPS,L4需要的计算力>100TOPS,L5需要的计算力目前未有明确定义(有预测需要至少1000TOPS),目前的计算平台仅能满足部分L3、L4级别的自动驾驶所需。

    L1级:辅助驾驶
    车辆对方向盘和加减速中的一项操作提供驾驶,人类驾驶员负责其他驾驶动作。
    L2级:部分自动驾驶
    车辆对方向盘和加减速中的多项操作提供驾驶,人类驾驶员负责其他驾驶动作。
    L3级:条件自动驾驶
    由车辆完成大部分驾驶操作,人类驾驶员需要集中注意力以备不时之需。
    L4级:高度自动驾驶
    由车辆完成所有驾驶操作,人类驾驶员不需要集中注意力,但限定道路和环境条件。
    L5级:完全自动驾驶
    由车辆完成所有驾驶操作,人类驾驶员不需要集中注意力,不限定道路和环境。

    在未来,每一辆汽车都将是一个装在车轮上的移动数据中心(Mobile Data Center,MDC)。针对自动驾驶对计算平台的需求,华为推出MDC解决方案,其中集成了华为自研的Host CPU芯片、AI芯片、ISP芯片(一种图像处理芯片),并通过底层的软硬件一体化调优,在时间同步、传感器数据精确处理、多节点实时通信、最小化底噪、低功耗管理、快速安全启动等方面领先业界。

    在这里插入图片描述

    系统架构

    MDC智能驾驶计算平台总体包含四个部分:第一个部分是硬件平台,第二个部分是平台软件,第三个部分是工具链,第四个部分是安全平台,分为功能安全和信息安全,功能安全指的是“自动驾驶车硬件出现问题后,避免车辆失控,能保证安全停车”,信息安全指的是“车联网数据传输过程中的信息安全” 。不同的解决方案合作伙伴(就是在硬件和底层驱动及服务的基础上开发感知决策等应用模块的开发者)可以基于华为的MDC智能驾驶计算平台去部署不同的应用软件,去满足不同应用场景的要求。

    这里面有几个概念跟大家详细介绍一下:

    • BIOS:大家应该都有印象,是电脑启动时加载的第一个软件,它是一组固化到计算机内主板上一个ROM芯片上的程序,保存着计算机最重要的基本输入输出的程序、开机后自检程序和系统自启动程序,可从CMOS中读写系统设置的具体信息。其主要功能是为计算机提供最底层的、最直接的硬件设置和控制
    • 微控制单元(Microcontroller Unit;MCU) :通常我们叫单片机
    • AUTOSAR :AUTomotive Open System Architecture的简称,中文翻译就是汽车开放系统架构。
      现在像华为这些公司开发自动驾驶都是用的AUTOSAR标准,AUTOSAR将汽车电子控制单元(ECU)的软件底层做了一个标准的封装。使得大家都能共用一套底层软件,只需要修改其中的一些参数,就可以匹配不同硬件,当然也可以匹配不同的应用层软件(防盗标记:zhengkunxian)。如此之后,用户只需要专心负责应用层功能开发即可,底层都交给AutoSAR工程师就行了。通俗而言,它的作用就是松耦合自动驾驶软件和车辆的电子控制单元(ECU),也就是硬件不管怎么变,应用层开发仍然调用那些API,不用管硬件的变化。
      AUTOSAR目前主要的有两个版本,Adaptive AUTOSARClassic AUTOSAR。 Classic
      AUTOSAR平台支持高安全性和高实时性的应用场景,因此对于深度嵌入式的软件功能需部署运行在经典平台上。 Adaptive AUTOSAR平台是随着汽车网联化的发展而发展起来的(防盗标记:zhengkunxian),可以支持大数据的并行处理,所以对于需要高性能运算的应用运行在Adaptive平台上。它与AUTOSAR经典平台一起,相互协作,相互补充,共同支持高度自动驾驶以及车联网相关的功能开发。
    • 工具链:工具链是一系列用于制作软件的工具。
      举个例子,就好比我们做作业,要用ppt看题目,用matlab跑仿真,然后将结果写成报告要用word,所以ppt、matlab、word就构成了工具链,题目从ppt转移到matlab变成代码,接着从matlab输出结果被你截图到word里面变成提交的作业,就是这些加工的工具形成一个链条完成写作业的任务。

