CN211956161U - 一种域控制器系统及汽车 - Google Patents
一种域控制器系统及汽车 Download PDFInfo
- Publication number
- CN211956161U CN211956161U CN201922163837.9U CN201922163837U CN211956161U CN 211956161 U CN211956161 U CN 211956161U CN 201922163837 U CN201922163837 U CN 201922163837U CN 211956161 U CN211956161 U CN 211956161U
- Authority
- CN
- China
- Prior art keywords
- module
- data
- interface
- soc
- sensor
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本实用新型提供一种域控制器系统及汽车，所述域控制器系统包括感知端、数据传输端和系统端：感知端包括多个传感器模组，每个传感器模组包括一种传感器和一个数据识别模块，数据识别模块将从传感器获取的源数据根据预定的算法产生目标数据，多个传感器模组包括用于检测移动体信息的各种传感器；数据传输端与感知端的每个传感器模组的传感器和数据识别模块连接，包括多种数据传输接口；系统端包括接口单元和计算单元，接口单元接收来自传感器或数据识别模块的数据并发送给计算单元，计算单元根据数据进行计算以产生控制信号。本实用新型满足外围各种传感器的搭配选型，在一个平台内即可实现对各种融合算法的开发和对比验证。
Description
技术领域
本实用新型涉及汽车技术领域，尤其涉及一种域控制器系统及汽车。
背景技术
随着越来越多ADAS功能的开发，越来越多的传感器需要被配置，同时摄像头，毫米波，超声波，激光雷达等单个传感器都有一定的优缺点，仅仅通过多次使用相同种类的传感器无法克服每种传感器的缺点。所以需要配置多种传感器，将各个传感器信息进行融合开发，是实现高阶自动驾驶乃至完全自动驾驶发展的必须之路。
多传感器信息融合技术的基本原理就像人的大脑综合处理信息的过程一样，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。在这个过程中要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。
测试数据显示，与单视觉或单雷达方案相比，融合方案在系统可靠性和鲁棒性、数据可信度、系统分辨能力等方面更具优势。而且，使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下，额外提供一定冗余度。即使是在一个传感器失效的情况下，这样的传感器融合系统也可以保持某些基本或紧急的功能。完全借助报警功能，或者让驾驶员时刻做好准备，从而接管对车辆的控制，减少系统故障带来的影响。
多传感器融合可分为前融合和后融合，前融合是对传感器采集到的源数据进行，对算力的需求较大，后融合是对传感器预处理后的信号进行融合。
发明内容
有鉴于此，本实用新型提供一种域控制器系统及汽车，以使域控制器系统可以支持各种传感器搭配和各种融合算法。
本实用新型首先提供一种域控制器系统，用于移动体，包括感知端、数据传输端和系统端：所述感知端包括多个传感器模组，每个传感器模组包括一种传感器和一个数据识别模块，所述数据识别模块将从传感器获取的源数据根据预定的算法产生目标数据，所述多个传感器模组包括用于检测移动体信息的各种传感器；所述数据传输端与所述感知端的每个传感器模组的传感器和数据识别模块连接，包括多种数据传输接口，以分别传输所述传感器或数据识别模块产生的不同数据；所述系统端包括接口单元和计算单元，所述接口单元接收来自所述传感器或数据识别模块的数据并发送给所述计算单元，所述计算单元根据所述数据进行计算以产生控制信号。
进一步，所述传感器模组包括摄像头模组、毫米波雷达模组、激光雷达模组、超声波雷达模组，以及惯导定位模组；所述摄像头模组包括摄像头和数据识别模块，毫米波雷达模组包括毫米波雷达和数据识别模块，激光雷达模组包括激光雷达和数据识别模块，超声波雷达模组包括超声波雷达和数据识别模块，惯导定位模组包括惯导模块、全球定位模块和数据识别模块。
进一步，所述数据传输端包括多路以太网接口、多路Flexray接口、多路CAN接口、多路FPD-LINK接口和惯导定位接口；所述接口单元包括人机接口模块、以太网PHY接口模块和总线接口模块，所述人机接口模块接收算法程序并将所述算法程序写入所述计算单元，所述总线接口模块包括CAN收发器模块和Flexray收发器模块。
