創新駕駛方式，引領行業變革（二）

為了提供安全、舒適、價格低廉的自動駕駛服務，我們必須解決要求最苛刻、最具挑戰性的技術難題。不論是厘米級定位、多模態傳感器感知、傳感器融合，還是行為預測、行駛規劃、路徑規劃與控制，可以說這其中每一項技術都具有獨特的挑戰，需要我們在道路上不斷進行設計、檢驗、測試和部署。

從一開始，Qualcomm就致力于開發可擴展自動駕駛平臺。為此，我們精心規劃并開展了大量工作，打造出“Snapdragon Ride自動駕駛軟件棧”（Snapdragon Ride Autonomous Stack）。這是一項安全可靠的解決方案，能夠實現自動駕駛系統的優化部署，例如公路自動駕駛系統。為了開發“Snapdragon Ride自動駕駛軟件棧”，我們首先設計了一個先進的異構系統架構來開發最優化的計算平臺，該計算平臺能夠與自動駕駛軟件棧同步擴展，從而開發出一個安全可靠、開放式的自動駕駛平臺。在這篇博文中，我們將向您簡要介紹該自動駕駛平臺的一些核心技術模塊。

開發安全可靠的公路自動駕駛系統

安全可靠的自動駕駛系統必須能夠有效應對和處理各種交通狀況。與基本的駕駛輔助系統相比，自動駕駛系統要復雜得多，因為前者無需從司機手中接管車輛的控制權。例如，在高速公路自動駕駛場景中，系統必須能夠完成眾多功能，例如車道保持、變道行駛、車道內操作、交通擁堵處理、立交橋處理、應對其他車輛的強行插入、摩托車車道分割、道路狀況評估、潛在風險檢測，等等。如果自動駕駛系統擴展到市內交通系統下，其復雜程度將呈指數級上升。
除了算法方面的挑戰，自動駕駛系統對算力的要求也非常高。在特定的溫控范圍內達到這些要求并在成本上讓消費者負擔得起，對于開發安全可靠的自動駕駛系統來說至關重要。例如，高速公路自動駕駛系統必須有足夠的計算能力來應對公路環境下的不可預測性。隨著系統對最惡劣路況和極端狀況的認識不斷提升，系統還必須具有足夠的性能余量來進行未來的擴展和升級。
Snapdragon Ride高速公路自動駕駛系統圍繞兩個關鍵模塊進行設計和優化：
1. Snapdragon Ride自動駕駛軟件棧
2. Snapdragon Ride自動駕駛硬件平臺

接下來，我們將對該系統的技術部分進行略微深入的介紹。

Snapdragon Ride自動駕駛軟件棧

Snapdragon Ride自動駕駛軟件棧包括三個關鍵組件：

1. 感知：傳感器感知和傳感器融合
2. 定位：運用Qualcomm?視覺增強高精定位技術（VEPP）和地圖融合技術進行高精度定位
3. 規劃：行為預測與規劃

感知和傳感器融合軟件棧

我們的感知部分主要運用攝像頭和雷達來感知周圍環境。目前的公路自動駕駛系統共配備了8個攝像頭和6個雷達，這些攝像頭和雷達分布在汽車四周，可以提供360度的全覆蓋感知。我們運用深度學習（DL）和信號處理混合算法對攝像頭和雷達傳感器數據進行分析，從而對周圍障礙物進行精確的檢測和分類。為此，我們部署了30多個深度學習網絡來完成各種不同功能，例如對二維和三維障礙物（汽車、卡車、貨車、公共汽車、摩托車、行人）的檢測和分類、車道類型檢測和分類、信號燈狀態識別、可用空間估算等。
此外，我們還運用深度學習算法對雷達傳感器數據進行處理，將雜亂無章的雷達信號轉化為信息豐富的結構化信號，并將其轉化為帶有可用空間信息的二維邊界框（bounding boxes）平面圖。

