CN209928279U - 智能驾驶系统及智能车辆 - Google Patents
智能驾驶系统及智能车辆 Download PDFInfo
- Publication number
- CN209928279U CN209928279U CN201920384184.4U CN201920384184U CN209928279U CN 209928279 U CN209928279 U CN 209928279U CN 201920384184 U CN201920384184 U CN 201920384184U CN 209928279 U CN209928279 U CN 209928279U
- Authority
- CN
- China
- Prior art keywords
- chip
- unit
- communication unit
- decision
- driving system
- 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.)
- Active
Links
Images
Abstract
本申请实施例公开了一种智能驾驶系统及智能车辆,所述智能驾驶系统包括感知计算模块、决策规划模块和底层控制模块,其中,所述感知计算模块包括第一通信单元和包含有若干人工智能芯片的感知计算单元;所述决策规划模块包括第二通信单元和决策规划单元;所述底层控制模块包括第三通信单元和底层控制单元。本实用新型能够降低智能驾驶系统的成本,同时保证智能驾驶系统的计算能力。
Description
技术领域
本申请涉及智能驾驶领域,具体涉及一种智能驾驶系统及智能车辆。
背景技术
目前智能驾驶在快速发展过程中,其核心技术包括:感知、决策、控制和计算平台。其中车载计算平台是目前业界的技术焦点之一,与智能驾驶相关的软件、算法,都要运行在这个车载计算平台上,才能够完整的实现智能驾驶的核心功能。
车载计算平台的技术指标包括:计算能力、操作系统实时性、安全性、可靠性和成本。这些指标对智能驾驶的影响是不一样的,不同的厂家由于其技术路线的差异,对这些指标的理解和应对方式也有所区别,下面是目前出现的两种具有代表性的车载计算平台技术路线:
(1)通用高性能车载计算平台。Nvidia(英伟达)在通用车载计算方面具有领先的技术水平,推出了以DRIVE PX、XAVIER系列为代表的高性能智能驾驶计算平台,具有强大的计算能力,能够实现320TOPS(320万亿次每秒)的人工智能推理能力,提供超过1TB/s带宽,并通过ASIL D(Automotive Safety Integrity Level,汽车安全完整性等级)安全认证,能够挂载最多16个摄像头(包括6个光学雷达)。这种计算平台的核心特点是依托强大的芯片计算能力,构建一个集中式的计算平台,运行linux操作系统,使用主机来运行感知、决策与控制模块,输入并计算所有的传感器信息(视频、激光雷达点云等),在主机中计算并做出控制策略,对车辆进行控制。这种模式的优势是计算能力强大,不足之处是平台价格昂贵,功耗高,安全性存在不足,操作系统、中间件、应用软件任意一个环节发生故障时,整个车辆会失去控制。
(2)专用车载计算平台。代表性的有恩智浦的bluebox,英特尔的GO无人驾驶车内开发平台,其特点是使用arm或者x86芯片作为控制器,使用专用芯片或者FPGA(FieldProgrammable Gate Array,现场可编程逻辑门阵列)来处理和融合传感器数据。传统车企半导体公司较多采用这种技术路线,这种方案具有高可靠性,由于采用专用芯片,传感器数据处理性能也能够保证。其不足之处在于这种类型的方案定制性很强,算法和软件相对固化,尤其是面向AI(Artificial Intelligence,人工智能)的计算能力不足,很难满足速飞速发展的智能驾驶技术的需求。
实用新型内容
有鉴于此,本申请实施例提供了一种智能驾驶系统及智能车辆,旨在降低智能驾驶系统的成本,同时保证智能驾驶系统的计算能力。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种智能驾驶系统,所述智能驾驶系统包括感知计算模块、决策规划模块和底层控制模块,其中,
所述感知计算模块包括第一通信单元和包含有若干人工智能芯片的感知计算单元,所述感知计算单元用于从传感器获取车辆行驶环境信息,并通过所述人工智能芯片输出基于所述车辆行驶环境信息的分析结果至所述第一通信单元,以使所述第一通信单元将所述分析结果发送给所述决策规划模块;
所述决策规划模块包括第二通信单元和决策规划单元,所述第二通信单元用于接收所述第一通信单元发送的分析结果,并将所述分析结果输入所述决策规划单元,以使所述决策规划单元返回对应的路径规划信息;所述第二通信单元还用于将所述路径规划信息发送给所述底层控制模块;
