智能驾驶——02 智能驾驶系统架构

0 Preface

智驾系统的发展从主动安全、辅助驾驶功能开始到如今的全场景NOA、车位到车位功能，历经多代，智驾的自动驾驶的方案也有了很大的变化，我们能从承载各个功能的电气架构演进中看到智驾演进的影子。

1 始于ADAS驾驶辅助

从2011年开始，美国、欧洲、日本等主要市场开始配置AEB/LDW等L0级别驾驶辅助功能，掀开了驾驶辅助的系统的开篇。中国汽车当时还处于跟随阶段，辅助驾驶的功能要到几年后才开始上市，但是随着法规的出台，CN-CAP的要求，以及成本的降低，驾驶辅助功能迅速普及，并从B级车向A级车下探。

为了实现辅助驾驶的功能，多技术路线蓬勃发展，而差异主要体现在传感器的选择。传感器的主要有：摄像头、毫米波雷达、激光雷达、超声波雷达。

1.1 ADAS系统传感器

摄像头

摄像头可以对物体的几何特征、色彩以及文字等信息进行识别，技术成熟且成本低，被最早用作驾驶辅助系统中，但由于摄像头有探测距离短、精度低、易受天气及光照等固有缺陷，所以一般搭配其他传感器一起使用。

毫米波雷达

毫米波雷达有着有效提取景深及速度信息，识别障碍物，穿透雾、烟、灰尘的能力强，全天候性能好等优点，但在环境障碍物复杂的情况下，由于毫米波依靠声波定位，声波出现漫反射，导致漏检，尤其是对于人检测困难，一般不单独作为驾驶辅助传感器

激光雷达

激光类精度高、探测范围广，由于可以获得物体的点云轮廓，所以可以构建车辆周边的3D模型，但其成本也很高、也容易受到恶劣天气和烟雾环境的影响。

超声波雷达

超声波雷达主要应用于短距离场景下，如辅助泊车，结构简单、体积小、成本低；

1.2 ADAS系统方案

1V/1V1R方案

Mobileye开创了基于视觉的ADAS功能，EyeQ3芯片+摄像头的1V方案是早期整车厂的首选，此时的EyeQ3芯片对于Tier1供应商来说是一个黑盒，供应商只负责集成芯片到控制器中，而整车厂也只负责将供应商的控制器集成在车上。由于摄像头的固有缺陷，所以传感器融合是一个必经之路，而1R1V的融合方案在前向的辅助驾驶功能AEB、FCW中成为主流。

5R1V方案

随着ADAS功能的普及和配置下探，越来越多的辅助驾驶功能/主动安全功能<智驾功能概述>被集成在ADAS控制器中，而这些功能对传感器也提出了更多的要求。其中5R1V的传感器方案由于其高性价比成为主流。与1R1V的方案相比增加了四个侧向雷达后，ADAS系统可以实现更多功能，尤其是实现横向控制、侧向变道之后，ADAS系统已经可以达到L2级。

从ADAS控制器的角度，由于数据信息处理被集成在Mobileye芯片和Radar控制中，控制器获得的数据只有目标物和距离等有限信息，在这个阶段ADAS功能对于整车的电气架构影响不大。此时的电气架构还处于分布式阶段。

2 融合和集中的AD域控

当自动驾驶开始走向L2级别时，智能驾驶的方案已经不是简单的传感器融合和简单的规则控制了，智能驾驶开始了一条定位—感知—融合—预测—规划—控制的路径。

Camera、Radar、Lidar可以提供当前环境的信息，但是当需要车辆进行路径规划和导航时，车辆就需要知道当前的精确定位了，高精地图和位置传感器被用来解决精确定位的问题。当感知传感器获得路面上的特征信息后会与HDMap中的信息做比较，用以获得车辆在现实中的相对位置，同时PBOX提供了实时车辆的运行信息，这样精确的位置信息被用来为后续的路径规划和导航提供信息。