我們對所有深度學習網絡都進行了優化，通過運用Qualcomm自主研發的相關工具（例如量化感知培訓、硬件感知網絡精簡和內核優化），這些深度學習網絡可在驍龍處理器的專用加速器上運行。此外，我們還運用網絡架構搜索技術（NAS）對網絡架構根據芯片硬件結構進行優化。
此外，我們還開發了一種可擴展、安全可靠的傳感器融合算法，該算法能夠將所有攝像頭和雷達傳感器的檢測和分類數據進行融合與處理。傳感器融合算法利用定位算法，能夠選擇性地使用高精度地圖和C-V2X信息（如果可用的話）。該算法能夠輸出道路狀況模型的多層次感知數據，例如動態障礙物移動軌跡、靜態障礙物、道路使用情況和遮擋裁剪（occlusion grid）等。
考慮到傳感器感知可能會受到周圍環境狀況、傳感器覆蓋范圍和天氣狀況的干擾，我們開發了融合算法來解決這些不確定性，并以各種不同的方式將其傳送到傳感器融合算法輸出端。例如，系統會對已知障礙物的不確定性進行評估并標記。而突然出現的障礙物（例如，來自車輛后方很遠的地方，或剛剛從遮擋背景中出來）則用特殊的方式標記。這對于實現安全可靠的行為規劃算法來說至關重要，因為它能夠在不確定的情況下進行決策，為汽車用戶提供安全、舒適、自信、人性化的駕駛體驗。
高精度定位
經過大量研發，并結合Qualcomm多頻全球導航衛星系統（MF-GNSS）解決方案，以及攝像頭、慣性測量單元（IMU）和控制器局域網（CAN）傳感器輸入的數據，我們的第三代視覺增強高精定位（VEPP 3.0）算法，幾乎在任何時間和地點都能實現車道級高精度定位。該解決方案主要依賴所有傳感器輸入數據的低水平融合，而不需要地圖和要素匹配等任何先驗信息。該解決方案目前已經在不同國家和環境條件下進行了測試。

地圖融合
我們的地圖融合算法采用了一種創新的解決方案，通過運用粒子濾波器來執行多假設跟蹤，并運用VEPP 3.0、前置和側置攝像頭提供的數據來識別道路的定位特征。由于VEPP 3.0的輸出信號具有較高的信噪比，加上創新的多假設粒子濾波器，我們的地圖融合算法只需一個相對高精度地圖，即可實現厘米級的精確定位。此外，我們的堆棧還支持行業領先高精度地圖提供商的應用編程接口（API）。
行為預測和規劃
我們的行為預測算法采用基于規則和機器學習的混合式解決方案，其中基于規則的解決方案能夠綜合考察道路規則、車道類型、車輛動力學（例如，加速/減速限制或角速度）等因素。而基于機器學習的解決方案則能夠充分利用其他人收集的數據，這些人與本車行駛在同一條道路上。
所謂預測，本質上就是一個概率問題，就是對每個與本車相關的動態主體可能采取的操作/意圖進行預判。除了預測每個動態主體的概率性意圖外，我們還需要預測每個意圖相關的移動軌跡。這是一個非常復雜的多維問題。

從本質上講，我們的行為規劃算法是一個分層算法，涵蓋行駛規劃和運動規劃兩部分。行駛規劃，或稱之為行為規劃，目的是為本車的下一組行駛行為作出決策。從理論上講，這是一個不完全可觀察馬爾可夫決策過程（POMDP），因為我們只能通過預測來“觀察”其他動態主體的意圖。行為規劃的主要要求是在不確定的情況下做出決策，并確保為汽車用戶提供安全舒適的駕駛體驗。影響本車周圍道路狀況模型（RWM）不確定性的因素有很多，主要包括測量噪音引起的不確定性和與環境相關的不確定性。測量噪音包括固有的傳感器噪聲、感知管道中的誤差，由于天氣原因或在檢測和跟蹤靜止或緩慢移動物體時的延遲而導致的傳感器覆蓋范圍受限，以及從遮擋區域突然出現的物體等。環境不確定性包括由于大型障礙物或急轉彎的遮擋而隱藏的RWM狀態，或者實際上無法感知的參數，例如其他司機、自行車騎行者和行人等進入道路環境的意圖。
我們采用基于規則和強化學習的混合算法來進行行為規劃的計算。接著，計算生成的策略傳輸給運動規劃算法，該算法執行軌跡和速度曲線搜索以執行所需的策略。搜索算法需要考慮加速度和加速曲線等因素，以及在每個未來運動軌跡點處與來自行為預測模塊的預測軌跡的碰撞檢查。根據交通密度和規劃的前瞻時間范圍，該模塊可能有很嚴格的計算要求。

