CN109814552A - 车载控制单元、基于fpga的车辆自动驾驶方法及装置 - Google Patents
车载控制单元、基于fpga的车辆自动驾驶方法及装置 Download PDFInfo
- Publication number
- CN109814552A CN109814552A CN201910013122.7A CN201910013122A CN109814552A CN 109814552 A CN109814552 A CN 109814552A CN 201910013122 A CN201910013122 A CN 201910013122A CN 109814552 A CN109814552 A CN 109814552A
- Authority
- CN
- China
- Prior art keywords
- soc
- fpga
- arm
- mcu
- sent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008447 perception Effects 0.000 claims abstract description 82
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 230000016776 visual perception Effects 0.000 claims abstract description 21
- 210000005036 nerve Anatomy 0.000 claims abstract description 17
- 230000015654 memory Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
- G06F30/331—Design verification, e.g. functional simulation or model checking using simulation with hardware acceleration, e.g. by using field programmable gate array [FPGA] or emulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/243—Means capturing signals occurring naturally from the environment, e.g. ambient optical, acoustic, gravitational or magnetic signals
- G05D1/2435—Extracting 3D information
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/247—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/80—Arrangements for reacting to or preventing system or operator failure
- G05D1/81—Handing over between on-board automatic and on-board manual control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9323—Alternative operation using light waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9324—Alternative operation using ultrasonic waves
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本发明实施例提供一种车载控制单元、基于FPGA的车辆自动驾驶方法及装置,包括MCU以及通过FPGA和ARM集成设置实现第一SoC,车载控制单元设置在自动驾驶汽车上,第一SoC的FPGA接收车载传感器发送的视频数据,利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息后向第一SoC的ARM发送该第一感知信息,第一SoC的ARM处理该第一感知信息得到第一决策信息并发送给MCU,最终由MCU根据该第一决策信息生成控制指令并发送给相应的执行机构。该过程中,第一SoC上通过FPGA和ARM集成设置,由FPAG和ARM对传感器数据进行处理后发送给MCU,降低MCU的负担。
Description
技术领域
本发明实施例涉及车辆控制技术领域,尤其涉及一种车载控制单元、基于FPGA的车辆自动驾驶方法及装置。
背景技术
自动驾驶车辆(Self-driving Car),又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人,是一种通过计算机系统实现无人驾驶的智能车辆。
自动驾驶汽车上设置有电子控制单元(electronic control unit,ECU),ECU也被称之为行车电脑、车载电脑,是无人驾驶车辆的“大脑”。自动驾驶过程中,利用车载摄像头采集自动驾驶车辆周边信息,将采集到的信息发送给ECU,由ECU利用感知算法对接收到信息进行视觉感知生成决策结果,并根据决策结果生成控制指令,进而根据控制指令完成自动驾驶。
上述自动驾驶过程中,利用感知算法对车载摄像头采集到的信息进行视觉感知严重依赖ECU,导致ECU负担加重。
发明内容
本发明实施例提供一种车载控制单元、基于FPGA的车辆自动驾驶方法及装置,第一SoC通过FPGA和ARM集成设置,由FPAG和ARM对传感器数据进行处理后发送给MCU,降低MCU的负担。
第一方面,本发明实施例提供一种基于FPGA的车辆自动驾驶方法,适用于车载控制单元,所述车载控制单元包括第一片上系统SoC和微控制单元MCU,所述第一SoC通过FPGA和进阶精简指令集机器ARM集成设置,所述车载控制单元设置在自动驾驶车辆上,所述方法包括:
所述第一SoC的FPGA接收车载摄像头发送的视频数据;
所述第一SoC的FPGA利用第一神经网络算法对所述视频数据进行视觉感知,得到第一感知信息;
所述第一SoC的FPGA向所述第一SoC的ARM发送所述第一感知信息;
所述第一SoC的ARM处理所述第一感知信息,得到第一决策信息并发送给所述MCU。
一种可行的设计中,所述第一SoC的ARM处理所述第一感知信息,得到第一决策信息并发送给所述MCU,包括:
所述第一SoC的ARM接收雷达数据;
所述第一SoC的ARM融合所述第一感知信息与所述雷达数据;
所述第一SoC的ARM对融合后的所述第一感知信息与所述雷达数据进行处理,得到所述第一决策信息并发送给所述MCU。
一种可行的设计中,所述雷达数据包括超声波雷达数据、毫米波雷达数据、激光雷达数据中的至少一个。
一种可行的设计中,所述车载控制单元还包括:第二片上系统SoC,所述第二SoC通过FPGA和进阶精简指令集机器ARM集成设置,所述方法还包括:
所述第二SoC的FPGA接收所述车载摄像头发送的所述视频数据;
所述第二SoC的FPGA利用第二神经网络算法对所述视频数据进行视觉感知,得到第二感知信息;
所述第二SoC的FPGA向所述第二SoC的ARM发送所述第二感知信息;
所述第二SoC的ARM处理所述第二感知信息,得到第二决策信息并发送给所述MCU;
所述MCU根据所述第一决策信息和所述第二决策信息,生成控制指令。
第二方面,本发明实施例提供一种车载控制单元,包括:第一片上系统SoC和微控制单元MCU,所述第一SoC通过现场可编程门阵列FPGA和进阶精简指令集机器ARM集成设置,所述第一SoC与所述MCU通过以太网交换芯片连接。
一种可行的设计中,上述的车载控制单元还包括:第二片上系统SoC,所述第二SoC上设置FPGA和ARM,所述第二SoC上的FPGA与ARM通过总线连接,所述第二SoC与所述MCU通过所述以太网交换芯片连接。
一种可行的设计中,上述的车载控制单元还包括:第一同步动态随机存储器SDRAM和第一闪存Flash,所述第一SDRAM与所述第一SoC连接,所述第一Flash与所述第一SoC连接。