进一步，所述计算单元包括微控制器和可编程逻辑器件；所述微控制器与所述可编程逻辑器件，通过所述总线接口模块接收来自所述感知端的数据，并与所述可编程逻辑器件共同执行所述算法程序。
进一步，所述可编程逻辑器件包括SOC模块和FPGA模块；所述 SOC模块和所述FPGA模块，均通过SPI总线连接所述微控制器；所述 SOC模块和所述FPGA模块通过PCIE总线连接。
进一步，当所述域控制器系统用于进行前端融合算法的开发验证时：所述摄像头模组被设置为，所述摄像头将像素级源数据通过 FPD-LINK接口传输至所述FPGA模块；所述激光雷达模组被设置为，所述激光雷达将源数据通过Ethernet接口传输至所述FPGA模块；所述毫米波雷达模组被设置为，所述毫米波雷达将源数据经过CAN接口或者Flexray接口传输至所述SOC模块或所述现场FPGA模块；所述超声波雷达模组被设置为，所述超声波雷达将源数据经过CAN接口或者 Flexray接口传输至所述SOC模块或所述FPGA模块；所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块；所述SOC模块和所述FPGA模块，将接收到的源数据分别进行时间同步和空间同步，并通过融合算法，形成立体的环境感知模型；所述SOC模块和所述现场FPGA模块，根据来自所述微控制器的算法程序，对所述环境感知模型，结合所述位置信息和姿态信息，通过决策规划算法，输出控制信号。
进一步，当所述域控制器系统用于进行后端融合算法的开发验证时：所述摄像头模组被设置为，所述摄像头模组的数据识别模块将摄像头的目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器；所述激光雷达模组被设置为，所述激光雷达模组的数据识别模块将目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器；所述毫米波雷达模组被设置为，所述毫米波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC模块和所述微控制器；所述超声波雷达模组被设置为，所述超声波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC 模块和所述微控制器；所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块；所述微控制器、SOC 模块和FPGA模块，对接收到的目标数据进行数据融合，形成整体的感知模型，并基于所述感知模型，结合惯导定位模组接收到目标数据进行决策规划的算法，最后输出控制信号。
进一步，当所述域控制器系统用于混合融合算法的开发验证时：所述摄像头模组被设置为，所述摄像头将像素级源数据通过FPD-LINK接口传输至所述FPGA模块；所述毫米波雷达模组被设置为，所述毫米波雷达将源数据经过CAN接口或者Flexray接口传输至所述SOC模块或所述FPGA模块；所述激光雷达模组被设置为，所述激光雷达模组的数据识别模块将目标数据通过CAN接口或Flexray接口传输至所述SOC 模块和所述微控制器；所述超声波雷达模组被设置为，所述超声波雷达的数据识别模块将目标数据经过CAN接口或者Flexray接口传输至所述 SOC模块和所述微控制器；所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块；所述微控制器、 SOC模块和FPGA模块，先将来自摄像头和毫米波的进行源数据融合，提取目标信息；再和来自激光雷达，超声波雷达的目标数据，以及来自惯导定位模组的位置和姿态信息进行融合，形成感知环境；最终基于所述感知环境进行决策规划算法的运行，输出控制信号。
进一步，所述系统端(60)还包括5G模块，所述域控制器系统进行车路协同调试开发时，所述5G模块将所述移动体连接云端和路端，以使车端能够从所述云端下载高清地图、能够及时获取路端发送来的路况和周边移动物体信息，并能够实时上传采集到的信息到云端。
本实用新型另提供一种汽车，所述汽车具有上述任意一种域控制器系统。
本实用新型满足外围各种传感器的搭配选型，在一个平台内即可实现对各种融合算法的开发和对比验证。
上述说明仅是本实用新型技术方案的概述，为了能够更清楚了解本实用新型的技术手段，而可依照说明书的内容予以实施，并且为了让本实用新型的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本实用新型一实施例的域控制器系统的模块示意图。
图2是本实用新型一实施例的显示了感知端的具体结构的域控制器系统的模块示意图。
图3是本实用新型一实施例的显示了数据传输端的具体结构的域控制器系统的模块示意图。
图4是本实用新型一实施例的显示了系统端的接口单元的具体结构的域控制器系统的模块示意图。
图5是本实用新型一实施例的显示了系统端的计算单元的具体结构的域控制器系统的模块示意图。
图6是本实用新型一实施例的显示了系统端的计算单元的另一具体结构的域控制器系统的模块示意图。
图7显示本实用新型一实施例中的系统端进行前端融合算法的开发验证过程的示意图。
图8显示本实用新型一实施例中的系统端进行后端融合算法的开发验证过程的示意图。
图9显示本实用新型一实施例中的系统端进行混合融合算法的开发验证过程的示意图。
图10显示具有本实用新型的域控制器系统的车端，与云端和路端进行交互的示意图。
具体实施方式
为更进一步阐述本实用新型为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本实用新型进行详细描述。
请参阅图1，本申请提供的域控制器系统用于移动体，包括感知端 20、数据传输端40和系统端60。
详细而言，在一实施例中，感知端20包括多个传感器模组，每个传感器模组包括一种传感器和一个数据识别模块，所述数据识别模块将从传感器获取的源数据根据预定的算法产生目标数据，所述多个传感器模组包括用于检测移动体信息的各种传感器，以在进行算法验证时，满足外围各种传感器的搭配选型。数据传输端40与所述感知端20的每个传感器模组的传感器和数据识别模块连接，包括多种数据传输接口，以分别传输所述传感器或数据识别模块产生的不同数据。系统端60包括接口单元602和计算单元604，接口单元602接收来自所述传感器或数据识别模块的数据并发送给所述计算单元604，所述计算单元604根据所述数据进行计算以产生控制信号，使本申请在一个平台内即可实现对各种融合算法的开发和对比验证。
更详细而言，请参阅图2，在一实施例中，所述传感器模组包括摄像头模组、毫米波雷达模组、激光雷达模组、超声波雷达模组，以及惯导定位模。所述摄像头模组包括摄像头和数据识别模块，毫米波雷达模组包括毫米波雷达和数据识别模块，激光雷达模组包括激光雷达和数据识别模块，超声波雷达模组包括超声波雷达和数据识别模块，惯导定位模组包括惯导模块、全球定位模块和数据识别模块。
进一步，本申请提供的技术方案，还提供多路传感器源数据和目标数据的接口，以通过与外围传感器的搭配，实现前融合，后融合，以及部分前融合等算法。请参阅图3和图4，在一实施例中，所述数据传输端40包括多路以太网接口、多路Flexray接口、多路CAN接口、多路 FPD-LINK接口和惯导定位接口。FPD-LINK接口可以满足摄像头源数据的输入，Ethernet接口可以满足激光雷达的源数据的输入。Flexray和 CAN接口，可以满足毫米波雷达和超声波雷达的源数据输入，以及各种传感器的目标数据输入。
所述接口单元602包括人机接口模块601、以太网(Ethernet)PHY 接口模块603和总线接口模块605，所述人机接口模块601接收算法程序并将所述算法程序写入所述计算单元604，所述总线接口模块605包括CAN收发器模块和Flexray收发器模块。
进一步，请参阅图5，在一实施例中，所述计算单元604包括微控制器607和可编程逻辑器件609。微控制器607与可编程逻辑器件609，通过总线接口模块605接收来自感知端20的数据，并与所述可编程逻辑器件609共同执行所述算法程序。
进一步，请参阅图6，在一实施例中，可编程逻辑器件609包括SOC (System onChip；系统级芯片)模块和FPGA(Field Programmable Gate Array；现场可编程门阵列)模块。SOC模块和FPGA模块均通过 SPI((Serial Peripheral Interface；串行外围设备接口))总线连接所述微控制器，在本实施例中，所述微控制器包括安全MCU(MicrocontrollerUnit；微控制单元)，所述SOC模块和FPGA模块通过PCIE(peripheral componentinterconnect express；周边装置互连高速)总线连接，可以提供满足前端算法需求的算力。
以上图5和图6所示的实施例中，计算单元604由SOC模块、FPGA 模块和安全MCU等IC进行系统架构搭建构成，可以理解，上述计算单元可以通过合理选用且不限于SOC模块，FPGA模块，以及MCU等IC 进行系统架构搭建，提供多路的摄像头源数据，Ethernet数据接入接口， CAN接口，以及Flexray接口等，充分满足前端融合验证所需要的源数据的接入需求。
本申请提供的技术方案，可以验证各种外围传感器的搭配组合的方案，比如特斯拉的方案：3个前视摄像头，包括3目摄像头；5个环视摄像头，包括四个侧方摄像头和一个倒车摄像头，一个内视摄像头，12 个超声波雷达，1个毫米波雷达。奥迪A的方案：1个前视摄像头，4 个环视摄像头，1个激光雷达，5个毫米波雷达，12个超声波雷达。 momenta的方案：1个前视摄像头，4个环视摄像头，12个超声波雷达，一个消费IMU(Inertial measurementunit；惯性测量单元)+GPS。以及其他方案的传感器搭配，从而来对比验证各种传感器搭配的方案的优劣。
