江苏龙网

  1. 首页 > 人文 > >

激光雷达、相机…万字长文带你入门无人驾驶车硬件( 七 )


从哪些方面来判断计算平台是否满足无人驾驶的要求呢？下面来详细讲解计算平台的参考指标 。
2.4.2 参考指标
1. 性能
性能包括 4 个方面：CPU、GPU、内存和总线。
CPU 。 CPU 主要运行自动驾驶操作系统和进行通用计算 ， 目前主流的通用 CPU 是 Intel 公司 X86 架构和 ARM 公司的 ARM 架构 。 Intel 公司的志强系列处理器已经广泛应用于数据中心服务器和工控机上 ， ARM 公司则是设计芯片然后把方案卖给各家公司让他们自己生产 。 目前各大公司发布的无人驾驶计算平台大部分都采用了 ARM 架构的处理器 ， 主要原因是在汽车行业 ， 芯片需要满足车规要求 ， 而 ARM 处理器更方便集成 。 可以预见未来发布的无人驾驶计算平台会大量采用 ARM 架构的处理器做通用计算 。
GPU 。 目前主流的深度学习框架都是通过 GPU 进行训练和计算 ， 因此无人驾驶计算平台大部分都采用 GPU 来进行深度学习计算 。 也有专门针对深度学习计算的芯片如 TPU 等 ， 但目前这类芯片应用的生态和成熟度还不是很高 。 此外还有计算平台通过 FPGA 来做深度学习加速 ， 成本会比 GPU 高 。 未来在无人驾驶大规模商业之后可能会出现专门针对深度学习计算的芯片 。
内存 。 内存包括 CPU 内存和显存 ， 内存容量太小和刷新频率太低都会影响到系统性能 。 同时应当尽量避免内存条的设计 ， 采用贴片内存 ， 防止内存震动失效 。
总线 。 无人驾驶车的传感器和 GPU 等硬件设备都需要总线和计算平台相连接 ， 总线带宽是系统性能的保障 。 同时计算平台的 CPU 需要采用冗余设计 ， 2 颗 CPU 之间通过总线连接 ， 保证一颗 CPU 失效后 ， 另一颗也能够继续工作 。
2. 功耗
一般系统的性能越强 ， 则功耗越大 。 这时候需要考虑以下 2 个方面：电源和散热 。
电源 。 计算平台采用的是车载电源 ， 考虑到人的安全 ， 车载电源的电压限制在 36v 以下 。 一般车载电源能够提供的功率不超过 1KW ， 也就是说在不进行任何改造的情况下 ， 计算平台的功率限制在 1KW 以下 。 如果需要增加功率 ， 要么采用多个电源 ， 要么增大电源的电流 。 而 1KW 的电源电流约为 42A ， 功率如果要增大到 2KW ， 那么电流要增大到 84A ， 我们知道电流越大 ， 系统的发热会越大 ， 所以也不是可以无限增加电源功率 。
散热 。 在功率非常大的时候 ， 计算平台甚至需要水冷散热 ， 采用风扇散热在汽车密闭的后备箱中没有排风口 ， 无法有效的把热量排放出去 。 水冷散热的效果好 ， 而且不需要排风口的设计 ， 在功耗比较大的时候采用水冷散热是很好的选择 。
3. 存储
无人驾驶车需要存储高精度地图、日志、传感器数据等多种数据 。 这些信息的数据量很大 ， 特别是传感器数据 ， 在录制数据的时候 ， 为了让数据能够及时保存 ， 一般会选择固态硬盘 。 固态硬盘的写入速度快 ， 并且相对机械硬盘也不容易失效 ， 因此无人驾驶中都建议采用固态硬盘 。
4. 接口
计算平台除了需要注意性能、功耗和存储 ， 还需要注意各种总线接口是否完备 。 目前传感器的接口丰富多样 ， 摄像头采用的是 USB 接口 ， 激光雷达采用的是以太网 ， 毫米波雷达采用的是 CAN 总线 ， 同时还需要预留足够的接口给其它外设 ， 例如 GPU、FPGA 加速卡、V2X 设备等 。 计算平台只有具备丰富的接口类型才能满足无人驾驶的要求 。
2.4.3 计算平台
目前无人驾驶计算平台有 3 种选择 。
第一种是采用工控机 ， 工控机采用 CPU 和 GPU 的组合 ， 非常通用 ， 同时又能够满足恶劣坏境的要求 。 但工控机的性能不太强劲 ， 接口也不太丰富 ， 适合初期的无人驾驶验证 。
激光雷达、相机…万字长文带你入门无人驾驶车硬件文章插图
图 2.12 工控 IPC（Nuvo-6108GC）


推荐阅读


上一篇：FreeRTOS——协同程序（Co-routine）

下一篇：又一芯片巨头站了出来，7纳米芯片投入商用，比华为还早成立2年