第三方面,本发明实施例提供一种自动驾驶装置,该装置适用于车载控制单元,所述自动驾驶装置包括:第一片上系统SoC模块和微控制单元MCU模块,所述第一SoC模块通过FPGA和进阶精简指令集机器ARM集成设置,所述车载控制单元设置在自动驾驶车辆上,所述第一SoC包括第一FPGA单元和第一ARM单元,其中,
所述第一FPGA单元,用于接收车载摄像头发送的视频数据,利用第一神经网络算法对所述视频数据进行视觉感知,得到第一感知信息,向所述第一SoC的ARM发送所述第一感知信息;
所述第一ARM单元,用于处理所述第一感知信息,得到第一决策信息并发送给所述MCU模块。
一种可行的设计中,所述第一ARM单元,具体用于接收雷达数据,融合所述第一感知信息与所述雷达数据,对融合后的所述第一感知信息与所述雷达数据进行处理,得到所述第一决策信息并发送给所述MCU。
一种可行的设计中,所述装置还包括:第二SoC模块,所述第二SoC模块包括第二FPGA单元和第二ARM单元,其中,
所述第二FPGA单元,用于接收所述车载摄像头发送的所述视频数据,利用第二神经网络算法对所述视频数据进行视觉感知,得到第二感知信息,向所述第二SoC的ARM发送所述第二感知信息;
所述第二ARM单元,用于处理所述第二感知信息,得到第二决策信息并发送给所述MCU;
所述MCU模块,用于根据所述第一决策信息和所述第二决策信息,生成控制指令。
本发明实施例提供的车载控制单元、基于FPGA的车辆自动驾驶方法及装置,车载控制单元上包括MCU以及通过FPGA和ARM集成设置实现的第一SoC,车载控制单元设置在自动驾驶汽车上,自动驾驶过程中,第一SoC的FPGA接收车载传感器发送的视频数据,利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息,并向第一SoC的ARM发送该第一感知信息,第一SoC的ARM处理该第一感知信息得到第一决策信息并发送给MCU,最终由MCU根据该第一决策信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。该过程中,第一SoC通过FPGA和ARM集成设置,由FPAG和ARM对传感器数据进行处理后发送给MCU,降低MCU的负担。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中基于FPGA实现的ECU;
图2是本发明实施例提供的一种车载控制单元的架构示意图;
图3是本发明实施例提供的一种基于现场可编程门阵列FPGA的自动驾驶方法的流程图;
图4是本发明实施例提供的另一种车载控制单元的架构示意图;
图5为本发明实施例提供的一种自动驾驶装置的结构示意图;
图6为本发明实施例提供的另一种自动驾驶装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
车载控制单元,也称之为电子控制单元(electronic control unit,ECU,ECU),是现代汽车电子的核心元件之一,一个汽车上设置多个ECU,用于负责不同的功能,各ECU之间可以进行信息交互,多个ECU形成汽车的控制系统。通常情况下,一个ECU包括微控制单元(micro controller unit,MCU)、输入输出接口等。ECU与其他电子元件一起组成汽车的大脑中枢神经系统,根据预先设置的程序处理各种传感器发送的信息,生成决策结果进而生成控制指令,然后将控制指令发送给执行机构,由执行机构执行各种预定的控制功能。
目前,各大厂商利用集成电路(integrated circuit,IC)实现ECU,也有部分厂商采用基于现场可编程门阵列(field-programmable gate array,FPGA)架构上实现ECU。图1为现有技术中基于FPGA实现的ECU。请参照图1,该基于FPGA的ECU是将FPGA设置在ECU的外部,该FPGA与外部的ECU连接,适用于没有大量计算需求的ECU。但是,随着辅助驾驶、自动驾驶等技术的演进,与ECU连接的车载摄像头、雷达等传感器越来越多,需要ECU具备强大的计算能力以处理各种传感器的数据。各种传感器中,车载摄像头采集的数据最为庞大且难以处理,而且,目前对车载摄像头采集的视频数据比较主流的处理方法是深度学习的神经网络算法,深度学习的神经网络算法需要消耗ECU巨大的处理器(central processing unit,CPU)资源,即需要ECU具备强大的计算能力,现有的基于FPGA的ECU,利用FPGA对车载摄像头发送的视频数据进行处理,并将处理后的数据发送给外部的ECU,由外部ECU对接收到的数据进行进一步的处理,根据处理结果生成控制指令,进而根据控制指令完成自动驾驶。
上述自动驾驶过程中,FPGA运算后的数据需要外部ECU进一步的进行处理,导致ECU负担加重。
有鉴于此,本发明实施例提供一种基于现场可编程门阵列的FPGA,通过集成了ARM的FPGA对传感器数据进行处理后发送给ECU的MCU,降低MCU的负担。示例性的,可参见图2。
图2是本发明实施例提供的一种车载控制单元的架构示意图。请参照图2,本发明实施例提供的车载控制单元包括:第一片上系统(system on chip,SoC)和微控制单元(micro controller unit,MCU),该第一SoC通过现场可编程门阵列FPGA和进阶精简指令集机器(advanced RISC Machine,ARM)集成设置,所述第一SoC与所述MCU通过以太网交换芯片连接。
请参照图2,第一SoC将FPGA和ARM融合,将两者集中封装组成单个芯片,提高集成度的同时减少了FPGA和ARM之间的数据连接,使得第一SoC可以做更多的操作,提高可靠性的同时降低了ECU的复杂度。该第一SoC通过以太网交换芯片与MCU连接,从而实现第一SoC与MCU之间的数据交换。以太网交换芯片还可以与外部车载以太网交互。MCU负责ECU的印刷电路板(printed circuit board,PCB)整板的功能安全处理以及对内对外接口,MCU对内通过以太网交换(switch)芯片与第一SoC交互,同时全球定位系统(global positioningsystem,GPS)、惯性测量单元(inertial measurement unit,IMU)、温度传感器等均与MCU交互。对外接口方面,MCU引出调试接口和车辆控制CAN接口,调试接口主要负责板卡的调试,CAN接口实现对车辆的控制功能。
本发明实施例提供的车载控制单元,包括MCU以及通过FPGA和ARM集成设置实现的第一SoC,车载控制单元设置在自动驾驶汽车上,自动驾驶过程中,第一SoC的FPGA接收车载传感器发送的视频数据,利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息,并向第一SoC的ARM发送该第一感知信息,第一SoC的ARM处理该第一感知信息得到第一决策信息并发送给MCU,最终由MCU根据该第一决策信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。该过程中,第一SoC通过FPGA和ARM集成设置,由FPAG和ARM对传感器数据进行处理后发送给MCU,降低MCU的负担。
上述的车载控制单元设置在自动驾驶汽车上。下面,基于图2,对本发明实施例提供的基于FPGA的自动驾驶方法进行详细说明。示例性,可参见图3,图3是本发明实施例提供的一种基于现场可编程门阵列FPGA的自动驾驶方法的流程图。本实施例包括:
101、所述第一SoC的FPGA接收车载传感器发送的视频数据。
本发明实施例中,车载控制单元设置在自动驾驶汽车上,车载控制单元包括第一SoC和MCU,该第一SoC通过FPGA和ARM集成设置。本步骤中,自动驾驶车辆上的车载摄像头采集视频数据并向第一SoC上的FPGA发送。相应的,第一SoC上的FPGA接收该视频数据。
102、所述第一SoC的FPGA利用第一神经网络算法对所述视频数据进行视觉感知,得到第一感知信息。
本步骤中,第一SoC上的FPGA利用第一神经网络算法对接收到的视频数据进行视觉感知,得到第一感知信息。其中,第一神经网络算法为预设的基于深度学习的神经网络算法,如卷积神经网络(convolutional neural networks,CNN)算法等。例如,时间延迟网络(time delay neural network,TDNN)算法、平移不变人工神经网络(shift-invariantartificial neural networks,SIANN)、LeNet-5神经网络算法、VGGNet神经网络算法、GoogLeNet神经网络算法或ResNet神经网络算法等。
103、所述第一SoC的FPGA向所述第一SoC的ARM发送所述第一感知信息。