所述底层控制模块包括第三通信单元和底层控制单元,所述第三通信单元用于接收所述第二通信单元发送的路径规划信息,并将所述路径规划信息输入所述底层控制单元,以使所述底层控制单元向车辆总线发出对应的控制指令。
优选地,所述第一通信单元、所述第二通信单元和所述第三通信单元之间通过数据分发服务中间件进行通信。
优选地,所述决策规划模块还包括存储单元,所述存储单元与所述决策规划单元连接,用于向所述决策规划单元提供预先保存的高精度地图数据;
所述决策规划单元还用于根据所述高精度地图数据和所述分析结果生成对应的路径规划信息。
优选地,所述决策规划单元包含有第一热备份芯片和第一检测判决芯片,其中,
所述第一热备份芯片用于根据所述第二通信单元输入的分析结果输出对应的路径规划信息至所述第一检测判决芯片;
所述第一检测判决芯片用于检测所述路径规划信息的有效性并将有效的路径规划信息发送给所述第二通信单元。
优选地,所述底层控制单元包含有第二热备份芯片和第二检测判决芯片,其中,
所述第二热备份芯片用于根据所述第三通信单元输入的路径规划信息输出对应的控制指令至所述第二检测判决芯片;
所述第二检测判决芯片用于检测所述控制指令的有效性并向车辆总线发出有效的控制指令。
优选地,所述人工智能芯片包括英伟达的Jetson系列芯片、Drive系列芯片,英特尔的ATOM系列芯片,恩智浦的S32系列芯片和瑞萨的R-Car系列芯片中的至少一种。
优选地,所述感知计算单元、所述决策规划单元和所述底层控制单元均搭载有实时操作系统。
优选地,所述实时操作系统为Ubuntu操作系统,或QNX操作系统,或实时Linux操作系统。
优选地,所述底层控制模块采用具有锁步机制的芯片作为处理器。
第二方面,本申请实施例还提供一种智能车辆,所述智能车辆包括上所述的智能驾驶系统。
本申请实施例提供的技术方案中,基于对安全性、可靠性和计算能力的不同需求,采用了包括感知计算模块、决策规划模块和底层控制模块在内的分布式架构,且感知计算模块、决策规划模块和底层控制模块之间通过分布式通信单元进行通信,相比于现有技术中的集中式车载计算平台,降低了智能驾驶系统的成本,同时,通过人工智能芯片运行感知计算模块,能够保证智能驾驶系统的计算能力。
附图说明
图1为本申请一实施例智能驾驶系统的结构示意图;
图2为本申请另一实施例智能驾驶系统的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。应当理解,此处所提供的实施例仅仅用以解释本申请,并不用于限定本申请。另外,以下所提供的实施例是用于实施本申请的部分实施例,而非提供实施本申请的全部实施例,在不冲突的情况下,本申请实施例记载的技术方案可以任意组合的方式实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本实用新型提供一种智能驾驶系统。
参照图1,图1为本实用新型智能驾驶系统一实施例的结构示意图。
本实施例中,按照安全需求等级,将智能驾驶系统划分为感知计算模块10、决策规划模块20和底层控制模块30,其中,感知计算模块10包括第一通信单元11和包含有若干人工智能芯片的感知计算单元12,感知计算单元12用于从传感器获取车辆行驶环境信息,并通过人工智能芯片输出基于所述车辆行驶环境信息的分析结果至所述第一通信单元11,以使所述第一通信单元11将所述分析结果发送给所述决策规划模块20。
具体实施时,为保证智能驾驶系统具有强大的计算能力,感知计算单元12可使用一个或多个人工智能芯片,构成一个可扩展的感知计算单元组,其中人工智能芯片可以采用Nvidia(英伟达)公司的Jetson系列、Drive系列芯片,Intel(英特尔)的ATOM系列芯片,NXP(恩智浦)的S32系列芯片,以及瑞萨的R-Car系列芯片,或者其他种类的人工智能芯片;同时,感知计算单元12接入各种传感器,包括视觉传感器、激光雷达、毫米波雷达等。在智能驾驶过程中,感知计算单元12从接入的传感器获取车辆行驶环境信息,然后通过人工智能芯片输出基于车辆行驶环境信息的分析结果至第一通信单元11,以使该第一通信单元11将分析结果发送给决策规划模块20。其中,车辆行驶环境信息包括但不限于视频数据、雷达点云数据等,对车辆行驶环境信息的分析包括但不限于按照预设规则对数据进行检测、跟踪、分类、融合等,分析结果包括但不限于当前行驶环境中的障碍物信息、车道信息等。以Nvidia公司的Jetson系列芯片为例,具有强大的AI计算能力,其能够接入摄像机、激光雷达等传感器,并使用深度学习方法对视频数据和激光雷达数据进行检测和分类,每块Jetson芯片能够接入2路以上摄像机或者激光雷达,执行实时检测与分类,根据智能驾驶解决方案的配置情况,可以使用多个Jetson芯片来处理多达16路的摄像机和激光雷达数据。