    在这里插入图片描述

    硬件平台

    MDC智能驾驶计算平台内部包含了两个核心芯片,其中第一颗是CPU处理器,它是基于华为自研的ARM处理器,鲲鹏920s,12核,2.0GHz,7nm制程,最大功耗55W。另外一个核心芯片是AI处理器,它是华为自研的昇腾310处理器,基于达芬奇AI架构,可以提供16TOPS@INT8(八位整数精度(int8)下处理器的性能达到16tops,1TOPS代表处理器每秒钟可进行一万亿次(10^12)操作)的算力,12nm制程,最大功耗8W。

    下面那个是MDC硬件的内部逻辑架构图,左边是传感器,中间是MDC,右边是整车的一些其他的电子控制单元ECU和信息娱乐模块。

    传感器有摄像头、GPS、激光雷达、毫米波雷达、超声波雷达。摄像头是通过GMSL接口接入、组合定位可以通过UART(串口)接入,激光雷达是通过ETH(以太网)接入,毫米波雷达和超声波雷达通过CAN接入。

    MDC内部分为2两大模块,第一个是计算单元,第二个是安全MCU模块。
    计算单元内部包括四大模块:CPU模块、图像处理、AI处理、数据交换

    • 数据交换模块主要负责其余各个模块的数据交互
    • 图像处理模块可以把摄像头的原始数据处理成YUV格式或者RGB格式。
    • AI处理模块主要用来做AI计算,主要是CNN计算,可以做摄像头的AI处理,或者摄像头和激光雷达一个前融合的AI计算,内存是64GB。
    • CPU模块主要提供一些整型计算,可以用来部署后融合、定位、规控等应用软件算法,内存是16GB。
    • MDC的内置储存是128GB的固态硬盘(SSD)

    接着看右边,其中HMI(人机交互接口),通过FPD-LINK接口从MDC智能驾驶计算平台读取数据,环视摄像头数据传入MDC后通过拼接可以形成环视图,处理完成后可以把一个环视的显示通过FPD-LINK输出到HMI显示给乘员。

    接着是ETH(以太网接口)连接到4G网络,车联网系统等。

    CAN接口可以对接底盘的一些ECU,包括转向和动力的ECU。

    在这里插入图片描述

    数据传输

    不同传感器接口不同,根据硬件的设计,传感器的数据传输路径分为三大部分,首先是CAN和UART(串口)的接口,这类接口的传感器比如说毫米波雷达,车身底盘和GPS,一般是通过CAN或者串口接入到MCU,,再由MCU子系统封装成SOME/IP消息发布到host子系统,(防盗标记:zhengkunxian)业务是部署在host子系统中的,比如说决策规划、感知识别等模块的算法。Host是ARM(Advanced RISC Machine)架构服务器级的CPU(Central Processing Unit)Kunpeng鲲鹏920,具有强大的计算能力。Host子系统内部各个节点之间的通讯方式为DDS。

    接着看ETH(车载以太接口,换种说法就是网口),以太接口是可以直通到host子系统的,目前使用以太接口的传感器主要还是激光雷达,因为激光雷达的数据量比较大,并且业务应用可以直接获取到激光雷达的裸数据,所以不用封装成SOME/IP的消息发布后再去读取数据,直接用socket就行了。

    最后是GSML接口,主要是接入摄像头,摄像头数据一般是原始图像数据,需要经过ISP的处理之后才能给自动驾驶算法使用。而且考虑到图像数据占据的储存空间还有传输时需要的带宽都比较大,为了提升传输的性能降低延时,目前MDC是使用DDS这种传输方式发布给业务应用的。

    MDC(Mobile Data Center)可用于二次发开的芯片有Host(Kunpeng鲲鹏920)和Mini(Ascend昇腾 310)。Host是ARM(Advanced RISC Machine)(防盗标记:zhengkunxian)架构服务器级的CPU(Central Processing Unit),具有强大的计算能力;Mini是Ascend架构的图形处理芯片,MDC有4个Mini,分别是Mini0、Mini1、Mini2、Mini3。需要使用GPU加速的功能软件(如图像处理节点)应部署在Mini上,其他节点可部署在Host上。

    通过下面两个业务应用的流程图可以知道,MDC的host子系统内基于AP(AUTOSAR Adaptive Platform)的通信方式有两个,DDS和SOME/IP(Scalable Service-OrientedMiddleware over IP)。

    在这里插入图片描述

    平台软件

    这个是MDC开发平台提供的各种配套的软件服务,其实这个很容易理解,就像买电脑预装了windows操作系统,windows操作系统就是给你的软件服务,在这个windows上面我们可以开发别的应用,比如我们开发了QQ。

    这里面有几点讲一下:

