智驾数据工厂：架构设计与思考

Posted 2021-08-11 i车Gear联

点击蓝字

导读

近几年来，大量资本及互联网属性的大厂涌入汽车行业，自动驾驶商业价值一路飙升，全球汽车业正处于百年不遇的产业大变革中。

在“软件定义汽车”、“数据驱动”的自动驾驶时代，为支撑自动驾驶业务开发，需要构建含智能汽车数据工厂在内的“云管端”一体化全栈式智能汽车解决方案。本文根据负责数据工厂项目的任如意博士的分享内容整理而成，主要包括以下三部分：

1. 自动驾驶研发简介

2. 智驾数据工厂

3. 数据驱动闭环的智驾研发

自动驾驶研发简介

• 自动驾驶车端传感器

传感器于自动驾驶，如同眼睛、耳朵于我们个人，来提供环境的感知。所以相比于传统汽车，自动驾驶测试车会多了一些硬件设备，如毫米波雷达、激光雷达、超声波，视觉的摄像头等等。

• 自动驾驶车端软件架构

单车根据传感器感知到的数据加以上帝视角的一些数据（高精地图定位、V2X车辆及环境信息、云端数据支持）汇集至一起，系统对场景进行分析，并对车辆实时情况及接下来的反应进行预测（前方行人行为识别）。

获得数据后要进行路径的规划。全局的路径规划更像是车的导航，要到什么地方？软件层会给出大体的路径；局部的路径规划是指当前行为，例如前方有车是否采取绕行等。

规划好路径后用控制设施将车的行为去尽量按照规划的路径行驶。

最后是一些执行器，是指汽车执行层面的东西。

图：igear团队自制 公司办公楼周边点云图

• 自动驾驶的完整体系

最底层为线控油门、线控转向、线控刹车等，用数字信号能够控制车的行为，这样对自动驾驶会比较友好。

上一层为传感器的设施，即上文中提及的激光雷达，摄像头等。

再上一层为操作系统层， 自动驾驶对实时性要求较高，业界通常会构建一个实时操作系统RTOS（Real Time Operating System），在其上构建runtime架构后会构建自动驾驶的相关软件：规划、感知、定位等。

最上面一层为云服务系统，用以支撑智驾研发。包含云端的高清地图，仿真、数据平台（既包含存储、管理、清洗数据的数据平台，也包含标注、训练等一整套模型训练的体系）、安全（云端+车端安全）等。

智驾数据工厂

• 数据工厂工具链

从数据的视角而言，车端数据上传（分实时上传和硬盘自动化上传）后进入数据管理平台。数据管理平台要负责上传数据的解析、入库、组织等，其中有结构化的数据、有半结构化的数据，也有图片点云之类非结构化的数据。

从数据管理平台中获取的数据到标注平台中进行标注之后，在训练平台中用来进行深度学习模型的训练。

• 数据工厂——数据平台

车端海量数据上传至云端后，如何做好数据分层和数据管理？

为帮助各大企业、各大团队更有章法地处理海量输入数据，iGear团队构建了相关的数据开发中台，方便研发人员进行离线开发、实时开发，极大提升了研发效率。

数据工厂的数据应用架构

• 数据工厂——标注平台

自动驾驶相关场景的标注服务

• 数据工厂——训练平台

iGear训练平台为算法工程师打造一站式AI训练平台，提供高效、异构、分布式的算力调度和任务管理服务。

对于更关心具体算法的算法工程师而言，训练平台有足够多的开箱即用的框架，使得算法工程师在调度层可以直接调度容器进行训练，从而更专注于算法层面的开发。

对一些并非从零开始的任务，算法工程师可在平台上灵活调整模型参数，让用户更简单灵活的进行操作，同时也可做到计算资源的异构化管理，GPU资源的监控和统计。

此外训练平台也会为高端用户提供SDK 和 workflow，让用户自己定义和编排。

• 数据工厂——仿真平台

出于成本及研发周期的考虑，在智驾研发中需要搭建一个仿真模拟的环境。

iGear仿真平台将仿真云化，通过将VTD等仿真软件集成至iGear的仿真系统中，可按需进行资源供给，进而大幅度降低仿真成本，提供整车SIL（ software in the loop，软件在环）能力。

仿真平台目前已建设ADAS一级基础功能场景一千四百余个(覆盖ACC、AEB、APS、BSD、CITS、 FCW、LCDAS、LDW、LKA.等功能)，并可通过车辆参数、环境参数等元素进行二级场景的拓展， 可将ADAS功能场景扩展至两万个以上，加入突发场景配置与事故参数场景配置可进一步扩展三级场景。

数据驱动闭环的智驾研发

此部分请移步：

AI上汽车

一群致力于推动汽车智能网联化发展进程的工程师，一群投身于汽车产业数字化变革的小年轻，一个以数据处理和AI技术为汽车研发行业服务的团队，将日常所见、所想、所感分享于此，一起笑看风云起。