本步骤中第一SoC的FPGA通过FPGA内部总线,将第一感知信息发送给第一SoC的ARM。
104、所述第一SoC的ARM处理所述第一感知信息,得到第一决策信息并发送给所述MCU。
本步骤中,由第一SoC的ARM根据第一感知信息对环境进行建模等,并利用判决算法处理第一感知信息,得到第一决策信息后发送给MCU。MCU接收到该第一决策信息后,根据该第一决策信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。
本发明实施例提供的基于现场可编码门阵列FPGA的自动驾驶方法,适用于车载控制单元,该车载控制单元上包括MCU以及通过FPGA和ARM集成设置实现的第一SoC,车载控制单元设置在自动驾驶汽车上,自动驾驶过程中,第一SoC的FPGA接收车载传感器发送的视频数据,利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息,并向第一SoC的ARM发送该第一感知信息,第一SoC的ARM处理该第一感知信息得到第一决策信息并发送给MCU,最终由MCU根据该第一决策信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。该过程中,第一SoC通过FPGA和ARM集成设置,由FPAG和ARM对传感器数据进行处理后发送给MCU,降低MCU的负担。
再请参照图2,本发明实施例中,第一SoC的ARM处理第一感知信息,得到第一决策信息并发送给所述MCU时,该第一SoC的ARM还接收雷达数据,融合第一感知信息和雷达数据,然后对融合后的第一感知信息与雷达数据进行处理,得到第一决策信息并发送给MCU。该过程中,第一SoC的ARM接收到第一SoC的FPGA发送的第一感知信息后,将该第一感知信息与其他传感器发送的数据汇总融后得到融合数据,并利用融合数据进行环境建模和判决操作,得到第一决策信息后发送给MCU。MCU接收到该第一决策信息后,根据该第一决策信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。其中,触感器包括超声波雷达、毫米波雷达、激光雷达等,相应的,传感器发送的数据包括超声波雷达数据、毫米波雷达数据、激光雷达数据中的至少一个。
图4是本发明实施例提供的另一种车载控制单元的架构示意图。请参照图4,本发明实施例提供的车载控制单元,在上述图2的基础上,进一步的还包括:第二SoC,该第二SoC通过FPGA和进阶精简指令集机器ARM集成设置。自动驾驶过程中,车载摄像头除了将采集到的视频数据发送给第一SoC的FPGA外,还将该视频数据发送给第二SoC的FPGA。第二SoC的FPGA接收到视频数据后,利用第二神经网络算法对该视频数据进行视觉感知,得到第二感知信息并通过FPGA内部总线,将该第二感知信息发送给第二SoC的ARM。第二SoC的ARM接收到第二感知信息后,对该第二感知信息进行处理,得到第二决策信息并发送给MCU。如此一来,MCU会接收到第一SoC的ARM发送的第一决策信息和第二SoC发送的第二决策信息。MCU对该两个决策信息进行比较和分析,从中选择出合适的策略信息,根据选择出的策略信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。
上述图4实施例中,第一SoC的FPGA利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息;第二SoC的FPGA利用第二神经网络算法对所述视频数据进行视觉感知,得到第二感知信息。其中,第一神经网络算法和第二神经网络算法互为不同的神经网络算法。例如,第一神经网络算法为卷积神经网络算法,第二神经网络算法为Bp算法等。再如,第一神经网络算法为时间延迟网络算法,第二神经网络算法为ResNet神经网络算法等。
本发明实施例中,通过第一SoC、第二SoC和MCU得到具有巨大处理能力、高度集成的车载控制单元架构,利用第一SoC的FPGA和第二SoC的FPGA对视频数据进行神经网络算法的计算,并且每个FPGA对视频数据进行计算得到的感知信息被发送给对应SoC的ARM,由ARM融合感知信息和雷达数据,因此,本发明实施例提供的车载控制单元具备更强的处理能力。而且,从汽车电子产品需要的功能安全角度出发,利用第一SoC和第二SoC实现双SoC,从而实现异构冗余的结构,即第一SoC的FPGA和第二SoC的FPGA分别采用不同的神经网络算法处理视频数据,既保证了车载控制单元的功能安全又可以作为主备功能使用。
再请参照图4,本发明实施例提供的车载控制单元,还可以包括第一同步动态随机存储器(synchronous dynamic random access memory,SDRAM)和第一闪存Flash,该第一SDRAM与第一SoC连接,第一Flash与第一SoC连接。同理,本发明实施例提供的车载控制单元还可以包括:第二同步动态随机存储器(synchronous dynamic random access memory,SDRAM)和第二闪存Flash,该第二SDRAM与第二SoC连接,第二Flash与第二SoC连接。基于该架构,自动驾驶过程中,ECU启动后,第一SoC从第一Flash加载程序,第二SoC从第二Flash加载程序,程序加载完成以后,等待车载传感器以及其他传感器输入数据。对于车载摄像头采集的视频数据,第一SoC的FPGA利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息;第二SoC的FPGA利用第二神经网络算法对视频数据进行视觉感知,得到第二感知信息。第一感知信息被第一SoC的FPGA发送给第一SoC的ARM,该第一SoC的ARM对第一感知信息和各种雷达的检测数据进行融合,得到第一融合数据,并利用该第一融合数据对环境进行建模,然后根据判决算法生成第一决策信息并通过以太网交换芯片发送给MCU;第二感知信息被第二SoC的FPGA发送给第二SoC的ARM,该第二SoC的ARM对第二感知信息和各种雷达的检测数据进行融合,得到第二融合数据,并利用该第二融合数据对环境进行建模,然后根据判决算法生成第二决策信息并通过以太网交换芯片发送给MCU。MCU接收到第一决策信息和第二决策信息后,对该两个决策信息进行分析比较,选择出合适的决策信息,并根据选择出的决策信息生成控制指令,将控制指令通过CAN接口发送给执行机构,由执行机构根据控制指令进行自动驾驶。
图5为本发明实施例提供的一种自动驾驶装置的结构示意图。本实施例所涉及的自动驾驶装置可以为车载控制单元,也可以为应用于车载控制单元内部的芯片。该自动驾驶装置可以用于执行上述实施例中车载控制单元的功能。如图5所示,该自动驾驶装置100可以包括:第一片上系统SoC模块11和微控制单元MCU模块12,所述第一SoC模块11通过FPGA和进阶精简指令集机器ARM集成设置,所述车载控制单元设置在自动驾驶车辆上,所述第一SoC模块11包括第一FPGA单元111和第一ARM单元112,其中,所述第一FPGA单元111,用于接收车载摄像头发送的视频数据,利用第一神经网络算法对所述视频数据进行视觉感知,得到第一感知信息,向所述第一ARM单元112发送所述第一感知信息;
所述第一ARM单元112,用于处理所述第一感知信息,得到第一决策信息并发送给所述MCU模块12。
一种可行的设计中,所述第一ARM单元112,具体用于接收雷达数据,融合所述第一感知信息与所述雷达数据,对融合后的所述第一感知信息与所述雷达数据进行处理,得到所述第一决策信息并发送给所述MCU。
本发明实施例提供的自动驾驶装置,适用于车载控制单元,该自动驾驶装置上包括MCU模块以及第一SoC模块,该第一SoC模块包括第一FPGA单元和第一ARM单元,自动驾驶过程中,第一FPGA单元接收车载传感器发送的视频数据,利用第一神经网络算法对视频数据进行视觉感知,得到第一感知信息,并向第一ARM单元发送该第一感知信息,第一ARM单元处理该第一感知信息得到第一决策信息并发送给MCU模块,最终由MCU模块根据该第一决策信息生成控制指令并发送给相应的执行机构,使得控制机构根据该控制执行进行自动驾驶。该过程中,第一SoC通过FPGA和ARM集成设置,由FPAG和ARM对传感器数据进行处理后发送给MCU,降低MCU的负担。
图6为本发明实施例提供的另一种自动驾驶装置的结构示意图。本实施例提供的自动驾驶装置100,在上述图5的基础上,还包括:
第二SoC模块13,所述第二SoC模块13包括第二FPGA单元131和第二FARM单元132,其中,