    • 自适应软件服务:供上层自动驾驶应用调用的一些服务接口
    • 车控OS(操作系统):华为自研微内核操作系统-越影OS,越影OS使用华为鸿蒙操作系统微内核,鸿蒙微内核是跟linux兼容的,也就是在liux系统下开发的自动驾驶业务可以直接迁移到MDC软件平台上直接运行。
    • 自适应软件组件:华为自研的软件中间件,跟AUTOSAR 是兼容的,之间介绍了下AUTOSAR 的作用,就是用来软硬件松耦合用的中间件,这个华为自研的中间件也是这个作用。其中AI算子库里面包含各种人工智能模型,兼容tensorflow和caffe这些比较常见的做深度神经网络学习的中间件。

    什么是中间件?之前介绍的AUTOSAR 也是中间件。举个通俗的例子,我比较喜欢举例子,这样方便理解和记忆。
    比如办公室里面有一个部长,一个科长,一堆科员。部长安排工作,比如写汇报材料,会把任务布置给科长,科长安排科员干活。部长不用知道科员是怎么写汇报材料的,他和科员之间隔了科长,他只要调用科长写汇报材料的接口,科长会通过自己的方式比如安排哪两个科员一起写个材料,就可以获得一个写好的材料,然后部长就可以拿去做其他的应用比如申项目。这样做有什么好处呢?好处就是对于部长而言,科员不论怎么变,他只要抓住科长就行了,其他不用管。而我们做的就是部长的活,开发应用层,抓住MDC提供的API就行了,底层不用管。

    这也就是中间件的作用。连接操作系统层和应用程序层,将不同操作系统提供应用的接口标准化,协议统一化,屏蔽具体操作的细节,使应用的开发和运行与操作系统无关,实现其独立性,极大程度上减轻了开发者的负担。

    在这里插入图片描述

    工具链

    工具链的概念之前跟大家介绍过了。为什么提供这个工具链呢?主要是因为自动驾驶研发的门槛确实是比较高的,从设计开发整个流程对人员的要求很高,为降低门槛,华为提供了完整的工具链。MDC工具链旨在提供个性化、标准化、多元化的开发工具集合。后面会详细介绍工具链怎么使用。

    在这里插入图片描述

    工具链使用流程

    MDC平台工具链是面向MDC平台的智能驾驶应用开发工具集,主要由三个工具组成,分别是用于AI应用开发的Mind Studio,用于系统配置的MDC Manifest Configurator,最后是用于代码集成开发的MDC Development Studio

    • 在AI应用开发方面,Mind Studio提供了AI模型转换功能,算子开发功能,以及拖拽式的应用开发功能,Mind Studio所提供的模型转换功能支持将tensorflow或者caffe的模型转换为昇腾310芯片所支持的格式。也就是说我们已经基于tensorflow或者caffe训练完毕的AI模型可以直接使用Mind Studio(防盗标记:zhengkunxian)导入该模型进行转换。在Mind Studio上完成模型转换以及应用开发后,可以生成AI应用的动态链接库,生成的动态库可以导入集成开发环境MDC Development Studio中被调用,在开发业务代码时,如果是开发AI应用,则可直接调用该动态库。
    • 第二个工具是配置工具MDC Manifest Configurator,安全遵循Adaptive AUTOSAR 平台的标准,支持在配置工具中进行数据类型定义和服务接口创建,通信设计和网络配置,以及应用配置等。如果已经有了Adaptive AUTOSAR 平台的配置文件或者是诊断设计文件,可直接导入到配置工具中使用。如果以前只基于ROS等通信框架,完成了智能驾驶系统的开发,那么可将已有代码中的数据类型映射成服务接口,将服务接口提取出来在配置工具中重新进行Adaptive AUTOSAR平台的配置,最终配置生成的Manifest配置文件可导入到集成开发环境中去进行代码自动生成,代码自动生成会根据配置文件生成通信的服务接口文件。
    • MDS工具提供了与普通C++ IDE类似的代码编辑、编译、工程管理等功能。除此之外还提供了兼容Adaptive AUTOSAR 平台的代码自动生成功能,以及遵循Adaptive AUTOSAR 平台规范的MDC SDK。(软件开发工具包一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。)在MDS中导入已配置完成的配置文件,进行代码自动生成后,并完成业务代码的开发,接着对应用代码进行编译、构建,最终生成可执行文件。最后可以通过MDS的界面对可执行程序进行运行调试,这个调试功能是远程的,可直接将应用程序拷贝到MDC智能驾驶平台上运行和调试。