同时，L2级别的自动驾驶需要驾驶员接管，ODC中也需要明确驾驶员的状态，所以用于驾驶员检测的DMS(Driver Monitor System)以及OMS(Occupant Monitor System)也出现并使用。

2.1 AD系统传感器

现在，我们可以好好的梳理一下主流的AD域控需要的一些传感器了。

HDMap

高精地图是专门用于自动驾驶的地图，含有车道模型、道路部件、道路属性三类语义信息，以及用于多传感器定位的特征图层构成，可以帮助汽车预知路面复杂信息，如坡度、曲率、航向等。

不过值得一提的是，由于高精地图的更新依赖于地图供应商（如高德），更新的频率和数据的准确性受到了很多挑战，所以目前的OEM纷纷转投轻图或无图的方案。

PBOX

PBOX中集成了GNSS和IMU等传感器，同时通过RTK算法和INS算法获得组合定位的结果并发送给AD域控，AD域控中融合了HDMap以及其他Camera、Lidar等传感器信息得到融合定位的精确位置用于后续的规划。

2.2 AD系统方案

从5R1V的智驾方案后，大家逐渐有了分歧，2D/3D毫米波雷达是否适合被用作智驾的传感器融合决策。使用者发现，由于Radar经常出现漏检和误检，所以将Radar检测信息的权重降得越来越低。与此同时，随着中国激光雷达供应商的加入，Lidar的成本已经逐渐降低到可以接受的成本，所以Lidar被越来越多的广泛使用。

当然随之而来的是数据量的大幅度提升，软件包的大小也随之增长，为了解决频繁更新OTA的控制器软件以及传输海量的各类传感器数据，智能驾驶域控制器开始采用Eth做数据传输。这一阶段的电子电气架构已经开始向域融合迈进。

骨干网的选择从传统的Can/CANFD向着更高速率的Flexray和Ethernet转换。
多传感器/控制器开始从分布式的节点向着域控集成的方案转换
行车功能和泊车功能开始融合到域控制器，对域控制器的算力要求也越来越高。
传感器方案尚未一统，基于OEM的算法和定义各有不同。

3 车载电脑时代的ADP

随着特斯拉FSD的迭代以及视觉算法的突破，基于纯视觉的智能驾驶方案开始逐渐被国内整车厂接受和模仿。特斯拉觉得人类就是靠视觉解决大部分的驾驶问题，所以随着视觉算法的迭代升级，智能驾驶汽车也一定可以只依赖于视觉完成驾驶任务。

随着Nvidia OrinX的面世，智驾域控有了真正融合的土壤，双OrinX提供的508TOPS算力，给各种算法提供了足够的支撑，大算力的域控已经开始成为了车载电脑。

3.1 AD系统边界

3.2 AD系统整体方案

AD系统控制器主要负责处理传感器数据及整车网络总线信号，输出自动驾驶的控制信号（转向控制、加速控制、制动控制）并通过HMI系统与驾驶员进行交互输出显示信息、报警信息等
AD系统执行器主要负责响应控制器的控制信号，转化为车辆的物理动作，并向控制器反馈执行系统的系统状态，以实现控制的闭环。执行器控制车辆的横纵向运动，
- 加速
  - 如果是电动车则通过电机控制器控制驱动电机
  - 如果是传统车则是通过EMS控制发动机
- 刹车，基于当前底盘的刹车系统的不同方案
  - IPB+RBU
  - ESP+iBooster
- 转向，EPS
AD系统的人机交互系统主要负责提供驾驶员的功能设置给控制器，并通过视觉显示/灯光/声音对驾驶员进行提示，帮助驾驶员了解自动驾驶功能状态，在必要时进行干预。

4 Summary

智能驾驶技术的发展，离不开传感器的发展、整车电子电气架构的演进以及域控制器主芯片算力的大幅提升。而智驾系统的架构则有迹可循，通过人类驾驶汽车进行类比，辅助驾驶系统拓展了人类的驾驶能力，智能驾驶以及后续的自动驾驶则可以完全替代人类进行驾车。