Snapdragon Ride硬件平臺

考慮到實際交通狀況的復雜程度、人性化駕駛所需的舒適性和確保安全的嚴格需求，自動駕駛所需的計算能力也越來越高。

Snapdragon Ride硬件平臺旨在支持單個安全系統芯片（Safety SoC）、多個安全系統芯片或安全系統芯片以及安全加速器，以滿足不同級別的SAE自動駕駛要求。例如，單個驍龍自動駕駛系統芯片能夠支持SAE L2到L3級別的解決方案，該解決方案將能夠使公路自動駕駛系統以高達每秒30萬億次（TOP）的速度大規模運行，同時支持小體積產品形態只需要做被動冷卻，并且結合ADAS SoC和自動駕駛安全加速器的多SoC解決方案可以為L4到L5級別的自動駕駛解決方案（機器人出租車）提供支持，從而實現最高每秒700+萬億次的性能，同時功耗僅有130W。如此低的功耗，對于大規模汽車部署來說完全沒有問題。
然而，在評估汽車計算系統的有效性時，僅僅使用TOPS、DMIPs等性能指標是不夠的，而且常常會產生誤導。這也正是Qualcomm開發集成式解決方案的優勢所在。首先，此方案可以幫助客戶深入洞察在設計一個面向實際使用的集成式自動駕駛系統系統的過程中遇到的復雜問題。若要用可預測的和更有效的方式打造實用的高性能系統，諸如多線程管理、安全操作系統和軟件中間件設計、傳感器同步和校準工具以及性能優化工具等，都是不可或缺的。
此外，所有這些性能都必須以可擴展性和先進的熱效能等考量為前提。Qualcomm向來擅長對復雜的電源管理、優化和設計進行統籌，在有限的功耗預算內提供頂級的性能，這為打造無需復雜水冷系統的自動駕駛解決方案提供了巨大的優勢。例如，在Snapdragon Ride公路自動駕駛系統中，應用程序處理器加載了以下工作負載：
● 用于8個攝像頭、6個雷達及多個其他傳感器（如多頻全球導航衛星系統）的感知和傳感器融合。這需要部署30多個深度學習網絡，以便處理高分辨率數據，從而對數以百計的動態障礙物、靜態障礙物、車道類型、交通標志、交通信號燈以及可行駛空間進行檢測和分類。
● 基于VEPP3.0和地圖融合的定位。
● 通過運用深度學習和強化學習算法來創建道路環境模型，進行行為預測和行為規劃，以便預測道路上其他動態主體的行為和移動軌跡，從而為本車的操作做出決策。
對于普通應用處理器而言，要同時運行所有這些工作負載，通常需要極高的運行速度。然而，Qualcomm借助先進神經處理引擎、高吞吐量數據管道和性能優化工具，在單個系統級芯片內以最佳能效和顯著優化的散熱解決方案，打造出符合公路自動駕駛性能要求的解決方案。

我們的綜合平臺采用開放式軟件，聚合多個ECU，在具備更高高性能的同時保證更低功耗，有助于Tier1和汽車制造商兼顧從主動安全和全自動駕駛的各個功能層級，同時降低整體開發成本。我們獨特的開放式棧整合經過優化的軟件和硬件，不僅為客戶提供更大的自定義空間，也讓該等軟件和硬件更加透明，能夠幫助汽車制造商將產品快速推向市場。
顯而易見，汽車設計商的發展路徑正在從主動安全逐漸進入便利功能這一前景明朗的細分市場。而且，隨著客戶對全自動駕駛功能的要求日漸增加，Qualcomm的開放式平臺在可擴展性、降低開發成本以及提高開發效率方面將賦予客戶更多的優勢。
請持續關注本系列的后續博文，以了解Snapdragon Ride平臺的技術洞見。通過該平臺，原始設備制造商和汽車設計商將看到，無需從零開始，也能打造出舒適便利的自動駕駛汽車。此外，欲了解更多有關Qualcomm汽車計算技術和無線技術解決方案，請繼續關注本系列的文章。

關注微博或掃描下方二維碼關注微信公眾號（ID：Qualcomm_China），了解更多 Qualcomm 資訊。

?

?

?