    回到MDC智能驾驶平台,MDC工具链旨在提供高效便捷、灵活开放、安全可信的工具。

    在这里插入图片描述

    工具链组网

    使用MDC工具链进行开发时,各个工具之间需要进行如图所示的组网,首先需要有一台linux的服务器,在服务器上可以部署Mind Studio的服务端,以及安装MDC的交叉编译环境。(交叉编译是在一个平台上生成另一个平台上的可执行代码。)然后本地开发环境上需要准备一个windows开发的环境和一个ubuntu系统(防盗标记:zhengkunxian)的开发环境。Windows系统上的开发环境可以安装MMC和MDS,以及使用浏览器查看Mind Studio的界面,在ubuntu环境上可以安装MDS和交叉编译环境以及同样的使用浏览器查看Mind Studio的界面。目前MMC还未推出ubuntu版本。然后linux服务器、windows开发环境、ubuntu开发环境,与MDC单板连接在一个小的局域网内。这样使用MDS进行远程运行调试的时候就可以直接将应用部署到MDC单板上去运行。
    在这里插入图片描述

    工具链组网示例

    这是一种最基本的局域网组网方式,使用一台交换机,加MDC,ubuntu本地开发环境,windows本地开发环境,和linux服务器组成一个局域网。

    本地开发环境通过一个固定的IP地址就可以访问MDC上的host或mini,Host是ARM(Advanced RISC Machine)架构服务器级的CPU(Central Processing Unit)Kunpeng鲲鹏920,具有强大的计算能力;Mini是Ascend架构的图形处理芯片Ascend昇腾 310,MDC有4个Mini。需要使用GPU加速的功能软件(如图像处理节点)应部署在Mini上,其他节点可部署在Host上。

    ubuntu本地开发环境上安装的是linux版的MDS和交叉编译环境,windows本地开发环境上安装的是windows版的MDS,而交叉编译环境需要安装在linux编译服务器上。如果使用windows本地开发环境,由于windows版本的MDS不附带编译器,所以需要使用ssh将代码拷贝到linux编译服务器上进行编译。

    如果使用ubuntu本地开发环境,则可通过安装MDS和交叉编译环境到本地进行本地编译,而不需要依赖额外的服务器。

    MDC可以支持多用户同时使用,只需要所有开发者在同一个局域网内就行了。

    由于MDC上的host和mini都是固定IP,并且IP所在的网段都是固定的192.168.1网段,如果开发者希望在10.25.0这样的大网段中也能访问MDC的话,应该怎么做呢?

    其实可以使用一台具备双网卡的电脑,同时接入大网和连接MDC,然后使用端口映射工具将这台电脑特定的大网端口映射到MDC的host和mini需要使用到的端口上。

    • 例如映射ssh端口,可以将任何未定义的未使用的大网端口映射到MDC的host的22端口上。
    • 映射gdbserver的端口(gdb这个是一种代码调试的工具),则可将任意自定义的大网端口号映射到MDC上,这里要注意的是映射gdbserver的端口号时大网的端口号和MDC的端口号必须保持一致。

    在这里插入图片描述

    MDC平台应用软件集成方式

    最后了解下在MDC平台上使用MDC工具链进行应用软件集成的方式:

    1. 首先在配置工具MDC Manifest Configurator中去进行配置工程的创建、然后导入MDC提供的配置模板、在模板的基础上进行业务应用的配置、完成应用配置以及应用间的通信配置后,生成Arxml文件,并将其导入MDS中。
    2. 如果是开发AI应用,那么同时还可以在Mind Studio中对自己在tensorflow或者caffe平台训练好的模型进行AI模型转换,以及AI应用编排,最后编译生成AI应用的动态库。
    3. 完成了配置和AI动态库的开发后,在MDS这个集成开发环境中将已配置好的Arxml文件使用代码自动生成功能,生成通信框架代码,然后编写业务代码,如果此时业务为调用AI模块进行图像识别等,则可直接调用Mind Studio编译生成的so动态库,业务代码编写完毕后,进行编译构建生成可执行文件,接着通过运行调试功能将可执行二进制文件和配置文件打包部署到MDC智能驾驶平台上。

    这张图展示的应用ABCD,可以认为是使用上述开发流程开发完成的智能驾驶应用。P:发布;R:接收。

    在这里插入图片描述

    至此初识MDC结束,这个东西就是个工具,重要的还是业务代码,就是决策规划、感知识别这些的功能模块的实现

    继续研究Autoware去了~

    补充:虽然是工具,但是却是非常重要的,没有工具怎么实现功能,尤其我们国家崛起被西方各种堵截,啥都得能自给自足才行呀。吾辈当自强!