决策规划模块20包括第二通信单元21和决策规划单元22,第二通信单元21用于接收第一通信单元11发送的分析结果,并将分析结果输入决策规划单元22,以使决策规划单元22返回对应的路径规划信息;第二通信单元21还用于将路径规划信息发送给底层控制模块30。
考虑到决策规划模块20需要比较高的可靠性和安全性,且对计算能力的要求不高,因此,决策规划模块20可以采用低成本高可靠处理器,如双核热处理器。进一步地,决策规划模块20还可以包括存储单元,该存储单元与决策规划单元22连接,用于向所述决策规划单元22提供预先保存的高精度地图数据,决策规划单元22还用于根据所述高精度地图数据和第一通信单元11输入的分析结果生成对应的路径规划信息,该路径规划信息可以包括行车轨迹和基于车辆的控制信息等。这里,需要说明的是,决策规划单元22获取第二通信单元21接收到的基于车辆行驶环境信息的分析结果,并返回对应的路径规划信息可以采用本申请所属技术领域中的已有方式实现,并不限于某种具体型号或结构的芯片,比如,中国专利申请号为201610451707.3,发明名称为《用于智能车辆的局部轨迹规划方法和装置》的专利中就公开了:现有大部分地图类服务(包括导航类服务)都能够实现从起始地点到目的地点的路径规划。路径规划信息包含从起始地点到目的地点的导航路径,该路径是一条首尾相连的通路,但若一条道路存在多个车道的情况,路径规划信息并不会从中进行选择,只会包含道路信息。另外,基于地图类服务,特别是高精地图类服务具有高精度的道路信息,因此路径规划信息中可以包含道路所包含的车道信息,例如车道线的位置、车道的曲率、车道的限速、车道的连接属性等等,本实用新型并不旨在于对决策规划单元22本身如何实现确定路径规划信息的方法进行改进。
在一实施例中,决策规划单元22基于预先制定的全局路由和行车地图(可以为高精度地图和自定义行车线地图),使用定位信息来确定车辆当前所处位置,根据第一通信单元发送的分析结果,做出行车策略和避障策略,根据行车策略和避障策略,生成路径规划信息。该路径规划信息包括:自当前起未来N(N>=5)秒内的行车轨迹点(每个点具有横向控制和纵向控制属性,其中纵向控制属性包括期望速度、期望加速度;横向控制属性包括横向偏移);所述第二通信单元还用于将所述路径规划信息发送给所述底层控制模块。
底层控制模块30包括第三通信单元31和底层控制单元32,第三通信单元31用于接收第二通信单元21发送的路径规划信息,并将路径规划信息输入底层控制单元32,以使底层控制单元32向车辆总线发出对应的控制指令。
上述底层控制模块30直接对车辆总线,即CAN(Controller Area Network,控制器局域网络)总线发出控制指令,需要最高的安全等级,要求在任何情况下都不能失效,且能够在所有其他模块失效的情况下,执行紧急状态指令。考虑到底层控制模块30需要高可靠性和高安全性,所需的计算能力比较低,因此底层控制模块30可以采用具有锁步(Lockstep)机制的高可靠芯片作为处理器。该锁步机制是指相同的、冗余的硬件组件在同一时间内处理相同的指令。Lockstep技术可以保持多个CPU、内存精确的同步,在正确的相同时钟周期内执行相同的指令。该技术保证能够发现错误,即使短暂的错误,系统也能在不间断处理和不损失数据的情况下恢复正常运行。示例性地,底层控制模块30可以包括Infineon的AURIX系列芯片、NXP的S32与MPC系列芯片。
进一步地,考虑到智能驾驶系统需要具备高实效性,在一实施方式中,上述感知计算模块10、决策规划模块20和底层控制模块30均搭载有实时操作系统,该实时操作系统可以为Ubuntu操作系统,或QNX操作系统,或实时Linux操作系统。
进一步地,上述第一通信单元11、第二通信单元12和第三通信单元13之间可以通过数据分发服务(DDS,Data Distribution Service,数据分发服务)中间件进行通信。DDS中间件是一种能够实现Ros(Robot Operating System,机器人操作系统)兼容的分布式通信中间件,其支持共享内存模式和网络模式两种消息交换机制,比如,针对感知模块内部之间节点,对于视频帧和激光雷达点云类型的消息,使用共享内存模式进行通信,以保证高吞吐量的需求,对于跨模块节点的消息交换,采用网络模式进行通信,保证跨模块、跨平台、跨操作系统的需求。
需要说明的是,对跨平台不同版本的Ros兼容,可以通过消息代理来实现。各模块采用DDS中间件进行节点间通信,各消息使用Protobuf框架封装为Ros的topic,各节点进行订阅和发布。在跨模块通信时,各计算单元内需要跨模块通信的节点将消息以Protobuf格式封装后提交给通信代理节点,通信代理节点将信息以网络模式发送给远程主机计算单元的通信代理节点,然后再进行模块内消息分发。
