面向智能网联汽车综合数据处理平台解决方案

GPS
CAN
V2X
摄像头 雷达 ···
数据 记录
数据记录回放
设备驱动层
数据 库
串口/网 CAN-OBD
口GPS
接口
DSR C /LTE-V
摄像 头
雷达
··· 虚拟回放设备
真实 世界
平台数据流
周边 设备
DSRC
真实 世界
传感 器设 备 驱动
虚拟 传感 器设 备
抽象 传感 器源自文库接口
数据 融合 算法
数据 记录 模块
• How(趋势是什么)
• 可能会产生哪些潜在的碰撞（collision） • 碰撞可能会消失（collision ）
道路环境的利用
• 静止的车道属性
• 转弯半径、车道标识（左转、直行、右转）、限速、施 工区域、学校路段、兴趣点（加油站），下一交叉口的 属性、是否有隔离带、路肩
• 半动态的道路属性
• Linux • 线程调度周期短（1ms左右，Windows为10ms），能
满足对响应时间要求较严格的应用 • 具有完善的命令行管理维护工具
平台架构分层介绍
• 设备驱动层
• 从不同厂商的不同传感器设备（GPS、CAN总线、摄像 头、激光雷达等）读取数据并传递给上层
• 当切换至回放仿真模式时，将被替换为虚拟传感器设备
• 数据查询与管理
• 具有灵活的查询方法与完善的管理功能
• 数据分析
• 能将数据导出为多种格式，以转入到各类大数据处理系 统（Hadoop等）并进行分析（如深度学习等）
平台设计目标
• 兼容性
• 兼容不同厂商的不同设备，并对上层屏蔽掉设备之间的 差异，提供统一的接口
• 灵活性
• 平台可以以全功能或功能子集（如仅数据采集记录）的 模式运行
面向智能网联汽车综合数据 处理平台解决方案
——从数据采集、记录到分析、回放、应用 的一体化解决方案
平台需求背景：智能网联汽车应用开发
——服务于V2X新型算法、应用的开发与测试
• V2X应用的开发要求完善、易用的环境 • 完善性
• 能够测试从传感器数据采集、融合、到上层应用场景 （如主动安全、车速引导）全过程中的各个组件
• 抽象传感器接口层
• 将设备驱动层发来的数据进行统一，并管理上层对传感 器数据的访问
• 是应用层能直接接触到的最下一层
平台架构分层介绍
• 传感器融合层
• 将来自多个传感器的数据进行判别、筛选、融合，为上 层提供更高精度的数据
• 世界模型层
• 通过DSRC通信设备，与其他车辆/路侧交换符合SAEJ2735标准规范的的消息如BSM、SPAT、MAP，再加 上自车数据与高精度电子地图，从而建立对整个车辆周 围环境的感知建模
• 开发简便性
• 提供统一规范的编程接口 • 尽量避免使用高级语言特性（如C++模板特化等）以降
低开发人员的技术门槛，从而间接降低人员成本
对周围动静态目标的识别、定位与跟踪
• What(是什么)
• 障碍物类型是什么：货车、小轿车、行人、非机动车
• Where(在哪里)
• 在哪个方位，相对距离是多少？
• 能尽量避免不同厂商、不同型号设备带来的影响
• 易用性
• 开发接口简单易用 • 回放仿真功能 • 远程管理功能
平台需求背景：智能网联汽车数据分析
——服务于V2X数据采集、记录与分析
• 数据采集
• 忠实采集各传感器感知到的数据并存储
• 数据存储
• 传感器具有高数据频率的情况下，要求较高的写入性能 • 具有容灾备份等可靠性功能
计算TTC， 与阈值比较
世界建模
• 目标分类
• 以本车为中心建立九宫格(采用一定的数据结构来进行对 象的空间划分管理)，判断可能对应的危险工况
• 格子大小的设置：横向只包括一个车道，纵向根据车辆 当前速度形成一个阈值，比如安全行车距离作为阈值
世界建模
• 危险评估
• 基于移动预测计算TTC，计算碰撞的可能性 • 分析危险的类型（需要定义优先级）、危险的相对方位、
摄像头无法开展趋势分析
平台架构总览
应用层
支撑面向智能网联汽车的
碰撞 预警
车速 引导
···
应用开发和测试验证
世界模型
自车 信息
周边车辆信息 路侧状态信息
目标 分类
地图 重构
···
数据融合层
将自主式感
位置 融合
知与协作式 感知相结合
···
将真实感知设备 与虚拟感知设备
相结合
智能 +
网联 真实
+ 虚拟
抽象传感器接口层
世界 模型
应用
时间 序列 数据库
随着信息交互的不断进行，车辆便会逐渐建立起了对周围环境的感知，从而建立 起了对真实世界的抽象模型。 世界建模是Google无人驾驶最为重要的一个过程。
软件基本技术参数
• 开发语言
• Qt / C++ • 跨平台、具备复杂抽象结构的同时拥有较高的性能
• 运行时操作系统
• 增加路侧系统的智能，避免V2X渗透率不足的尴尬。 • 路边传感器位置好（特别是危险路段），获取的数据准
确，将路边传感器检测结果通过V2I共享给其他车辆
传感器融合层
• 特征级数据融合处理方法：摄像头/雷达+V2X
• 通过V2X网络，车辆可以获取周围所有它所需要的传感 器的检测结果，对不同传感器检测目标进行匹配，每个 传感器有不同位置和不同精度，以此决定其检测置信度。
• 下一个交叉口的信号灯状态、拥堵路段（可以不用考虑）
• 在哪条车道上
• 需要结合车道级电子地图
检测手段
• 尽可能的利用V2X
• 通过V2V/V2I获取周围状态信息
• 考虑到不是所有的车辆和路侧点都会安装V2X设 备
• 通过摄像头/雷达来辅助检测和跟踪
• 趋势分析
• 利用历史轨迹和当前运动学特征进行瞬时的轨迹预测 • 利用V2X可以获取历史轨迹和当前运动学特征，只依赖
• 将环境中的对象（车、路等）表示为对应的编程语言对 象，并进行管理（如生存期管理），从而大大简化上层 应用的开发
传感器融合层
• 自车传感器数据融合框架
• 将GPS绝对坐标体系和摄像头相对坐标体系通过滤波融 合形成自车三维直角坐标系
传感器融合层
• 多车及道路传感器数据融合
• 每辆车获取的传感器数据是有限的，自车将自车信息和 检测信息共享给其他车辆
• 对多传感器进行信息融合，从而形成无盲区的检测全覆 盖。（对自车是不需要区分传感器是否在车上的）
25m/s
10m/s 5m/s
20m/s 10m/s
10m/s
0m/s
本车
10m/s
世界建模
循环周期＜100ms
地图重构
目标分类
移动预测
危险评估
报警提醒
共享周边车辆信息 （车速、位置坐标、 转向、制动、油门 等信息）和道路信 息