    展开全文
  • 中国人工智能学会,中国人工智能系列白皮书-智能驾驶 智能汽车发展是大势所趋,更是中国汽车产业发展的重大机遇。 当前以智能化为重要特征的全球新一轮科技革命和产业变革仍在孕 育兴起,人工智能发展将推动人类生产...
  • 智能驾驶、自动驾驶、无人驾驶,我什么时候才能不用开车?​www.sohu.com2020-01-14 09:51:22奥迪 / 汽车 / 自动驾驶有些草是在不知不觉中种下的。若干年前第一次看到某某自动驾驶上路测试的新闻时,你可能只是感慨...
  • 上一期给大家介绍了平台的总体方案,本期从“单车智能”开发及测试的角度,为各位看官带来智能驾驶全量数据感知及分析系统。 智能驾驶全量感知数据实时可视化系统,可实时展示车端各类传感器数据,可实现感知系统...
  • 智能驾驶是通过在车上搭载传感器,感知周围环境,通过算法的模型识别和计算,辅助汽车由子控制单元直接或者辅助驾驶员做出决策,从而让汽车行驶更加智能化,提升汽车行驶的安全性和舒适性,最终实现无人驾驶。...
  • 智能驾驶数据集 合集

    千次阅读 2019-11-14 16:26:23
    智能驾驶,加速驶进未来新世界 据麦肯锡统计,至2030年智能驾驶市场将超过5000亿美元。在智能驾驶行业,根据应用场景的不同,目前较热门的领域主要集中在驾驶与泊车。 智能驾驶技术真正做到商业化落地,需要不断...
  • 汽车无人驾驶行业蓝图已现,其产业链上下游已经出现支撑公司,并在逐渐走向成熟。一、基本概念1、人工智能驾驶层次通常来讲,自动驾驶技术可以划分为三个层次,感知-&gt;认知(...
  • 上一期给大家介绍了智能驾驶全量数据感知及分析系统,本期为大家带来这套系统的重要组成部分——智能驾驶测评工具组(ITT)。该工具组内含多款软件产品,针对性地解决当前智能驾驶测试中的痛点,提升测试效率,下面...
  • 智能驾驶中得路径规划,点位得离散优化分析,最短路径规划问题得优化,自己得一些算法设计等,借助平台进行学习和资源得分享
  • 文档介绍了AuDi A8智能驾驶辅助系统系统的主要功能以及相关系统设计方案
  • 在汽车智能驾驶系统中,激光雷达由于其独特的三维成像能力,成为场景探测感知传感器群组中不可或缺的组成部分。为提升单一波长激光雷达在物性探测分类和状态上的性能,借鉴多光谱探测具有物性探测能力的原理,论文对...
  • 智能驾驶L1L2L3L4到底是什么意思,再不知道就OUT啦2018-08-21 02:46 来源: mrwaterfat最近小编在和朋友聊天中,什么全速自适应巡航ACC-SG、自动紧急刹车AEB-C/I/P、前碰撞预警FCW、半自动泊车系统APA2.0、追尾预警...
  • 经纬恒润智能驾驶事业部紧跟行业发展趋势,聚焦网络化和智能化等技术变革机遇,积极创新,致力于为乘用车、商用车等提供智能驾驶整体解决方案,涵盖环境感知、智能决策、路径规划、控制执行、系统集成和仿真测试等...
  • 智能驾驶是人工智能最为瞩目的一个发展方向,AI 开发者大会的智能驾驶专题讲述的智能驾驶的基本 和前景。
  • 中国联通最新发布《5G+远程智能驾驶白皮书》。交通运输是国民经济的基础性、先导性、战略性产业和重要服务性行业。以 5G 和 C-V2X 为代表的车联网技术正逐渗透到交通运输行业中,促进行业变革和产业升级,实现智慧...
  • 仿真测试验证作为智能驾驶系统开发流程中必不可少的一个环节,可以解决智能驾驶系统在测试过程中实车测试效率低、部分工况危险性高、实车测试成本高、工况无法复现等问题。智能驾驶概念涵盖了传统的高级驾驶辅助系统...
  • 主要是智能驾驶交通灯的识别程序,主要是针对初学者!!!!
  • 编辑导读:随着人工智能的技术发展,很多领域开始了革命式创新,智能驾驶就是其中的一个典型代表。本篇文章中作者介绍了智能驾驶的发展历程以及行业现状,并且通过分析智能驾驶的具体技术设计,预测了其未来发展趋势...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 7,569
精华内容 3,027
关键字:

智能驾驶