本实用新型提出的智能驾驶系统,基于对安全性、可靠性和计算能力的不同需求,采用了包括感知计算模块、决策规划模块和底层控制模块在内的分布式架构,且感知计算模块、决策规划模块和底层控制模块之间通过分布式通信单元进行通信,相比于现有技术中的集中式车载计算平台,降低了智能驾驶系统的成本,同时,通过人工智能芯片运行感知计算模块,能够保证智能驾驶系统的计算能力。
进一步的,参照图2,图2为本实用新型智能驾驶系统另一实施例的结构示意图。基于上述图1所示的实施例,所述决策规划单元22包含有第一热备份芯片和第一检测判决芯片,其中,所述第一热备份芯片用于根据所述第二通信单元21输入的分析结果输出对应的路径规划信息至所述第一检测判决芯片;所述第一检测判决芯片用于检测所述路径规划信息的有效性并将有效的路径规划信息发送给所述第二通信单元21。
进一步地,所述底层控制单元32包含有第二热备份芯片和第二检测判决芯片,其中,所述第二热备份芯片用于根据所述第三通信单元31输入的路径规划信息输出对应的控制指令至所述第二检测判决芯片;所述第二检测判决芯片用于检测所述控制指令的有效性并向车辆总线发出有效的控制指令。
在本实施例中,考虑到决策规划模块20和底层控制模块30需要比较高的可靠性和安全性,且对计算能力的要求不高,因此,决策规划单元22可以采用低成本高可靠处理器。决策规划单元22具体可以包括第一热备份芯片和第一检测判决芯片,其中,第一热备份芯片可以为单核或多核热备份芯片,第一热备份芯片用于根据所述第二通信单元21输入的分析结果输出对应的路径规划信息至所述第一检测判决芯片,第一检测判决芯片用于检测所述路径规划信息的有效性并将有效的路径规划信息发送给所述第二通信单元21。这里,需要说明的是,热备份芯片是指能够采用热备份机制的芯片,热备份与本申请所属技术领域中热备份的一般定义相同,也即是指将备份设置于联机状态,当前应用系统通过高速通信线路将数据实时传送到备份系统,保持备份系统与当前应用系统数据的同步,也可定时在备份系统上恢复应用系统的数据,芯片采用热备份机制可以采用本申请所属技术领域中的已有方式实现,本实用新型并不旨在于对芯片本身如何实现热备份的方法进行改进。其中,采用热备份机制的芯片,也即第一热备份芯片可以采用已知的芯片,譬如,可以采用英飞凌公司发布的AURIX TC3xx系列芯片,其配备4个锁步内核,确保集成器件具备ISO26262功能安全所要求的计算能力,还可以采用NXP公司的MPC574xP系列是32位嵌入PowerMCU,其具备两个锁步内核,支持安全标准ISO 26262/ASIL D。
另外,第一检测判决芯片用于检测所述路径规划信息的有效性可以采用本申请所属技术领域中的已有方式实现,如可以采用FPGA、MCU等控制器根据预先设定的条件通过将获得的路径规划信息与条件进行比较,而对路径规划信息的有效性进行判断,本实用新型并不旨在于对第一检测判决芯片本身所实现的有效性判断的方法进行改进。
同理,底层控制单元32可以也可采用低成本高可靠处理器,其具体可以包括第二热备份芯片和第二检测判决芯片,其中,第二热备份芯片可以为单核或多核热备份芯片。这里,第二热备份芯片和第二检测判决芯片可以分别与第一热备份芯片和第一检测判决芯片的定义相同,芯片的选型也可以相同,在此不赘述。
本实施例通过分别在决策规划单元22和底层控制单元32中采用热备份芯片和检测判决芯片,由于该类型芯片成本较低,因此能够有效降低智能驾驶系统的成本,同时依据决策规划单元22和底层控制单元32对计算能力的需求,使用该类型芯片足以保证运算的安全可靠性。
进一步地,本实用新型还提供一种智能车辆,该智能车辆包括如上实施例中的智能驾驶系统。本实用新型智能车辆的具体实施例可参照上述智能驾驶系统的各个实施例,此处不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种智能驾驶系统,其特征在于,所述智能驾驶系统包括感知计算模块、决策规划模块和底层控制模块,其中,
所述感知计算模块包括第一通信单元和包含有若干人工智能芯片的感知计算单元,所述感知计算单元用于从传感器获取车辆行驶环境信息,并通过所述人工智能芯片输出基于所述车辆行驶环境信息的分析结果至所述第一通信单元,以使所述第一通信单元将所述分析结果发送给所述决策规划模块;
所述决策规划模块包括第二通信单元和决策规划单元,所述第二通信单元用于接收所述第一通信单元发送的分析结果,并将所述分析结果输入所述决策规划单元,以使所述决策规划单元返回对应的路径规划信息;所述第二通信单元还用于将所述路径规划信息发送给所述底层控制模块;
所述底层控制模块包括第三通信单元和底层控制单元,所述第三通信单元用于接收所述第二通信单元发送的所述路径规划信息,并将所述路径规划信息输入所述底层控制单元,以使所述底层控制单元向车辆总线发出对应的控制指令。
2.如权利要求1所述的智能驾驶系统,其特征在于,所述第一通信单元、所述第二通信单元和所述第三通信单元之间通过数据分发服务中间件进行通信。
3.如权利要求1所述的智能驾驶系统,其特征在于,所述决策规划模块还包括存储单元,所述存储单元与所述决策规划单元连接,用于向所述决策规划单元提供预先保存的高精度地图数据;
所述决策规划单元还用于根据所述高精度地图数据和所述分析结果生成对应的路径规划信息。
4.如权利要求1至3任一项所述的智能驾驶系统,其特征在于,所述决策规划单元包含有第一热备份芯片和第一检测判决芯片,其中,
所述第一热备份芯片用于根据所述第二通信单元输入的分析结果输出对应的路径规划信息至所述第一检测判决芯片;
所述第一检测判决芯片用于检测所述路径规划信息的有效性并将有效的路径规划信息发送给所述第二通信单元。
5.如权利要求1所述的智能驾驶系统,其特征在于,所述底层控制单元包含有第二热备份芯片和第二检测判决芯片,其中,
所述第二热备份芯片用于根据所述第三通信单元输入的路径规划信息输出对应的控制指令至所述第二检测判决芯片;
所述第二检测判决芯片用于检测所述控制指令的有效性并向车辆总线发出有效的控制指令。
6.如权利要求1所述的智能驾驶系统,其特征在于,所述人工智能芯片包括英伟达的Jetson系列芯片、Drive系列芯片,英特尔的ATOM系列芯片,恩智浦的S32系列芯片和瑞萨的R-Car系列芯片中的至少一种。
7.如权利要求1所述的智能驾驶系统,其特征在于,所述感知计算单元、所述决策规划单元和所述底层控制单元均搭载有实时操作系统。
8.如权利要求7所述的智能驾驶系统,其特征在于,所述实时操作系统为Ubuntu操作系统,或QNX操作系统,或实时Linux操作系统。
9.如权利要求1所述的智能驾驶系统,其特征在于,所述底层控制模块采用具有锁步机制的芯片作为处理器。
10.一种智能车辆,其特征在于,所述智能车辆包括如权利要求1至9中任一项所述的智能驾驶系统。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820603779 | 2018-04-25 | ||
CN201820603779X | 2018-04-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN209928279U true CN209928279U (zh) | 2020-01-10 |
Family
ID=69102760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920384184.4U Active CN209928279U (zh) | 2018-04-25 | 2019-03-25 | 智能驾驶系统及智能车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN209928279U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398953A (zh) * | 2018-04-25 | 2019-11-01 | 长沙智能驾驶研究院有限公司 | 智能驾驶系统、方法及计算机可读存储介质 |
CN111665849A (zh) * | 2020-06-29 | 2020-09-15 | 北京智行者科技有限公司 | 一种自动驾驶系统 |
CN112287754A (zh) * | 2020-09-23 | 2021-01-29 | 济南浪潮高新科技投资发展有限公司 | 一种基于神经网络的暴力检测方法、装置、设备及介质 |
-
2019
- 2019-03-25 CN CN201920384184.4U patent/CN209928279U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398953A (zh) * | 2018-04-25 | 2019-11-01 | 长沙智能驾驶研究院有限公司 | 智能驾驶系统、方法及计算机可读存储介质 |
CN111665849A (zh) * | 2020-06-29 | 2020-09-15 | 北京智行者科技有限公司 | 一种自动驾驶系统 |
CN111665849B (zh) * | 2020-06-29 | 2023-08-01 | 北京智行者科技股份有限公司 | 一种自动驾驶系统 |
CN112287754A (zh) * | 2020-09-23 | 2021-01-29 | 济南浪潮高新科技投资发展有限公司 | 一种基于神经网络的暴力检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7346401B2 (ja) | 安全で信頼できる自動運転車両のためのシステム及び方法 | |
CN107908186B (zh) | 用于控制无人驾驶车辆运行的方法及系统 | |
CN209928279U (zh) | 智能驾驶系统及智能车辆 | |
CN109917765B (zh) | 一种基于自动驾驶系统的网络架构的集散式域控制器系统 | |
US20240028033A1 (en) | Fault-Tolerant Control of an Autonomous Vehicle with Multiple Control Lanes | |
US20210101594A1 (en) | Vehicle driving guarantee method, apparatus, device and readable storage medium | |
US11814083B2 (en) | Asynchronous processing for autonomous vehicle computing systems | |
CN108170126B (zh) | 控制系统及汽车 | |
CN209842367U (zh) | 一种基于自动驾驶系统的网络架构的集散式域控制器系统 | |
US20200283014A1 (en) | Continual Planning and Metareasoning for Controlling an Autonomous Vehicle | |
US11884300B2 (en) | Control system for autonomous vehicle | |
CN110398953A (zh) | 智能驾驶系统、方法及计算机可读存储介质 | |
US20230305138A1 (en) | Communication method and apparatus | |
US11834071B2 (en) | System to achieve algorithm safety in heterogeneous compute platform | |
CN112544061A (zh) | 一种数据传输方法以及装置 | |
CN107037724A (zh) | 一种基于can总线的无人机冗余系统 | |
CN208752458U (zh) | 一种嵌入式自动驾驶控制器 | |
Palade et al. | Artificial Intelligence in Cars: How Close Yet Far Are We from Fully Autonomous Vehicles? | |
CN116403174A (zh) | 一种端到端自动驾驶方法、系统、仿真系统及存储介质 | |
Gogineni | Multi-sensor fusion and sensor calibration for autonomous vehicles | |
CN115246426A (zh) | 基于列车感知传感器行车的安全计算平台及方法 | |
US20210373970A1 (en) | Data processing method and corresponding apparatus | |
US11458988B2 (en) | Controlling an automated vehicle using visual anchors | |
CN115240453B (zh) | 自动驾驶车辆的行驶控制方法、装置、系统及电子设备 | |
Su et al. | Design of collaborative computing mining truck automatic driving system based on AUTOSAR Adaptive Platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of utility model: Intelligent driving system and intelligent vehicle Effective date of registration: 20221031 Granted publication date: 20200110 Pledgee: Hunan Xiangjiang Zhongying Investment Management Co.,Ltd. Pledgor: CHANGSHA INTELLIGENT DRIVING RESEARCH INSTITUTE Co.,Ltd. Registration number: Y2022980020220 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |