自動駕駛硬體預埋之後，車商如何實現數據閉環？

硬體預埋是自動駕駛趨勢下車企主機廠採取的新模式，即透過在車內進行硬體預埋，後續汽車只需透過不斷升級軟體，使用者就可以獲得更好的使用體驗，同時降低主機廠車型上市時間的壓力。硬體預埋與OTA遠端升級有著必要性的聯繫，說完硬體預埋，會再聊聊OTA的原理。

在此之前，我們先把硬體預埋、OTA都擺脫不了的一個話題－車企研發時的資料閉環是如何實現的？

硬體預埋與OTA那點事，出門左拐，可以看到船尾之前梳理的內容。

言歸正傳，回到本期主題：自動駕駛硬體預埋之後，車企如何實現資料閉環？

#只要5步，實作資料閉環

NI提出資料收集/處理5步法，打造資料閉環：

• 道路測試
• 大數據管理
• 場景虛擬化
• #資料開環回灌
• 數據閉環

#從資料擷取到資料閉環，就5步

一、道路測試－Data Record System AD

#道路測試是收集真實場景資料的重要來源，無論是車內通信還是車路通信，都需要處理大批量的數據，自動測試系統中一般需要配備數據採集同步和儲存設備。

自動駕駛汽車到底需要哪些類型的感測器？

自動駕駛汽車是集感知、決策和控制等功能於一體的自主交通工具，其中，感知系統取代人類駕駛人的視、聽、觸等功能，融合攝影機、雷達等感測器採集的海量交通環境數據，精確辨識各類交通元素，為自動駕駛汽車決策系統提供支援。

1、相機

相機依視訊擷取方式分為：數位攝影機和類比攝影機兩大類。

車載上一般使用的是數位攝像頭，它可以將視訊擷取設備產生的類比視訊訊號轉換成數位訊號，進而儲存在電腦中。

類比攝影機只能將捕捉到的視訊訊號，經過特定的視訊擷取卡將類比訊號轉換成數位模式，並加以壓縮後才可轉換到電腦上運用。

舉例來，我們使用的固定電話就屬於類比訊號，它在通話過程中容易產生噪音（電流聲或聽不清）的情況。而我們的手機為了保持很好的通話質量，就將電話的模擬信號進行了數位化，手機之間的通話質量就非常清晰，同樣原理使用數位攝像頭能有效減少圖像中的雜訊和提升成像效果。

一句話概括：類比視訊訊號是在一定的時間範圍內可以有無限多個不同的取值。而數位視訊訊號是在類比訊號的基礎上經過取樣、量化和編碼而形成的。類比訊號容易產生訊號雜訊和乾擾，已逐步被數位訊號取代。

#圖片來源：博世官網

2、雷達

雷達能夠主動偵測週邊環境，比視覺感測器受外在環境影響更小，是自動駕駛汽車的重要感測器之一。雷達透過向目標發射電磁波並接收回波，從而取得目標距離、方位、距離變化率等資料。根據電磁波波段，雷達可細分為光達、毫米波雷達和超音波雷達等3類。

NI提供的基於PXI平台的模組化資料擷取方案，可滿足多路攝影機、車載乙太網路、CAN/CANFD、GPS等的數據採集，還能滿足不斷階段的數據採集需求。例如，ADAS域控制器基本上已經在研發和迭代的階段，可以透過資料旁通採集的方法，將NI測試設備作為一個中間件，從中間把資料收集回來，這樣就不會破壞掉感知器到ECU的數據鏈路。此外，NI的解決方案支援15TB~200TB的資料儲存容量。

為了確保採集資料的準確性，用於記錄資料的車輛，需要配備滿足其智慧駕駛特定等級的感測器和測量技術。主要的感測器類型包括攝影機、毫米波雷達和光達。系統的核心是融合控制器，它獲取所有感測器的數據並即時計算當前環境模型，然後用於控制驅動、轉向和煞車系統。

滿足各種感測器、ECU和通訊資料記錄的高效能資料擷取系統需要專門為連續運作而設計，提供高可靠的RAID儲存設備，可以測量攝影機、毫米波雷達，雷射雷達原始數據，具備測試融合控制器，還包括附加的參考攝影機視訊數據以及提供車輛精確位置的慣性導航系統數據和車載乙太網路、CAN、CANFD、FlexRay等眾多總線數據。

二、大數據管理－DIAdem

#從流程說，大數據管理分為車隊管理、資料中心、終端資料使用三部分。從車端傳送資料到資料中心的過程中，普遍採用的是資料移轉等回傳方式，資料量可達到10-100TB/每輛車/每天。反過來，資料中心還能對車端即時監測，這部分主要是透過車載4G 或5G網路完成。

不同等級階段的車輛，需要採集的資料量也呈現幾何級增長。以目前常見的L3階段為例，隨著4K超高清攝影機、128線雷射雷達等感測器引入，每天8小時資料擷取系統所記錄的資料量高達30TB。

擷取系統需要提供高頻寬、高容量的資料存儲，同時也需要考慮如何將資料簡單的方式將資料傳輸到資料中心。例如透過專門的資料上傳機將資料傳輸到容量為PB等級的資料中心。

除了這些基於雲端的工具之外，這裡再強調一個資料探勘神器－##DIAdem。它可以部署在雲端，針對路試資料、多來源的資料影像、點雲的以及一些匯流排的資料實現相應的資料視覺化和資料探勘的工作。 DIAdem可提供200 資料插件，相容於多種類型的測試廠商的資料格式，比如說ASC， MDF4、TTL、MAT 等。

三、場景虛擬化－monoDrive

經由道路測試擷取資料後，就要對資料進行清洗分類、場景選擇，最後將真實道路試驗和虛擬模擬試驗結合在一起。 monoDrive就是這樣的工具，可以實現高保真的感測器物理建模，場景語意分割，同時也支援雲端模擬的功能，可以把大量的測試案例，部署到雲端上面，來加速模擬的進度。 monoDrive的另一個重要優點是realto virtual場景自動產生的擴充功能。

值得一提的是，在場景重建或是感測器建模的過程中，NI可以把真實的感測器資料跟虛擬的感測器資料做對應的標註。

實車資料轉化為模擬場景的工具，基於大量實車資料積累，實現資料驅動的研發模式。

#▲ ‍‍

##採集場景轉換效果

工具鏈支援將巨量動態資料和靜態資料排列組合，解決了案例設計跟實際情況偏差較大的問題，讓自動駕駛的模擬仿真更貼近真實世界。

▲ ‍‍

語意場景轉換工具鏈

############四、資料開環回灌－基於PXI平台的系統架構############這個步驟要做的就是把原始數據回灌到ADAS感知軟體中，一部分是直接回灌到software stack 去做一些軟體回灌，主要是針對一些模型的測試部分。還有一部分是直接回灌到真實的ECU，這可以更真實地復現我們在路試過程中去發現的一些情況。 ###########################NI系統架構的組成：使用者資料中心、基於Linux 平台的Replay PC、NI PXI 平台### ###############為了形成一個資料閉環，充分利用原始資料的價值，越來越多的車企都在建構這樣的一個叢集式資料回灌系統。很多車企在定義AEB功能的時候，通常他們會要求AEB 功能是10萬公里或 20萬公里不能產生誤觸發。 ###############舉個例子－################假如在路試的過程中跑了8萬公里，突然產生了一次誤觸發，這個時候就要回去修改對應的軟體。修改軟體之後，是否還需要再重新跑一個10 萬公里呢？顯然重頭來做會浪費大量的額時間和經驗。 ############面對這樣的挑戰，有什麼有效的方法呢？ ############王帥解釋道：「如果在第一次路試時候跑到8萬公里發生了問題，但是能保證前面的里程的數據都被記錄下來了。# ##那麼一旦發現了問題之後，我們去迭代修改軟體。修改軟體之後，我們就利用原來採集的原始資料去做一個迴歸測試###，測試一下軟體修改之後在原來的這些資料上面能不能正常的運行。這減少了我們在路試上的投入，從而加快開發速度。」############五、閉環測試——SIL和HIL######## ####閉環測試通常包括軟體在環（SIL）和硬體在環（HIL）。在軟體在環這塊，NI的方案是利用monoDrive平台提供一個可以實現在雲端大量部署的環境。在硬體在環這塊，NI的方案是利用PXI平台，同時利用NI在攝影機、車載匯流排，及資料同步等方面的優勢實現多種類型感測器的具有資料注入功能的閉環系統。 ################

以上是自動駕駛硬體預埋之後，車商如何實現數據閉環？的詳細內容。更多資訊請關注PHP中文網其他相關文章！