进一步，在一实施例中，系统端60还可以包括5G模块，请参阅图 6，所述域控制器系统进行车路协同调试开发时，所述5G模块将所述移动体连接云端和路端，以使所述车端能够从所述云端，例如图10所示的云端的服务器上，下载高清地图。所述5G模块也使车端能够及时获取路端发送来的路况和周边移动物体信息，并能够实时上传采集到的信息到云端。如图10所示，车端可以通过RSU(RoadSide Unit；路侧单元)与路端连接，路端可以通过MEC(Mobile Edge Computing；移动边缘计算)主机与云端连接。本申请通过搭载的5G模块，可以进行车路协同的调试验证，无需外接T-BOX模块就可以验证 C-V2X(Cellular-Vehicleto Everything；蜂窝-车与外界)中的车路协同功能。
再次参见图6，系统端60还包括电源模块，所述电源模块为所述域控制器系统供电。
上述对本实用新型可以支持各种传感器搭配和各种融合算法的域控制器系统的硬件结构进行了阐释，以下结合附图7至附图9，对该系统具体怎样进行工作，举例说明。
概括而言，本申请提供的技术方案，可以根据需求选择外围传感器模组，合理选择摄像头，毫米波雷达，激光雷达，GNSS，IMU传感器的组合搭配。以下根据具体情况，分别详细阐述。
当所述域控制器系统用于进行前端融合算法的开发验证时，请参阅图7，所述摄像头模组被设置为：所述摄像头将像素级源数据通过 FPD-LINK接口传输至所述FPGA模块(系统内部FPGA)。所述激光雷达模组被设置为，所述激光雷达将源数据通过Ethernet接口传输至所述 FPGA模块。所述毫米波雷达模组被设置为，所述毫米波雷达将源数据经过CAN接口或者Flexray接口传输至所述SOC模块或所述FPGA模块。所述超声波雷达模组被设置为，所述超声波雷达将源数据经过CAN 接口或者Flexray接口传输至所述SOC模块或所述FPGA模块。所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块，所述全球定位模块可以包括GPS(Global Positioning System；全球定位系统)定位装置。
可以理解，感知端20的数据经过数据传输端40首先传输至系统端 60的总线接口模块605或以太网PHY接口模块603，然后传输至所述 SOC模块或所述FPGA模块。接着，所述SOC模块和所述FPGA模块，将接收到的源数据分别进行时间同步和空间同步，并通过融合算法，形成立体的环境感知模型。所述SOC模块和所述FPGA模块接收来自感知端20的各传感器模组的感测信息，这些信息不仅包括二维平面模型的信息，也包括三维空间信息，形成立体的环境感知模型。之后，SOC模块和FPGA模块，根据来自所述微控制器的算法程序，对所述环境感知模型，结合所述位置信息和姿态信息，通过决策规划算法，输出控制信号，给整车进行控制。
当所述域控制器系统用于进行后端融合算法的开发验证时，请参阅图8，所述摄像头模组被设置为：所述摄像头模组的数据识别模块将摄像头的目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器。所述激光雷达模组被设置为，所述激光雷达模组的数据识别模块将目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器。所述毫米波雷达模组被设置为，所述毫米波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC 模块和所述微控制器。所述超声波雷达模组被设置为，所述超声波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC 模块和所述微控制器。所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块。所述微控制器、SOC 模块和FPGA模块，对接收到的目标数据进行数据融合，形成整体的感知模型，并基于所述感知模型，结合惯导定位模组接收到目标数据进行决策规划的算法，最后输出控制信号，给整车进行控制。
当所述域控制器系统用于混合融合算法的开发验证时，请参阅图9，所述摄像头模组被设置为，所述摄像头将像素级源数据通过FPD-LINK 接口传输至所述FPGA模块，所述FPGA模块可以设置于域控制器系统内部。所述毫米波雷达模组被设置为，所述毫米波雷达将源数据经过 CAN接口或者Flexray接口传输至所述SOC模块或所述FPGA模块。所述激光雷达模组被设置为，所述激光雷达模组的数据识别模块将目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器。所述超声波雷达模组被设置为，所述超声波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC模块和所述微控制器。所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块。所述微控制器、SOC模块和FPGA模块，先将来自摄像头和毫米波的进行源数据融合，提取目标信息；再和来自激光雷达，超声波雷达的目标数据，以及来自惯导定位模组的位置和姿态信息进行融合，形成环境感知模型。惯导定位模组的全球定位模块可以采用GNSS(Global Navigation Satellite System；全球导航卫星系统) 装置，例如上述的GPS装置。最终基于所述环境感知模型进行决策规划算法的运行，输出控制信号，给整车进行控制。
本申请另提供一种汽车，所述汽车具有上述任意一种域控制器系统。
传感器融合是大势所趋，现有的方案一般仅支持部分融合，或者仅支持后端融合，但是后端融合时，算法仅依靠前端处理过的信息，无法彻底排除误报等异常，而且目前各种算法持续的被开发出来，没有很明确的算法对算力的一种量化需求，所以本方案提出一种可以支持各种传感器搭配和各种融合算法的系统，以便进行对比验证各种传感器搭配的优劣，以及各种方式融合算法的优劣，从而对各种算法提供一种能量化的选型需求，择优选取最符合实际需求的融合算法。为此我们提供了这样一个系统，支持现有集成传感器的接入，实现目标数据的传入，进行目标级别的数据融合算法开法验证，同时提供传感器源数据的接入，用来验证实现源数据层次的算法融合的开发验证，以及进行部分传感器融合的算法开发验证，通过验证各种融合算法，来选取最优化适合后续开发的算法，并测试各种算法对算力需求，来量化算法对算力的需求，为后续硬件的选型开发积累经验。
另一方面，目前单车实现完全自动驾驶需要克服的技术难题还有很多，有一些目前并无最优的解决方案，如Waymo，Uber，Cruise等科技巨头对自家的自动驾驶策略纷纷进行了调整，推迟了原定的自动驾驶发展计划，所以不出现跨越式的技术突破，单车能否实现完全自动驾驶还是一个未知的选项。为此，本申请还搭载5G模块，利用我国特有的基建能力较强、对5G的具有先发优势等特点，基于C-V2X的车路协同，单车以及路侧的设备协同，实现完全自动驾驶有着比较明朗的发展路线，可以规避众多传感器的不可靠因素，为发展车路协同提供支持，实现车路协同功能的调试开发验证。本申请可以不需要外置的T-box模块，即实现基于5G的高带宽和低时延进行车路协同功能的开发。
综上，本申请可以为更高级别的自动驾驶的外围传感器的配置选择，和各种的融合算法的开发验证以及选择，提供量化的选择标准，同时无需外接T-BOX模块就可以进行C-V2X中的车路协同功能的验证。
以上所述，仅是本实用新型的较佳实施例而已，并非对本实用新型作任何形式上的限制，虽然本实用新型已以较佳实施例揭露如上，然而并非用以限定本实用新型，任何熟悉本专业的技术人员，在不脱离本实用新型技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本实用新型技术方案内容，依据本实用新型的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本实用新型技术方案的范围内。
Claims (10)
1.一种域控制器系统，用于移动体，包括感知端(20)、数据传输端(40)和系统端(60)，其特征在于：
所述感知端(20)包括多个传感器模组，每个传感器模组包括一种传感器和一个数据识别模块，所述数据识别模块将从传感器获取的源数据根据预定的算法产生目标数据，所述多个传感器模组包括用于检测移动体信息的各种传感器；
所述数据传输端(40)与所述感知端(20)的每个传感器模组的传感器和数据识别模块连接，包括多种数据传输接口，以分别传输所述传感器或数据识别模块产生的不同数据；
所述系统端(60)包括接口单元(602)和计算单元(604)，所述接口单元(602)接收来自所述传感器或数据识别模块的数据并发送给所述计算单元(604)，所述计算单元(604)根据所述数据进行计算以产生控制信号。
2.根据权利要求1所述的域控制器系统，其特征在于：
所述传感器模组包括摄像头模组、毫米波雷达模组、激光雷达模组、超声波雷达模组，以及惯导定位模组；
所述摄像头模组包括摄像头和数据识别模块，毫米波雷达模组包括毫米波雷达和数据识别模块，激光雷达模组包括激光雷达和数据识别模块，超声波雷达模组包括超声波雷达和数据识别模块，惯导定位模组包括惯导模块、全球定位模块和数据识别模块。
3.根据权利要求2所述的域控制器系统，其特征在于：
所述数据传输端(40)包括多路以太网接口、多路Flexray接口、多路CAN接口、多路FPD-LINK接口和惯导定位接口；
所述接口单元(602)包括人机接口模块(601)、以太网PHY接口模块(603)和总线接口模块(605)，所述人机接口模块(601)接收算法程序并将所述算法程序写入所述计算单元(604)，所述总线接口模块(605)包括CAN收发器模块和Flexray收发器模块。
4.根据权利要求3所述的域控制器系统，其特征在于：
所述计算单元(604)包括微控制器(607)和可编程逻辑器件(609)；
所述微控制器(607)与所述可编程逻辑器件(609)，通过所述总线接口模块(605)接收来自所述感知端(20)的数据，并与所述可编程逻辑器件(609)共同执行所述算法程序。
5.根据权利要求4所述的域控制器系统，其特征在于：
所述可编程逻辑器件(609)包括SOC模块和FPGA模块；
所述SOC模块和所述FPGA模块，均通过SPI总线连接所述微控制器(607)；
所述SOC模块和所述FPGA模块通过PCIE总线连接。
6.根据权利要求5所述的域控制器系统，其特征在于，当所述域控制器系统用于进行前端融合算法的开发验证时：
所述摄像头模组被设置为，所述摄像头将像素级源数据通过FPD-LINK接口传输至所述FPGA模块；
所述激光雷达模组被设置为，所述激光雷达将源数据通过Ethernet接口传输至所述FPGA模块；
所述毫米波雷达模组被设置为，所述毫米波雷达将源数据经过CAN接口或者Flexray接口传输至所述SOC模块或所述FPGA模块；
所述超声波雷达模组被设置为，所述超声波雷达将源数据经过CAN接口或者Flexray接口传输至所述SOC模块或所述FPGA模块；
所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块；
所述SOC模块和所述FPGA模块，将接收到的源数据分别进行时间同步和空间同步，并通过融合算法，形成立体的环境感知模型；
所述SOC模块和所述FPGA模块，根据来自所述微控制器(607)的算法程序，对所述环境感知模型，结合所述位置信息和姿态信息，通过决策规划算法，输出控制信号。
7.根据权利要求5所述的域控制器系统，其特征在于，当所述域控制器系统用于进行后端融合算法的开发验证时：
所述摄像头模组被设置为，所述摄像头模组的数据识别模块将摄像头的目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器(607)；
所述激光雷达模组被设置为，所述激光雷达模组的数据识别模块将目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器(607)；
所述毫米波雷达模组被设置为，所述毫米波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC模块和所述微控制器(607)；
所述超声波雷达模组被设置为，所述超声波雷达的数据识别模块将目标数据经过CAN或者Flexray接口传输至所述SOC模块和所述微控制器(607)；
所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块；
所述微控制器(607)、SOC模块和FPGA模块，对接收到的目标数据进行数据融合，形成整体的感知模型，并基于所述感知模型，结合惯导定位模组接收到目标数据进行决策规划的算法，最后输出控制信号。
8.根据权利要求5所述的域控制器系统，其特征在于，当所述域控制器系统用于混合融合算法的开发验证时：
所述摄像头模组被设置为，所述摄像头将像素级源数据通过FPD-LINK接口传输至所述FPGA模块；
所述毫米波雷达模组被设置为，所述毫米波雷达将源数据经过CAN接口或者Flexray接口传输至所述SOC模块或所述FPGA模块；
所述激光雷达模组被设置为，所述激光雷达模组的数据识别模块将目标数据通过CAN接口或Flexray接口传输至所述SOC模块和所述微控制器(607)；
所述超声波雷达模组被设置为，所述超声波雷达的数据识别模块将目标数据经过CAN接口或者Flexray接口传输至所述SOC模块和所述微控制器(607)；
所述惯导定位模组被设置为，所述惯导模块和全球定位模块，提供姿态与位置信息至所述SOC模块；
所述微控制器(607)、SOC模块和FPGA模块，先将来自摄像头和毫米波的进行源数据融合，提取目标信息；再和来自激光雷达，超声波雷达的目标数据，以及来自惯导定位模组的位置和姿态信息进行融合，形成感知环境；最终基于所述感知环境进行决策规划算法的运行，输出控制信号。
9.根据权利要求1所述的域控制器系统，其特征在于，所述系统端(60)还包括5G模块，所述域控制器系统进行车路协同调试开发时，所述5G模块将所述移动体连接云端和路端，以使车端能够从所述云端下载高清地图、能够及时获取路端发送来的路况和周边移动物体信息，并能够实时上传采集到的信息到云端。
10.一种汽车，其特征在于，所述汽车具有权利要求1至9任一项所述的域控制器系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201922163837.9U CN211956161U (zh) | 2019-12-05 | 2019-12-05 | 一种域控制器系统及汽车 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201922163837.9U CN211956161U (zh) | 2019-12-05 | 2019-12-05 | 一种域控制器系统及汽车 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN211956161U true CN211956161U (zh) | 2020-11-17 |
Family
ID=73176013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201922163837.9U Active CN211956161U (zh) | 2019-12-05 | 2019-12-05 | 一种域控制器系统及汽车 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN211956161U (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527003A (zh) * | 2021-02-18 | 2021-03-19 | 北京图森智途科技有限公司 | 数据传输装置和系统 |
| CN113212333A (zh) * | 2021-04-21 | 2021-08-06 | 北京汽车股份有限公司 | 一种域控制器及车辆 |
| CN114488907A (zh) * | 2022-02-15 | 2022-05-13 | 深圳海星智驾科技有限公司 | 一种工程机械域控制器、工程机械控制系统及工程机械 |
| CN115497195A (zh) * | 2022-08-09 | 2022-12-20 | 重庆长安汽车股份有限公司 | 实现行车记录的数据控制系统、方法、设备及介质 |
| CN115509726A (zh) * | 2022-11-17 | 2022-12-23 | 南京芯驰半导体科技有限公司 | 一种传感器数据访问系统 |
| CN117291090A (zh) * | 2023-08-25 | 2023-12-26 | 江苏国芯科技有限公司 | 一种用于32位单片机的多传感器融合设计系统 |
-
2019
- 2019-12-05 CN CN201922163837.9U patent/CN211956161U/zh active Active
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527003A (zh) * | 2021-02-18 | 2021-03-19 | 北京图森智途科技有限公司 | 数据传输装置和系统 |
| EP4047909A1 (en) * | 2021-02-18 | 2022-08-24 | Beijing Tusen Zhitu Technology Co., Ltd. | Data transmission apparatus and data transmission system |
| CN113212333A (zh) * | 2021-04-21 | 2021-08-06 | 北京汽车股份有限公司 | 一种域控制器及车辆 |
| CN113212333B (zh) * | 2021-04-21 | 2022-10-28 | 北京汽车股份有限公司 | 一种域控制器及车辆 |
| CN114488907A (zh) * | 2022-02-15 | 2022-05-13 | 深圳海星智驾科技有限公司 | 一种工程机械域控制器、工程机械控制系统及工程机械 |
| CN115497195A (zh) * | 2022-08-09 | 2022-12-20 | 重庆长安汽车股份有限公司 | 实现行车记录的数据控制系统、方法、设备及介质 |
| CN115509726A (zh) * | 2022-11-17 | 2022-12-23 | 南京芯驰半导体科技有限公司 | 一种传感器数据访问系统 |
| CN115509726B (zh) * | 2022-11-17 | 2023-03-14 | 南京芯驰半导体科技有限公司 | 一种传感器数据访问系统 |
| CN117291090A (zh) * | 2023-08-25 | 2023-12-26 | 江苏国芯科技有限公司 | 一种用于32位单片机的多传感器融合设计系统 |
| CN117291090B (zh) * | 2023-08-25 | 2024-05-10 | 江苏国芯科技有限公司 | 一种用于32位单片机的多传感器融合设计系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN211956161U (zh) | 一种域控制器系统及汽车 | |
| 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 | |
| CN111770451B (zh) | 一种基于车路协同的道路车辆定位及感知方法和装置 | |
| US11697433B2 (en) | Autonomous vehicle computing system compute architecture for assured processing | |
| CN111295599A (zh) | 在汽车环境中广播传感器输出的方法和系统 | |
| KR101802858B1 (ko) | 자동차용 통합데이터 처리 제어 시스템 및 방법 | |
| US11198444B2 (en) | Automated factory testflow of processing unit with sensor integration for driving platform | |
| US11878705B2 (en) | Method and apparatus for generating test case for dynamic verification of autonomous driving system | |
| CN110936959A (zh) | 车辆感知系统在线诊断和预测 | |
| US20210146953A1 (en) | Electronic Control Unit | |
| US20220219713A1 (en) | Data processing device and method for driving assisting, and associated storage medium and vehicle | |
| Chitnis et al. | Enabling functional safety ASIL compliance for autonomous driving software systems | |
| CN111766866B (zh) | 信息处理装置和包括信息处理装置的自动行驶控制系统 | |
| CN113348421B (zh) | 摄像设备、数据采集系统及方法 | |
| CN111696374A (zh) | 信息处理装置和包括信息处理装置的自动行驶控制系统 | |
| US20210387652A1 (en) | Systems and methods for long-term prediction of lane change maneuver | |
| CN110001660B (zh) | 一种分布式多核异构系统 | |
| CN217435657U (zh) | 自动驾驶车辆的电气系统和自动驾驶车辆 | |
| Rydzewski et al. | Human awareness versus Autonomous Vehicles view: comparison of reaction times during emergencies | |
| US20220179656A1 (en) | Control system of autonomous vehicle and control method of autonomous vehicle | |
| CN115206107A (zh) | 监视装置、监视方法以及监视系统 | |
| CN114323693A (zh) | 车路云感知系统的测试方法、装置、设备及存储介质 | |
| US20240070056A1 (en) | Manufacture test system for computation hardware used in driverless vehicle | |
| WO2024202101A1 (ja) | 物体検出システム | |
| JP2023126074A (ja) | 対象システムに対する診断動作の実行 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |