一种无人驾驶的计算系统的制作方法

1.本技术涉及无人驾驶技术领域，更具体地说，涉及一种无人驾驶的计算系统。


背景技术：

2.无人驾驶是一个新兴学科，尚处于理论研究和实际道路测试、试验、技术积累的阶段，在高安全、高可靠、对设备环境适应性要求较高的汽车行业中，目前的尚无计算平台的统一架构和规范标准。
3.相较于无人驾驶感知和决策等算法迭代演进的速度，硬件计算平台的研发设计、调试、测试周期更长，难以适应软件和算法的不断更新。以感知平台的两大主要传感器设备车载摄像机和激光雷达为例，各厂商对摄像机配置和应用几乎没有统一标准，摄像机的参数配置、数量也有很大差异，另外摄像机技术迭代也比较快，已从目前无人驾驶领域主流应用的2mega(百万像素)向5mega、8mega发展，相应的带来对图像数据链路硬件和处理海量数据的计算平台的相应要求。在激光雷达的配置和应用方面也类似，例如激光雷达的分辨率的参数配置与雷达应用数量也不断变化。
4.因为缺乏系统平台和感知外设的标准，目前无人驾驶的设备演进是“打补丁”式的，即以传统工控机平台为基础，需要增加外设时，考虑使用分布式系统或者高速i/o总线扩展接口盒子并外接传感器。说明系统平台在规划之初，没有考虑到算法和感知外设的演进变化情况。
5.鉴于上述的问题，需要一种能够兼顾目前软件算法更新迭代的，并满足算力要求的计算平台，同时还需要能够满足车载环境适应性、功耗的要求。


技术实现要素：

6.本技术的目的在于提供一种无人驾驶的计算系统，满足了无人驾驶的软件算法迭代需求，满足无人驾驶的算力要求，同时满足了车载环境适应性、功耗的要求。
7.为实现上述目的，本技术提供了一种无人驾驶的计算系统，包括感知和ai加速器、ai加速和计算协处理单元、计算单元、数据交换单元和功能安全模块；
8.所述感知和ai加速器包括多个第一车载gpu加速模组，每个所述第一车载gpu加速模组连接4个图像信号链解串器，每个所述图像信号链解串器连接2个车载摄像机；
9.所述ai加速和计算协处理单元包括多个第二车载gpu加速模组，每个所述第二车载gpu加速模组连接4个图像信号链解串器；
10.所述数据交换单元包括pcie交叉开关和以太网交换机，所述pcie交叉开关连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元，所述以太网交换机连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元；
11.所述功能安全模块连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元。
12.其中，所述车载摄像机的图像传感器通过mipi接口连接串化器，所述图像信号链
解串器连接2个所述串化器，所述图像信号链解串器通过mipi接口连接所述感知和ai加速器和所述ai加速和计算协处理单元。
13.其中，所述图像信号链解串器包括主i2c接口和透传i2c接口，所述第一车载gpu加速模组通过所述主i2c接口对所述图像信号链解串器的寄存器进行访问和配置，所述第一车载gpu加速模组通过所述透传i2c接口控制所述图像信号链解串器连接的车载摄像机中的cmos传感器。
14.其中，所述图像信号链解串器包括gpio接口，所述第一车载gpu加速模组触发所述图像信号链解串器通过所述gpio接口发送gpio信号，以控制所述图像信号链解串器连接的车载摄像机中的cmos传感器。
15.其中，所述感知和ai加速器还包括hdmi接口、uart接口、jtag调试接口和usb接口中任一项或任几项的组合。
16.其中，所述以太网交换机用于接入激光雷达数据，并将所述激光雷达数据并行发送至所述感知和ai加速器、所述ai加速和计算协处理单元和所述计算单元，所述感知和ai加速器通过can-fs接口接收所述激光雷达数据。
17.其中，所述以太网交换机用于对所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元的管理数据进行交互。
18.其中，多个所述第一车载gpu加速模组之间通过所述数据交换单元进行dma操作，多个所述第二车载gpu加速模组之间通过所述数据交换单元进行dma操作。
19.其中，所述功能安全模块用于根据所述第一车载gpu加速模组或所述第二车载gpu加速模组或所述计算单元的模块状态和所述关键数据制定安全策略，并通过can总线接口发送至车辆的域控制器。
20.其中，所述功能安全模块通过spi接口获取所述第一车载gpu加速模组和所述第二车载gpu加速模组的模块状态和关键数据；
21.所述计算单元的模块状态和关键数据通过lpc接口发送至cpld，所述述功能安全模块通过spi接口访问所述cpld，以获取所述计算单元的模块状态和关键数据。
22.通过以上方案可知，本技术提供的一种无人驾驶的计算系统，包括：一种无人驾驶的计算系统，包括感知和ai(artificial intelligence，人工智能)加速器、ai加速和计算协处理单元、计算单元、数据交换单元和功能安全模块；所述感知和ai加速器包括多个第一车载gpu(graphics processing unit，图像处理器)加速模组，每个所述第一车载gpu加速模组连接4个图像信号链解串器，每个所述图像信号链解串器连接2个车载摄像机；所述ai加速和计算协处理单元包括多个第二车载gpu加速模组，每个所述第二车载gpu加速模组连接4个图像信号链解串器；所述数据交换单元包括pcie交叉开关和以太网交换机，所述pcie(peripheral component interconnect express，一种高速串行计算机扩展总线标准)交叉开关连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元，所述以太网交换机连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元；所述功能安全模块连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元。
23.本技术提供的无人驾驶的计算系统，为无人驾驶提供一体化计算平台，有利于系统平台的小型化、低功耗，能方便在车载地盘中安装，并降低物理线束的成本。同时，可以通
过车载gpu加速模组数量的增加和平台迭代的升级，满足软件算法更新迭代的需求。由此可见，本技术提供的无人驾驶的计算系统，满足了无人驾驶的软件算法迭代需求，满足无人驾驶的算力要求，同时满足了车载环境适应性、功耗的要求。
24.应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本技术。
附图说明
25.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
26.图1为根据一示例性实施例示出的一种无人驾驶的计算系统的结构图；
27.图2为根据一示例性实施例示出的感知和ai加速器的框架图；
28.图3为根据一示例性实施例示出的一种图像数据链路传输的框图；
29.图4为根据一示例性实施例示出的一种控制策略的框图；
30.图5为根据一示例性实施例示出的一种对解串器进行参数配置的流程图；
31.图6为根据一示例性实施例示出的一种pcie交叉开关与计算单元之间的pcie通信总线关系示意图；
32.图7为根据一示例性实施例示出的一种功能安全模块与计算单元的校验数据接口和框图；
33.图8为根据一示例性实施例示出的一种通过cpld(complex programmable logic device，复杂可编程逻辑器件)实现平台的pps(pulse per second，卫星导航输出的秒脉冲信号)hub(集成器)的功能实现框图。
具体实施方式
34.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。另外，在本技术实施例中，“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
35.本技术实施例公开了一种无人驾驶的计算系统，满足了无人驾驶的软件算法迭代需求，满足无人驾驶的算力要求，同时满足了车载环境适应性、功耗的要求。
36.参见图1，根据一示例性实施例示出的一种旅游监管方法的流程图，如图1所示，包括感知和ai加速器、ai加速和计算协处理单元、计算单元、数据交换单元和功能安全模块；
37.所述感知和ai加速器包括多个第一车载gpu加速模组，每个所述第一车载gpu加速模组连接4个图像信号链解串器，每个所述图像信号链解串器连接2个车载摄像机；
38.所述ai加速和计算协处理单元包括多个第二车载gpu加速模组，每个所述第二车
载gpu加速模组连接4个图像信号链解串器；
39.所述数据交换单元包括pcie交叉开关和以太网交换机，所述pcie交叉开关连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元，所述以太网交换机连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元；
40.所述功能安全模块连接所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元。
41.在具体实施中，感知和ai加速器包括多个第一车载gpu加速模组，作为高速通讯链路pcie外设，可以采用英伟达(nvidia)的自动驾驶系列模组，如图1所示可以包括2个第一车载gpu加速模组，可以具体为xavier模组(一种nvidia用于自动驾驶的模组)，当然还可以升级orin模组。感知和ai加速器实现车载摄像机数据采集、毫米波数据采集、激光雷达数据与图像数据融合。感知和ai加速器支持计算资源和外设的虚拟化，并能够动态的将数据dma(direct memory access，直接存储器访问)至计算协处理单元或接收其他模块的数据，另外包含低速总线和调试接口资源。
42.感知和ai加速器的框架图如图2所示，其中的图像数据传输链包含两个主要功能模块，其一为图像数据的传输链路，其二为gpu模组对图像链路中各功能单元的控制。
43.在图像数据传输链，可以采用max9296作为图像信号的解串器，支持gmsl(gigabit multimedia serial links，多媒体串行链路)或gmsl2的高速图像链路及前端图像模组。图像数据链路传输的框图如图3所示，所述车载摄像机的图像传感器通过mipi(mobile industry processor interface，一种图像传输接口)接口连接串化器，所述图像信号链解串器通过fakra连接器连接2个所述串化器，所述图像信号链解串器通过mipi接口连接所述感知和ai加速器和所述ai加速和计算协处理单元。在具体实施中，解串器的前端接口支持2路摄像机，后端包含两组x4 lane带宽的mipi数据接口，即图1和图2中的csi(cmos serial interface，相机串行接口)-2 4lane mipi，可以将数据流集中在一组x4 lane带宽的mipi接口，并上传至gpu模组。因为本实施例中采用的gpu模组xavier最大支持4组x4 lane带宽的mipi信号，因此一个xavier模组支持8个摄像机。包含2个xavier模组的感知和ai加速器即支持16个摄像机图像接入，可以满足目前主流的车载图像配置需求。同时这16个摄像机的数据通过解串器的另一组mipi接口，备份至ai加速和计算协处理单元的模组中，也即ai加速和计算协处理单元可以理解为感知和ai加速器的冗余备份，将数据平行复制于感知和ai加速器、ai加速和计算协处理单元，便于对两个加速单元分别处理数据任务，例如可以一个加速单元做感知数据融合，另一个加速单元做高精地图的比对等。将数据平行复制是对车载数据的冗余，可能根据功能安全的策略有效提升系统的安全性。
44.作为一种可行的实施方式，所述图像信号链解串器包括主i2c(inter-integrated circuit)接口和透传i2c接口，所述第一车载gpu加速模组通过所述主i2c接口对所述图像信号链解串器的寄存器进行访问和配置，所述第一车载gpu加速模组通过所述透传i2c接口控制所述图像信号链解串器连接的车载摄像机中的cmos(complementary metal-oxide-semiconductor，互补金属氧化物半导体)传感器。
45.在图像数据链路初始化的过程中，链路上的各模块(包括cmos传感器、串化器、解串器)需要由后端控制器(即第一车载gpu加速模组)通过控制总线进行配置。另外在实际应用场景，即图像实时传输的过程中，可能需要对前端传感器进行实时控制，例如触发曝光。
本技术实施例采用的控制策略如图4所示，解串器包含3个i2c接口，其中包括一个主i2c接口(main i2c interface)和两个透传接口(pass through i2c interface)。主i2c接口是具备全功能的i2c接口，即可以通过主i2c接口对解串器的寄存器进行访问和配置，如图4中i2c a、i2c b接口。通过主i2c接口对解串器进行初始化参数配置，因为第一车载gpu加速模组的i2c控制器有限，例如xavier有5个i2c控制器，本发明采用i2c mux(数据选择器，multiplexer)的方式，该mux管理4片解串器的初始化配置和控制(i2c a～d)，在初始化过程中gpu加速模组依次选通需要配置的4片解串器路由进行参数配置。
46.另外，解串器的硬件配置引脚可以支持4种i2c slave地址配置。gpu模组通过mux并配置解串器的选通地址可以配置为上述不同的4种地址。因为解串器的参数配置是与前端摄像机应用相对应的。因此采用路由地址差异和目标设备地址差异的双重地址寻址，增加了软件配置解串器的正确性和安全性。如图5所示，gpu模组配置解串器参数准备完成，选通目标解串器的mux路由地址，mux开关闭合，即路由连通，寻址目标解串器的i2c地址，对解串器进行参数配置。
47.解串器另包含的两个i2c接口是透传接口(pass through i2c interface)，这两个接口不能访问解串器内部资源，而是在串化器与解串器的初始化时，可将解串器这两个i2c接口映射成串化器对传感器的i2c接口，实现车载gpu模组控制i2c1、i2c2，通过控制报文转化为串化器对i2c1的映射、i2c2的映射，并控制前端摄像机内的cmos传感器。通过此方式，实现gpu模组间接控制摄像机曝光(触发)，这是硬件外设的映射和软件报文控制方式。
48.上述软件报文控制寄存器的方式是对本实施例中所有解串器支持的功能，可以控制前端摄像机的硬件，优点在于节约了i2c和gpio(general-purpose input/output，通用型之输入输出)接口的资源，但是因为i2c mux物理特性决定一次仅能选通一个通信路由，另外软件报文实时性不高，即并行性(同时触发曝光)和速度存在欠缺。在摄像机的配置策略上，对交通标志线，交通灯等识别的摄像机可以采用此方式。
49.进一步的，所述图像信号链解串器包括gpio接口，所述第一车载gpu加速模组触发所述图像信号链解串器通过所述gpio接口发送gpio信号，以控制所述图像信号链解串器连接的车载摄像机中的cmos传感器。在具体实施中，对于环视摄像机(由4个摄像机组合而成)，本实施例还包括了一种gpio映射触发的配置方式。如图4框图中gpio 1～4的配置，第一车载gpu加速模组通过触发解串器的gpio信号，实现摄像机内的串化器gpio控制cmos传感器。在本实施例中，因为第一车载gpu加速模组的gpio信号资源是有限的，根据摄像机的应用场景实现gpio控制策略，例如环视摄像机的控制，第一车载gpu加速模组的一个gpio信号连接一个驱动器，驱动器信号输出连接至各解串器gpio 1～4，实现硬件信号的同时曝光触发，相较于i2c报文触发的方式时效性更强，并且由硬件保证了同时触发的并行特性。
50.优选的，所述感知和ai加速器还包括hdmi(高清多媒体接口(high definition multimedia interface)接口、uart(通用异步收发传输器，universal asynchronous receiver/transmitter)接口、jtag(joint test action group，联合测试工作组，是一种国际标准测试协议)调试接口和usb(universal serial bus，通用串行总线)接口中任一项或任几项的组合。在具体实施中，hdmi接口用于图像质量的调试和gpu模组的其他功能调试的显示功能。低速串口uart用于模组调试的数据交互。jtag调试接口用于模组soc的调试。usb接口作为输入、输出设备的接口。
51.数据交互单元包括pcie交叉开关和以太网交换机，本实施例采用pcie switch(pcie交叉开关)连接各gpu外设模组，即第一车载gpu加速模组和第二车载gpu加速模组，支持模组间数据的dma操作，也即多个所述第一车载gpu加速模组之间通过所述数据交换单元进行dma操作，多个所述第二车载gpu加速模组之间通过所述数据交换单元进行dma操作。进一步的，通过pcie透明桥上传至x86计算平台单元，其pcie通信总线关系如图6所示。
52.所述以太网交换机用于接入激光雷达数据，并将所述激光雷达数据并行发送至所述感知和ai加速器、所述ai加速和计算协处理单元和所述计算单元，所述感知和ai加速器通过can-fs接口接收所述激光雷达数据。本实施例采用以太网交换机作为激光雷达的数据接入，并可以平行地将数据发送至感知和ai加速器、ai加速和计算协处理单元和计算单元，将激光雷达的点云数据平行分配至各计算模块，利于提高数据处理的效率并均衡各计算模块的算力负载。感知和ai加速器通过第一车载gpu加速模组的can总线作为毫米波雷达接口，其中每个第一车载gpu加速模组支持2个can-fs接口。本实施例采用1000base-t以太网接口连接以太网交换机和第一车载gpu加速模组，即如图2所示，第一车载gpu加速模组通过rgmii(reduced gigabit media independent interface，吉比特介质独立接口))连接phy(端口物理层，physical)，进而1000base-t以太网接口连接以太网交换机。
53.进一步的，所述以太网交换机用于对所述第一车载gpu加速模组、所述第二车载gpu加速模组和所述计算单元的管理数据进行交互。本实施例通过以太网交换机实现多个模组之间的管理数据交互。x86计算平台包含一个通过无线通信(4g/5g/wifi)的访问接口，并能够通过以太网交换机连通至系统终的各个模组，可以通过这个通讯路径对系统进行管理(例如软件升级)和实时访问。以太网交换机及各模块phy支持ieee1588协议，实现对各个计算单元的时间同步。这个时间同步网络和本技术实施例中采用cpld实现pps信号hub的时间同步网络是平行的。
54.计算单元可以具体为x86计算单元，采用com express(computer on module express，一种计算机模块和标准)type7，除上述无线通信的访问接口之外，还包括sata(串行高级技术附件，serial advanced technology attachment)、usb 2.0&3.0、uart和gprmc(推荐定位信息)，另外通过pcie ncsi(network connectivity status indicator，网络连接状态指示器)gpio连接bmc(baseboard management controller，基板管理控制器)。目前，该计算平台的x86计算机和车载gpu加速模组都具备平滑升级的硬件接口，即标准化模组形态，可以通过模块数量上的增加、平台迭代的升级满足算法的升级要求。例如计算机模组的com express，模组的接口标准和形式基本一致，方便根据平台和应用需求平滑升级。异构计算的gpu模组也具有相同的接口形态，可以根据上游厂商的技术演进升级。
55.进一步的，所述功能安全模块用于根据所述第一车载gpu加速模组或所述第二车载gpu加速模组或所述计算单元的模块状态和所述关键数据制定安全策略，并通过can总线接口发送至车辆的域控制器。所述功能安全模块通过spi(串行外设接口，serial peripheral interface)接口获取所述第一车载gpu加速模组和所述第二车载gpu加速模组的模块状态和关键数据；所述计算单元的模块状态和关键数据通过lpc(low pin count)接口发送至cpld，所述述功能安全模块通过spi接口访问所述cpld，以获取所述计算单元的模块状态和关键数据。
56.功能安全模块与计算单元的校验数据接口和框图如图7所示，功能安全模块通过
以太网和交换机对系统进行管理和访问。在具体实施中，计算单元需要将模块状态和关键数据计算校验结果上传至功能安全模块校验。功能安全模块根据系统各计算模组的状态制定安全策略，并通过功能安全模块的can总线接口发送至汽车底盘控制域、网联域等域控制器。本实施例中计算单元的模块状态和关键数据计算校验结果是通过spi接口连接至功能安全模块的，其中gpu模组均支持spi从设备模式，即功能安全模块作为主设备对各模组发起访问。x86计算平台不具备spi从设备接口，其模组状态通过lpc接口连接至cpld逻辑，并在cpld逻辑中保存功能安全状态，另外由cpld实现spi从设备接口，功能安全模块间接访问cpld实现对x86计算平台的功能安全管理。
57.需要说明的是，平台感知系统所连接的各种传感器存在着应用的局限性，例如图像数据是2维的，并受到摄像机镜头的制约，图像会出现一定比例的失真。激光雷达数据受到环境干扰较大，另外数据是没有颜色信息的。所以多传感器的数据需要融合，而数据融合的条件之一是这些采集的有效数据是带有时间信息的。从平台的设计角度，即组合导航的时间信息需要传递至各单元模块的计算模组中。
58.作为一种可行的实施方式，通过cpld实现平台的pps hub，其功能实现框图如图8所示。系统的同步时钟需求主要来自与感知域的各传感器，其中激光雷达具有pps的信号接口，cpld接收来自组合导航系统的pps信号后，经过驱动电路输出至连接器，通过同轴线缆输出至激光雷达。对平台上的各计算模块，cpld输出信号连接该模块的gpio，即将时间信息带入采集和处理的数据中。该链路的延迟满足系统的需求。一般认为时速120km/h的汽车，1ms的位移约3.4cm，时钟精度在ms级别即满足要求。作为另一种可行的实施方式，还可以基于ieee1588协议进行时钟同步，上述两种同步方式相互冗余。
59.本技术实施例提供的无人驾驶的计算系统，为无人驾驶提供一体化计算平台，有利于系统平台的小型化、低功耗，能方便在车载地盘中安装，并降低物理线束的成本。同时，可以通过车载gpu加速模组数量的增加和平台迭代的升级，满足软件算法更新迭代的需求。由此可见，本技术提供的无人驾驶的计算系统，满足了无人驾驶的软件算法迭代需求，满足无人驾驶的算力要求，同时满足了车载环境适应性、功耗的要求。
60.以上所述，仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。