所述第二FPGA单元131,用于接收所述车载摄像头发送的所述视频数据,利用第二神经网络算法对所述视频数据进行视觉感知,得到第二感知信息,向所述第二ARM单元132发送所述第二感知信息;
所述第二ARM单元132,用于处理所述第二感知信息,得到第二决策信息并发送给所述MCU;
所述MCU模块12,用于根据所述第一决策信息和所述第二决策信息,生成控制指令。
本发明实施例还提供一种存储介质,所述存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的基于现场可编程门阵列FPGA的自动驾驶方法。
在上述的实施例中,应该理解到,所描述的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(central processing unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(industry standard architecture,ISA)总线、外部设备互连(peripheral component,PCI)总线或扩展工业标准体系结构(extendedIndustry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(application specific integrated circuits,ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于终端或服务器中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk,SSD)等。
本文中的术语“多个”是指两个或两个以上。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系;在公式中,字符“/”,表示前后关联对象是一种“相除”的关系。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于现场可编程门阵列FPGA的自动驾驶方法,其特征在于,适用于车载控制单元,所述车载控制单元包括第一片上系统SoC和微控制单元MCU,所述第一SoC通过FPGA和进阶精简指令集机器ARM集成设置,所述车载控制单元设置在自动驾驶车辆上,所述方法包括:
所述第一SoC的FPGA接收车载摄像头发送的视频数据;
所述第一SoC的FPGA利用第一神经网络算法对所述视频数据进行视觉感知,得到第一感知信息;
所述第一SoC的FPGA向所述第一SoC的ARM发送所述第一感知信息;
所述第一SoC的ARM处理所述第一感知信息,得到第一决策信息并发送给所述MCU。
2.根据权利要求1所述的方法,其特征在于,所述第一SoC的ARM处理所述第一感知信息,得到第一决策信息并发送给所述MCU,包括:
所述第一SoC的ARM接收雷达数据;
所述第一SoC的ARM融合所述第一感知信息与所述雷达数据;
所述第一SoC的ARM对融合后的所述第一感知信息与所述雷达数据进行处理,得到所述第一决策信息并发送给所述MCU。
3.根据权利要求2所述的方法,其特征在于,所述雷达数据包括超声波雷达数据、毫米波雷达数据、激光雷达数据中的至少一个。
4.根据权利要求1~3任一项所述的方法,其特征在于,所述车载控制单元还包括:第二片上系统SoC,所述第二SoC通过FPGA和进阶精简指令集机器ARM集成设置,所述方法还包括:
所述第二SoC的FPGA接收所述车载摄像头发送的所述视频数据;
所述第二SoC的FPGA利用第二神经网络算法对所述视频数据进行视觉感知,得到第二感知信息;
所述第二SoC的FPGA向所述第二SoC的ARM发送所述第二感知信息;
所述第二SoC的ARM处理所述第二感知信息,得到第二决策信息并发送给所述MCU;
所述MCU根据所述第一决策信息和所述第二决策信息,生成控制指令。
5.一种车载控制单元,其特征在于,包括:第一片上系统SoC和微控制单元MCU,所述第一SoC通过现场可编程门阵列FPGA和进阶精简指令集机器ARM集成设置,所述第一SoC与所述MCU通过以太网交换芯片连接。
6.根据权利要求5所述的车载控制单元,其特征在于,还包括:第二片上系统SoC,所述第二SoC上设置FPGA和ARM,所述第二SoC上的FPGA与ARM通过总线连接,所述第二SoC与所述MCU通过所述以太网交换芯片连接。
7.根据权利要求5或6所述的车载控制单元,其特征在于,还包括:第一同步动态随机存储器SDRAM和第一闪存Flash,所述第一SDRAM与所述第一SoC连接,所述第一Flash与所述第一SoC连接。
8.一种自动驾驶装置,其特征在于,该装置适用于车载控制单元,所述自动驾驶装置包括:第一片上系统SoC模块和微控制单元MCU模块,所述第一SoC模块通过FPGA和进阶精简指令集机器ARM集成设置,所述车载控制单元设置在自动驾驶车辆上,所述第一SoC包括第一FPGA单元和第一ARM单元,其中,
所述第一FPGA单元,用于接收车载摄像头发送的视频数据,利用第一神经网络算法对所述视频数据进行视觉感知,得到第一感知信息,向所述第一SoC的ARM发送所述第一感知信息;
所述第一ARM单元,用于处理所述第一感知信息,得到第一决策信息并发送给所述MCU模块。
9.根据权利要求8所述的装置,其特征在于,
所述第一ARM单元,具体用于接收雷达数据,融合所述第一感知信息与所述雷达数据,对融合后的所述第一感知信息与所述雷达数据进行处理,得到所述第一决策信息并发送给所述MCU。
10.根据权利要求8或9所述的装置,其特征在于,所述装置还包括:第二SoC模块,所述第二SoC模块包括第二FPGA单元和第二ARM单元,其中,
所述第二FPGA单元,用于接收所述车载摄像头发送的所述视频数据,利用第二神经网络算法对所述视频数据进行视觉感知,得到第二感知信息,向所述第二SoC的ARM发送所述第二感知信息;
所述第二ARM单元,用于处理所述第二感知信息,得到第二决策信息并发送给所述MCU;
所述MCU模块,用于根据所述第一决策信息和所述第二决策信息,生成控制指令。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/129248 WO2020135730A1 (zh) | 2018-12-28 | 2019-12-27 | 车载控制单元、基于fpga的车辆自动驾驶方法及装置 |
EP19903938.9A EP3839686B1 (en) | 2018-12-28 | 2019-12-27 | Vehicle-mounted control unit, and fpga-based vehicle automatic driving method and device |
KR1020207024742A KR102471010B1 (ko) | 2018-12-28 | 2019-12-27 | 차량 탑재 제어 유닛, fpga 기반 차량 자동 주행 방법 및 장치 |
JP2020572668A JP7416731B2 (ja) | 2018-12-28 | 2019-12-27 | 車載制御ユニット、fpgaベースの車両自動運転方法及び装置 |
US17/024,137 US12022237B2 (en) | 2018-12-28 | 2020-09-17 | Vehicle-mounted control unit, and method and apparatus for FPGA based automatic driving of vehicle |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018116258168 | 2018-12-28 | ||
CN201811625816 | 2018-12-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109814552A true CN109814552A (zh) | 2019-05-28 |
CN109814552B CN109814552B (zh) | 2024-05-24 |
Family
ID=66604077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910013122.7A Active CN109814552B (zh) | 2018-12-28 | 2019-01-07 | 车载控制单元、基于fpga的车辆自动驾驶方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US12022237B2 (zh) |
