大話自動駕駛

第1篇 硬件那些事兒
01 雷達(dá) 2
1.1 “鏡子”，激光雷達(dá)撬起前裝量產(chǎn)的支點 2
1.1.1 機械旋轉(zhuǎn)式激光雷達(dá) 3
1.1.2 混合固態(tài)激光雷達(dá) 5
1.2 激光雷達(dá)，揭秘面具下隱藏的真實面目 10
1.2.1 面具掩蓋下的真實面目 10
1.2.2 去偽存真的導(dǎo)入流程 15
1.2.3 去粗取精的驗證方法 16
1.3 4D毫米波雷達(dá)，“割韭菜第二快的刀” 20
1.3.1 “刀”的誕生——多普勒效應(yīng) 20
1.3.2 “刀”的鍛造——發(fā)展簡史 21
1.3.3 “刀”的秘密——工作原理 22
1.3.4 “刀”的重生——3D變4D 26
1.3.5 “刀”的款式——各家主流產(chǎn)品參數(shù) 29
1.4 本章小結(jié) 30
02 相機 31
2.1 車載單目相機，自動駕駛的“眼睛” 31
2.1.1 作用 31
2.1.2 原理 32
2.1.3 組成 33
2.2 車載雙目相機，老兵的二次出征 41
2.2.1 概述 41
2.2.2 工作原理 43
2.2.3 關(guān)鍵性能 51
2.2.4 成名路上的阻礙 52
2.3 車載魚眼相機，備戰(zhàn)科考的“寒門書生” 53
2.3.1 成像原理 54
2.3.2 成像模型 56
2.3.3 畸變校正 59
2.3.4 行業(yè)進(jìn)展 60
2.4 車載紅外相機，一顆冉冉升起的新星 61
2.4.1 工作原理 61
2.4.2 作用 63
2.4.3 實測結(jié)果 65
2.4.4 面臨挑戰(zhàn) 67
2.4.5 主要玩家 68
2.5 本章小結(jié) 69
03 定位 70
3.1 GNSS，自動駕駛定位團隊的“保護傘” 70
3.1.1 定義及組成 71
3.1.2 衛(wèi)星信號結(jié)構(gòu) 72
3.1.3 車載GNSS接收機 73
3.1.4 作用及原理 75
3.1.5 誤差來源 80
3.1.6 差分定位 81
3.1.7 多星多頻接收技術(shù) 83
3.2 IMU，自動駕駛定位團隊“小而美”的隊員 86
3.2.1 基本介紹 87
3.2.2 加速度計原理 87
3.2.3 陀螺儀測量原理 89
3.2.4 應(yīng)用價值 92
3.3 松、緊、深耦合，高精度組合導(dǎo)航中的姻緣 93
3.3.1 GNSS、RTK和INS介紹 94
3.3.2 高精度組合導(dǎo)航的組成 96
3.3.3 三種耦合方式介紹 97
3.3.4 三種耦合方式比較 99
3.3.5 主流廠商現(xiàn)狀 101
3.3.6 發(fā)展趨勢 102
3.4 UWB，短距定位屆的“制勝法寶” 103
3.4.1 技術(shù)特點 103
3.4.2 發(fā)展歷程 105
3.4.3 測距方法 106
3.4.4 定位方法 108
3.4.5 系統(tǒng)方案 109
3.5 本章小結(jié) 111
04 芯片 112
4.1 AI芯片，自動駕駛中的“水滸卡” 112
4.1.1 躥紅背景 113
4.1.2 比拼指標(biāo) 113
4.1.3 明星個人 114
4.1.4 明星團隊 121
4.2 安全核，“霸道總裁”身邊的“灰姑娘” 123
4.2.1 安全機制 124
4.2.2 主流安全核 129
4.3 PCIE，中央計算平臺片內(nèi)通信的“骨干” 130
4.3.1 PCIE簡介 130
4.3.2 PCIE拓?fù)浣Y(jié)構(gòu) 133
4.3.3 PCIE分層體系 135
4.3.4 汽車領(lǐng)域應(yīng)用案例 137
4.4 本章小結(jié) 138
05 線控底盤 139
5.1 線控制動，一位忠于自動駕駛且身手敏捷的“保鏢” 140
5.1.1 什么是線控制動 141
5.1.2 EMB系統(tǒng)優(yōu)勢及應(yīng)用前景 146
5.2 線控轉(zhuǎn)向，自動駕駛稱霸路上的“左膀右臂” 147
5.2.1 傳統(tǒng)轉(zhuǎn)向系統(tǒng) 148
5.2.2 線控轉(zhuǎn)向系統(tǒng) 153
5.3 線控懸架，“可甜可鹽”也遭嫌 155
5.3.1 定義及組成 155
5.3.2 懸架分類 157
5.4 本章小結(jié) 163
第2篇 軟件那些事兒
06 算法 166
6.1 SLAM，喜歡開拓陌生環(huán)境的“勇士” 166
6.1.1 用戶故事 167
6.1.2 解決方案 167
6.1.3 產(chǎn)品功能 167
6.2 卡爾曼濾波算法，自動駕駛公司的“護城河” 172
6.2.1 誕生背景 172
6.2.2 原理的直觀理解 173
6.2.3 算法的理論分析 176
6.2.4 卡爾曼濾波算法在自動駕駛中的應(yīng)用 177
6.3 點云配準(zhǔn)，自動駕駛中的“尋親記” 178
6.3.1 定義 179
6.3.2 作用 180
6.3.3 方法 180
6.3.4 初值獲取 185
6.4 決策規(guī)劃，自動駕駛“安全、舒適、效率”的擁護者 186
6.4.1 自動駕駛系統(tǒng)分類 186
6.4.2 決策規(guī)劃分層架構(gòu) 190
6.4.3 決策規(guī)劃常用算法 193
6.5 本章小結(jié) 216
07 系統(tǒng) 217
7.1 高精地圖，自動駕駛的“天眼” 217
7.1.1 定義 217
7.1.2 組成 218
7.1.3 作用 220
7.1.4 采集方式 223
7.1.5 采集資質(zhì) 224
7.1.6 數(shù)據(jù)格式 226
7.1.7 制作流程 231
7.2 時間同步，自動駕駛中的“花好月圓” 233
7.2.1 時間同步背景 233
7.2.2 時間同步技術(shù) 234
7.2.3 全域架構(gòu)下的時間同步系統(tǒng)方案 238
7.3 gPTP，自動駕駛時間同步中的“有趣靈魂” 239
7.3.1 TSN的前情回顧 240
7.3.2 gPTP的精彩呈現(xiàn) 240
7.3.3 gPTP與PTP之間的差異 245
7.3.4 gPTP在自動駕駛領(lǐng)域中的應(yīng)用 246
7.4 交換機，智駕域的“紅娘” 247
7.4.1 冗余架構(gòu)為什么需要交換機 248
7.4.2 網(wǎng)絡(luò)分層模型 248
7.4.3 交換機的工作原理 250
7.4.4 交換機典型功能簡介 251
7.5 Hypervisor，艙駕融合路上的“務(wù)虛公子” 255
7.5.1 什么是Hypervisor 256
7.5.2 汽車領(lǐng)域為什么會擁抱Hypervisor 259
7.5.3 車載Hypervisor的技術(shù)要求 261
7.5.4 車載主流Hypervisor產(chǎn)品介紹 262
7.6 復(fù)雜工況和惡劣天氣，檢驗自動駕駛能力的“試金石” 263
7.6.1 復(fù)雜工況 264
7.6.2 惡劣天氣 266
7.7 系統(tǒng)設(shè)計，不同級別駕駛自動化系統(tǒng)誕生的第一步 270
7.7.1 回歸到本源 270
7.7.2 本源處求真 276
7.7.3 求真后妄語 278
7.8 本章小結(jié) 279
08 功能 280
8.1 ODC，自動駕駛法力邊界 280
8.1.1 ODC的作用 281
8.1.2 組成元素之ODD 282
8.1.3 組成元素之車輛狀態(tài) 289
8.1.4 組成元素之駕乘人員狀態(tài) 290
8.2 AEBS，自動駕駛演藝圈中喜歡喊“卡”的導(dǎo)演 291
8.2.1 法規(guī)、標(biāo)準(zhǔn)要求 291
8.2.2 技術(shù)要求 292
8.2.3 試驗要求 295
8.2.4 關(guān)鍵參數(shù) 299
8.3 泊車，后退即前進(jìn)的自動駕駛哲學(xué) 302
8.3.1 L2自動泊車輔助 302
8.3.2 L2+遙控泊車輔助 303
8.3.3 L3記憶泊車輔助 304
8.3.4 L4自主代客泊車 306
8.3.5 L5的極致享受 308
8.4 遠(yuǎn)程駕駛，自動駕駛?cè)珶o人考卷上的一道“大題” 309
8.4.1 遠(yuǎn)程駕駛作用 310
8.4.2 遠(yuǎn)程駕駛架構(gòu) 311
8.4.3 行業(yè)進(jìn)展 314
8.5 編隊行駛，自動駕駛江湖的“共同富裕” 316
8.5.1 法規(guī)和標(biāo)準(zhǔn) 317
8.5.2 系統(tǒng)架構(gòu) 317
8.5.3 功能場景 320
8.5.4 功能作用 322
8.5.5 技術(shù)難點 324
8.5.6 行業(yè)進(jìn)展 324
8.6 單踏板模式，是天才設(shè)計還是瘋子挑釁 326
8.6.1 單踏板模式 326
8.6.2 動能回收系統(tǒng) 328
8.7 本章小結(jié) 332
第3篇 行業(yè)那些事兒
09 行業(yè)雜談 334
9.1 批評在左，敬畏在右 334
9.1.1 “圍墻”的批評 335
9.1.2 “敬畏”的思考 337
9.2 成本，自動駕駛身上的“遮羞布” 339
9.2.1 關(guān)于成本的兩種觀點 340
9.2.2 兩家低成本量產(chǎn)方案代表 341
9.2.3 成本競爭的影響 343
9.3 H2H模式，干線物流自動駕駛的“局部最優(yōu)解” 344
9.3.1 傳統(tǒng)的倉到倉模式 345
9.3.2 全新的H2H模式 347
9.3.3 H2H模式的踐行者 349
9.4 港口自動駕駛，是偽自動駕駛商用場景嗎 351
9.5 強云強車，會是港口自動駕駛的終局嗎 358
9.5.1 港口自動駕駛的終局技術(shù)路線是什么 358
9.5.2 港口自動駕駛是賠本賺吆喝，還是悶聲發(fā)大財 363
9.6 Argo AI，自動駕駛“拔苗助長”的一個悲劇 365
9.6.1 Argo AI的經(jīng)歷 365
9.6.2 Argo AI的貢獻(xiàn) 368
9.6.3 Argo AI的教訓(xùn) 370
9.7 重感知、輕地圖，是“師夷長技以制夷”嗎 371
9.7.1 重感知、輕地圖誕生的背景 372
9.7.2 重感知、輕地圖踐行者的眾生百態(tài) 374
9.8 架構(gòu)妄語，來自食物鏈頂端的電子電氣架構(gòu)工程師 378
9.8.1 “分久必合”的演進(jìn) 379
9.8.2 電子電氣架構(gòu)工程師的職責(zé) 380
9.8.3 “不負(fù)責(zé)任”的雜談 381
9.9 本章小結(jié) 382