EP (1) | EP3839686B1 (zh) |
JP (1) | JP7416731B2 (zh) |
KR (1) | KR102471010B1 (zh) |
CN (1) | CN109814552B (zh) |
WO (1) | WO2020135730A1 (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780608A (zh) * | 2019-11-26 | 2020-02-11 | 北京百度网讯科技有限公司 | 仿真测试方法及装置 |
CN110928693A (zh) * | 2020-01-23 | 2020-03-27 | 飞诺门阵(北京)科技有限公司 | 一种计算设备及资源分配方法 |
CN110955232A (zh) * | 2019-12-13 | 2020-04-03 | 深圳市英博超算科技有限公司 | 一种自动驾驶系统架构 |
CN111290310A (zh) * | 2020-02-13 | 2020-06-16 | 天津鹍骐科技有限公司 | 一种车载计算系统 |
WO2020135730A1 (zh) * | 2018-12-28 | 2020-07-02 | 百度在线网络技术(北京)有限公司 | 车载控制单元、基于fpga的车辆自动驾驶方法及装置 |
WO2021098179A1 (zh) * | 2019-11-20 | 2021-05-27 | 华为技术有限公司 | 一种数据管理的方法、装置、设备及智能汽车 |
CN113110407A (zh) * | 2021-06-16 | 2021-07-13 | 奥特酷智能科技(南京)有限公司 | 基于区块网关电控单元的汽车控制器 |
CN113200003A (zh) * | 2021-06-18 | 2021-08-03 | 北京理工华创电动车技术有限公司 | 一种商用车整车多域集成控制系统及方法 |
CN113291290A (zh) * | 2020-02-05 | 2021-08-24 | 马自达汽车株式会社 | 车辆用控制装置及车辆用控制系统 |
CN113442938A (zh) * | 2021-08-31 | 2021-09-28 | 国汽智控(北京)科技有限公司 | 车载计算系统、电子设备和车辆 |
CN113721503A (zh) * | 2021-08-16 | 2021-11-30 | 北京超星未来科技有限公司 | 一种车载计算平台、无人驾驶系统及车辆 |
CN114326498A (zh) * | 2021-12-24 | 2022-04-12 | 中汽创智科技有限公司 | 电子控制单元的控制方法、电子控制单元和车辆 |
CN114625189A (zh) * | 2022-02-28 | 2022-06-14 | 北京梧桐车联科技有限责任公司 | 车辆管理方法、装置及设备 |
US11706076B2 (en) | 2020-01-23 | 2023-07-18 | Novnet Computing System Tech Co., Ltd. | Computer system with computing devices, communication device, task processing device |
US11994593B2 (en) | 2019-12-27 | 2024-05-28 | Zte Corporation | Detection method and device based on laser radar, and computer readable storage medium |
WO2024138960A1 (zh) * | 2022-12-30 | 2024-07-04 | 深圳市中兴微电子技术有限公司 | 一种车辆故障处理方法及车用芯片 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12054164B2 (en) * | 2020-08-14 | 2024-08-06 | Nvidia Corporation | Hardware fault detection for feedback control systems in autonomous machine applications |
CN112793481B (zh) * | 2021-01-11 | 2021-10-15 | 宁波均联智行科技股份有限公司 | 一种座舱主动安全方法及系统 |
CN112527003B (zh) * | 2021-02-18 | 2021-07-16 | 北京图森智途科技有限公司 | 数据传输装置和系统 |
CN114348018A (zh) * | 2021-12-17 | 2022-04-15 | 际络科技(上海)有限公司 | 商用车辆的自动驾驶系统及方法 |
CN114407872A (zh) * | 2022-02-17 | 2022-04-29 | 驭势科技(浙江)有限公司 | 自动驾驶系统及车辆 |
CN114604260A (zh) * | 2022-05-11 | 2022-06-10 | 青岛慧拓智能机器有限公司 | 用于无人车的域控制器及域控制装置 |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008021034A (ja) * | 2006-07-11 | 2008-01-31 | Fujitsu Ten Ltd | 画像認識装置、画像認識方法、歩行者認識装置および車両制御装置 |
US20100063664A1 (en) * | 2008-09-11 | 2010-03-11 | Noel Wayne Anderson | High integrity perception program |
US20100063672A1 (en) * | 2008-09-11 | 2010-03-11 | Noel Wayne Anderson | Vehicle with high integrity perception system |
CN101750972A (zh) * | 2008-12-08 | 2010-06-23 | 迪尔公司 | 用于靠近自动机器使用的衣服 |
NL2007104C2 (nl) * | 2011-03-18 | 2012-09-19 | Innovius B V | Voertuigvolgsysteem voor toepassing in een voertuig. |
US20130151088A1 (en) * | 2011-11-16 | 2013-06-13 | Flextronics Ap, Llc | Method and system for vehicle data collection regarding traffic |
US20140267727A1 (en) * | 2013-03-14 | 2014-09-18 | Honda Motor Co., Ltd. | Systems and methods for determining the field of view of a processed image based on vehicle information |
WO2014160186A1 (en) * | 2013-03-13 | 2014-10-02 | Bosch Automotive Service Solutions Llc | Vehicle measurement apparatus having a system-on-a-chip device, a sensor and a wireless adapter |
US20150051763A1 (en) * | 2013-08-15 | 2015-02-19 | Honda Motor Co., Ltd. | Method and system for reducing range anxiety |
CN105335327A (zh) * | 2015-10-13 | 2016-02-17 | 电子科技大学 | 基于Soc的可重构/双冗余VPX3U信号处理载板 |
US20170004063A1 (en) * | 2015-06-30 | 2017-01-05 | Freescale Semiconductor, Inc. | Flash memory controller, data processing system with flash memory controller and method of operating a flash memory controller |
CN107404529A (zh) * | 2017-07-26 | 2017-11-28 | 成都网烁信息科技有限公司 | 一种基于网络云的大数据分析系统及方法 |
CN107561969A (zh) * | 2016-07-01 | 2018-01-09 | 三星电子株式会社 | 用于车辆平台的设备和方法 |
CN107885214A (zh) * | 2017-11-22 | 2018-04-06 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的加速自动驾驶视觉感知的方法及装置 |
US20180143633A1 (en) * | 2016-06-28 | 2018-05-24 | Faraday&Future Inc. | Multi-processor soc system |
CN108162977A (zh) * | 2017-11-25 | 2018-06-15 | 深圳市元征科技股份有限公司 | 驾驶辅助系统及控制方法 |
US10003554B1 (en) * | 2015-12-22 | 2018-06-19 | Amazon Technologies, Inc. | Assisted sideband traffic management |
CN108196547A (zh) * | 2018-01-08 | 2018-06-22 | 北京图森未来科技有限公司 | 一种自动驾驶系统 |
CN108205279A (zh) * | 2017-12-08 | 2018-06-26 | 联创汽车电子有限公司 | 异构多芯片智能驾驶控制器 |
CN108357374A (zh) * | 2017-01-27 | 2018-08-03 | 通用汽车环球科技运作有限责任公司 | 用于管理电池充电状态的系统和方法 |
CN108363670A (zh) * | 2017-01-26 | 2018-08-03 | 华为技术有限公司 | 一种数据传输的方法、装置、设备和系统 |
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶系统及其控制方法 |
CN108462726A (zh) * | 2017-02-14 | 2018-08-28 | 广州市联奥信息科技有限公司 | 面向未知状况的车辆辅助驾驶决策系统和装置 |
KR20180097247A (ko) * | 2017-02-23 | 2018-08-31 | 주식회사 만도 | 사용자 친화적 차량 제어 시스템 및 방법 |
US20180268092A1 (en) * | 2017-03-15 | 2018-09-20 | Beijing Baidu Netcom Science And Technology Co.,Ltd. | Method and apparatus for simulation test of autonomous driving of vehicles, an apparatus and computer-readable storage medium |
CN108614790A (zh) * | 2018-05-03 | 2018-10-02 | 济南浪潮高新科技投资发展有限公司 | 一种车载计算单元、车辆及车辆自动驾驶方法 |
CN108776472A (zh) * | 2018-05-17 | 2018-11-09 | 驭势(上海)汽车科技有限公司 | 智能驾驶控制方法及系统、车载控制设备和智能驾驶车辆 |
US20180348763A1 (en) * | 2017-06-02 | 2018-12-06 | Baidu Usa Llc | Utilizing rule-based and model-based decision systems for autonomous driving control |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10380022B2 (en) * | 2011-07-28 | 2019-08-13 | Netlist, Inc. | Hybrid memory module and system and method of operating the same |
JP6881307B2 (ja) | 2015-09-30 | 2021-06-02 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
JP6858002B2 (ja) | 2016-03-24 | 2021-04-14 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 物体検出装置、物体検出方法及び物体検出プログラム |
CN108508882A (zh) * | 2017-02-28 | 2018-09-07 | 郑州宇通客车股份有限公司 | 一种车辆辅助驾驶控制平台 |
US10421463B2 (en) * | 2017-03-10 | 2019-09-24 | Baidu Usa Llc | Automatic steering control reference adaption to resolve understeering of autonomous driving vehicles |
US11231281B2 (en) | 2017-06-16 | 2022-01-25 | Honda Motor Co., Ltd. | Information-processing device, information-processing method, and program |
US10384501B2 (en) * | 2017-11-07 | 2019-08-20 | Michael Benn Rothschild | Digital hardware method, system and device for preventing the initial onset of trailer oscillations and control thereof |
US10620266B2 (en) * | 2017-11-29 | 2020-04-14 | Intel Corporation | System, apparatus and method for in-field self testing in a diagnostic sleep state |
CN108037756A (zh) * | 2017-11-29 | 2018-05-15 | 江苏若博机器人科技有限公司 | 一种多传感器融合中速无人车探测避障系统 |
US11029744B2 (en) * | 2017-12-29 | 2021-06-08 | Intel Corporation | System, apparatus and method for controlling a processor based on effective stress information |
CN109814552B (zh) * | 2018-12-28 | 2024-05-24 | 阿波罗智能技术(北京)有限公司 | 车载控制单元、基于fpga的车辆自动驾驶方法及装置 |
-
2019
- 2019-01-07 CN CN201910013122.7A patent/CN109814552B/zh active Active
- 2019-12-27 JP JP2020572668A patent/JP7416731B2/ja active Active
- 2019-12-27 EP EP19903938.9A patent/EP3839686B1/en active Active
- 2019-12-27 KR KR1020207024742A patent/KR102471010B1/ko active IP Right Grant
- 2019-12-27 WO PCT/CN2019/129248 patent/WO2020135730A1/zh unknown
-
2020
- 2020-09-17 US US17/024,137 patent/US12022237B2/en active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008021034A (ja) * | 2006-07-11 | 2008-01-31 | Fujitsu Ten Ltd | 画像認識装置、画像認識方法、歩行者認識装置および車両制御装置 |
US20100063664A1 (en) * | 2008-09-11 | 2010-03-11 | Noel Wayne Anderson | High integrity perception program |
US20100063672A1 (en) * | 2008-09-11 | 2010-03-11 | Noel Wayne Anderson | Vehicle with high integrity perception system |
CN101750972A (zh) * | 2008-12-08 | 2010-06-23 | 迪尔公司 | 用于靠近自动机器使用的衣服 |
NL2007104C2 (nl) * | 2011-03-18 | 2012-09-19 | Innovius B V | Voertuigvolgsysteem voor toepassing in een voertuig. |
US20130151088A1 (en) * | 2011-11-16 | 2013-06-13 | Flextronics Ap, Llc | Method and system for vehicle data collection regarding traffic |
WO2014160186A1 (en) * | 2013-03-13 | 2014-10-02 | Bosch Automotive Service Solutions Llc | Vehicle measurement apparatus having a system-on-a-chip device, a sensor and a wireless adapter |
US20140267727A1 (en) * | 2013-03-14 | 2014-09-18 | Honda Motor Co., Ltd. | Systems and methods for determining the field of view of a processed image based on vehicle information |
US20150051763A1 (en) * | 2013-08-15 | 2015-02-19 | Honda Motor Co., Ltd. | Method and system for reducing range anxiety |
US20170004063A1 (en) * | 2015-06-30 | 2017-01-05 | Freescale Semiconductor, Inc. | Flash memory controller, data processing system with flash memory controller and method of operating a flash memory controller |
CN105335327A (zh) * | 2015-10-13 | 2016-02-17 | 电子科技大学 | 基于Soc的可重构/双冗余VPX3U信号处理载板 |
US10003554B1 (en) * | 2015-12-22 | 2018-06-19 | Amazon Technologies, Inc. | Assisted sideband traffic management |
US20180143633A1 (en) * | 2016-06-28 | 2018-05-24 | Faraday&Future Inc. | Multi-processor soc system |
CN107561969A (zh) * | 2016-07-01 | 2018-01-09 | 三星电子株式会社 | 用于车辆平台的设备和方法 |
CN108363670A (zh) * | 2017-01-26 | 2018-08-03 | 华为技术有限公司 | 一种数据传输的方法、装置、设备和系统 |
CN108357374A (zh) * | 2017-01-27 | 2018-08-03 | 通用汽车环球科技运作有限责任公司 | 用于管理电池充电状态的系统和方法 |
CN108462726A (zh) * | 2017-02-14 | 2018-08-28 | 广州市联奥信息科技有限公司 | 面向未知状况的车辆辅助驾驶决策系统和装置 |
KR20180097247A (ko) * | 2017-02-23 | 2018-08-31 | 주식회사 만도 | 사용자 친화적 차량 제어 시스템 및 방법 |
US20180268092A1 (en) * | 2017-03-15 | 2018-09-20 | Beijing Baidu Netcom Science And Technology Co.,Ltd. | Method and apparatus for simulation test of autonomous driving of vehicles, an apparatus and computer-readable storage medium |
US20180348763A1 (en) * | 2017-06-02 | 2018-12-06 | Baidu Usa Llc | Utilizing rule-based and model-based decision systems for autonomous driving control |
CN107404529A (zh) * | 2017-07-26 | 2017-11-28 | 成都网烁信息科技有限公司 | 一种基于网络云的大数据分析系统及方法 |
CN107885214A (zh) * | 2017-11-22 | 2018-04-06 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的加速自动驾驶视觉感知的方法及装置 |
CN108162977A (zh) * | 2017-11-25 | 2018-06-15 | 深圳市元征科技股份有限公司 | 驾驶辅助系统及控制方法 |
CN108205279A (zh) * | 2017-12-08 | 2018-06-26 | 联创汽车电子有限公司 | 异构多芯片智能驾驶控制器 |
CN108196547A (zh) * | 2018-01-08 | 2018-06-22 | 北京图森未来科技有限公司 | 一种自动驾驶系统 |
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶系统及其控制方法 |
CN108614790A (zh) * | 2018-05-03 | 2018-10-02 | 济南浪潮高新科技投资发展有限公司 | 一种车载计算单元、车辆及车辆自动驾驶方法 |
CN108776472A (zh) * | 2018-05-17 | 2018-11-09 | 驭势(上海)汽车科技有限公司 | 智能驾驶控制方法及系统、车载控制设备和智能驾驶车辆 |
Non-Patent Citations (1)
Title |
---|
关超华;陶刚;: "基于ADSP-BF561的车辆辅助驾驶系统硬件设计", 微计算机信息, no. 26, 15 September 2009 (2009-09-15), pages 1 - 3 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12022237B2 (en) | 2018-12-28 | 2024-06-25 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Vehicle-mounted control unit, and method and apparatus for FPGA based automatic driving of vehicle |
WO2020135730A1 (zh) * | 2018-12-28 | 2020-07-02 | 百度在线网络技术(北京)有限公司 | 车载控制单元、基于fpga的车辆自动驾驶方法及装置 |
WO2021098179A1 (zh) * | 2019-11-20 | 2021-05-27 | 华为技术有限公司 | 一种数据管理的方法、装置、设备及智能汽车 |
CN110780608B (zh) * | 2019-11-26 | 2023-03-10 | 北京百度网讯科技有限公司 | 仿真测试方法及装置 |
CN110780608A (zh) * | 2019-11-26 | 2020-02-11 | 北京百度网讯科技有限公司 | 仿真测试方法及装置 |
CN110955232A (zh) * | 2019-12-13 | 2020-04-03 | 深圳市英博超算科技有限公司 | 一种自动驾驶系统架构 |
US11994593B2 (en) | 2019-12-27 | 2024-05-28 | Zte Corporation | Detection method and device based on laser radar, and computer readable storage medium |
CN110928693A (zh) * | 2020-01-23 | 2020-03-27 | 飞诺门阵(北京)科技有限公司 | 一种计算设备及资源分配方法 |
US11706076B2 (en) | 2020-01-23 | 2023-07-18 | Novnet Computing System Tech Co., Ltd. | Computer system with computing devices, communication device, task processing device |
CN113291290B (zh) * | 2020-02-05 | 2024-01-09 | 马自达汽车株式会社 | 车辆用控制装置及车辆用控制系统 |
CN113291290A (zh) * | 2020-02-05 | 2021-08-24 | 马自达汽车株式会社 | 车辆用控制装置及车辆用控制系统 |
CN111290310B (zh) * | 2020-02-13 | 2021-03-16 | 天津鹍骐科技有限公司 | 一种车载计算系统 |
CN111290310A (zh) * | 2020-02-13 | 2020-06-16 | 天津鹍骐科技有限公司 | 一种车载计算系统 |
CN113110407A (zh) * | 2021-06-16 | 2021-07-13 | 奥特酷智能科技(南京)有限公司 | 基于区块网关电控单元的汽车控制器 |
CN113200003A (zh) * | 2021-06-18 | 2021-08-03 | 北京理工华创电动车技术有限公司 | 一种商用车整车多域集成控制系统及方法 |
CN113721503A (zh) * | 2021-08-16 | 2021-11-30 | 北京超星未来科技有限公司 | 一种车载计算平台、无人驾驶系统及车辆 |
CN113442938A (zh) * | 2021-08-31 | 2021-09-28 | 国汽智控(北京)科技有限公司 | 车载计算系统、电子设备和车辆 |
CN114326498A (zh) * | 2021-12-24 | 2022-04-12 | 中汽创智科技有限公司 | 电子控制单元的控制方法、电子控制单元和车辆 |
CN114625189A (zh) * | 2022-02-28 | 2022-06-14 | 北京梧桐车联科技有限责任公司 | 车辆管理方法、装置及设备 |
WO2024138960A1 (zh) * | 2022-12-30 | 2024-07-04 | 深圳市中兴微电子技术有限公司 | 一种车辆故障处理方法及车用芯片 |
Also Published As
Publication number | Publication date |
---|---|
EP3839686B1 (en) | 2024-05-01 |
US20210001880A1 (en) | 2021-01-07 |
EP3839686A1 (en) | 2021-06-23 |
CN109814552B (zh) | 2024-05-24 |
KR102471010B1 (ko) | 2022-11-25 |
EP3839686A4 (en) | 2022-05-04 |
WO2020135730A1 (zh) | 2020-07-02 |
JP2021529388A (ja) | 2021-10-28 |
US12022237B2 (en) | 2024-06-25 |
KR20200115594A (ko) | 2020-10-07 |
JP7416731B2 (ja) | 2024-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814552A (zh) | 车载控制单元、基于fpga的车辆自动驾驶方法及装置 | |
US11360003B2 (en) | Apparatus and methods for controlling attention of a robot | |
DE102019122790B4 (de) | Robotersteuerungssystem | |
CN107608337B (zh) | 汽车远程诊断方法和装置、移动终端、电子设备及服务器 | |
JP7185811B2 (ja) | 超音波アレイによる障害物検出結果の処理方法、コンピュータデバイス、記憶媒体、プログラム及びシステム | |
DE102020113007A1 (de) | Funktionssicherheitssteuerungen auf der Grundlage von "Soft" -Fehler-Informationen | |
JP2022532009A (ja) | 分子結合部位検出方法、装置、電子機器及びコンピュータプログラム | |
CN109754595A (zh) | 车辆风险的评估方法、装置及接口设备 | |
CN103108042A (zh) | 车载信息采集系统 | |
CN109714830A (zh) | 一种飞行日志上传方法、装置及移动终端、无人机 | |
CN112758031A (zh) | 一种车辆控制系统、车辆控制方法、装置、设备和介质 | |
CN109754084A (zh) | 网络结构的处理方法、装置及相关产品 | |
CN108151753A (zh) | 基于电池电量的导航方法、装置、存储介质及终端 | |
CN111123728B (zh) | 无人车仿真方法、装置、设备及计算机可读介质 | |
CN108428368A (zh) | 基于数据链的行车预警系统和方法 | |
CN115891984A (zh) | 一种智能驾驶系统、方法、设备及介质 | |
CN114942022B (zh) | 仿生偏振光罗盘一体化设计与导航信息实时处理方法 | |
CN111559327A (zh) | 一种数据处理方法及对应的装置 | |
KR102389315B1 (ko) | Yolo를 이용한 태양광 패널 결함 검출용 드론 시스템 | |
CN110503594B (zh) | 视频跟踪装置、方法、系统和视频跟踪设备 | |
CN208969498U (zh) | 一种车辆诊断仪 | |
CN114200905A (zh) | 对于can总线的ecu映射和消息的受控消息误差和基准真值的基于ml电压指纹识别 | |
CN114706426B (zh) | 无人机多机协同任务控制系统、方法、电子设备及介质 | |
CN108983759A (zh) | 一种车辆诊断仪及车辆诊断方法 | |
CN115147785B (zh) | 一种车辆识别方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211019 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |