
下一代智能汽车零部件设计中的能与不能
在自动驾驶系统设计开发阶段,往往会遇到各种不同程度的问题,就目前而言,很多设计问题可能会带来一定的便利性,但也会产生一定的问题。本文将就其中几类典型的设计考量问题进行分析,意在为工程师设计过程提供必要的思路。
行车记录仪复用前视的能与不能?
随着先进的汽车配置逐步提升,除了推荐主被动安全功能的配备之外,世界各国的政府也积极透过新的安全科技配备来降低道路上发生意外的机率,先前欧盟就曾提出要在所有新出厂的汽车上强制配备ISA智能限速以及EDR行车记录仪,希望透过这两项配备来降低事故的发生率,近日欧盟交通安全议会正式通过相关法案,并决定在2024年开始执行。
行车记录仪作为一种标准配件将是一种不可逆转的趋势,因为其采用的类似飞机的黑盒子科技,能记录下车辆速度、位置、加减速状态等,在发生意外事故的时候,能根据EDR纪录的数据来判断肇事原因和责任归属。在典型的下一代自动驾驶系统中,行车记录仪设计通常是与前视摄像头进行复用的。然而,并不是所有都是能够这样复用的。
首先,就是镜头本身模组上前视摄像头对于行车记录的视场角就存在一定的差异。按照国标规定,要求行车记录仪的水平视场角HFOV为120°,垂直视场角为VFOV为60°。通常情况下在整车厂对前视摄像头的设计过程中也是要求摄像头具有该大小的视场角。然而,实际情况是对于由自动驾驶中央域控中ISP模块所处理去畸变后的视频图像往往会小于如上性能指标了。因此,再做视频记录之前为了满足最终记录的视频能够满足性能指标,通常会在对供应商招标定点时选择比本身视场角更大的数值。
其次,国标对于DVR的记录要求其安装位置能够将前引擎盖的关键区域能够显示出来。而实际上在设计过程中,由于前视摄像头还会承载诸如前方关键视觉感知的任务,感知模块希望能够完全不被遮挡,这就要求在前视摄像头安装过程中,能够在其FOV形成的包络中尽量保证其远离引擎盖一类的遮挡物。这看起来,两者的要求是十分矛盾的。因此,对于设计工程师而言,需要在其中做出利弊权衡。笔者认为,对于前视摄像头记录全部引擎盖数据对于还原事故现场的这一问题对场景影响有限,在大部分工况下并不能起到很好的作用,对于前视摄像头的这一性能缺陷可以暂不做考虑。因此,如果从降低成本的角度考虑问题,DVR复用前视摄像头显得尤为必要。过程中需要做好向用户说明偏差,确认图像效果并推动一定程度的优化。
双目摄像头中的那些能与不能?
目前对于下一代自动驾驶系统来说,设计前视摄像头时,通常会设计两个外造型上几乎同等大小,且同时放置于同一个支架上的状态,一个负责窄视探测,一个负责宽视探测,我们称之为异构双目摄像头。从外形上看,这种设计模式实际上和同构双目摄像头看起来没有什么区别。在设计过程中,我们往往会发出如下疑问:
1、异构双目是否能够起到像同构双目一样的功能,实现对前方目标距离、景深信息等有效探测?
单目摄像头的大致测距原理,是先通过图像匹配进行目标识别(各种车型、行人、物体等),再通过目标在图像中的大小去估算目标距离。因此,单目测距必须不断更新和维护一个庞大的样本数据库,才能保证系统达到较高的识别率,且无法对非标准障碍物进行判断。距离并非真正意义上的测量,准确度较低。而双目则相对单目精度更高,直接利用视差计算距离;四是无需维护样本数据库,因为对于双目没有样本的概念。
从同步双目的测距原理可知,其是通过在同一个基线下,通过位于支架两侧的摄像头分别对同一时刻的场景目标进行拍摄,利用视差测距原理进行深度估计。
那么有人就会问,从外观上几乎相同的异构双目摄像头能否也利用其视差图来进行测距呢?答案是否定的。从原理上讲,异构双目摄像头的两个摄像头的焦距是不一样的。这就导致在很多动态场景和高精度场景中很难达到很好的探测结果。因为同步性和一致性不太好。这里的同步主要是指曝光起止时间,曝光区域同步。由于两个模组景深不一致,成像虽然有重叠区,但是成像的尺度、清晰度、时间也会不一致,虽然可以通过微调解决一部分问题(可以解决一部分大目标物体的探测,但是小目标探测问题就会很大了),但是针对很多精细场景要可用的话还是不太可能。
2、同构双目摄像头两摄像头之间的基线距离相对于异构双目摄像头会偏大,是否可以从外造型上减少同构双目摄像头基线距离?
提出这个问题的原因主要是很多主机厂在做项目的时候希望能够将零部件级设计做大平台化。即在保证与单目摄像头测距相同的性能前提下,实现更短基线距离的设计(这样可以更小的影响其布置位置对造型的影响)。同时,很多情况下在为了不出现断供风险,将零部件外造型做成具有一致性也是必然的选择。因为,从无论是电气接口还是物理接口都具有一致性和可兼容性。
从双目摄像头测距原理可知,空间点P离相机到的距离(距离)z=f*b/d,可以发现如果要计算深度z,则如下几个关键要素必须要被提前计算出来:
相机焦距f,左右相机基线b。这些参数可以通过先验信息或者相机标定得到。
视差d,需要知道左相机的每个像素点(Xl,Yl)和右相机中的对应点(Xr,Yr)对应关系。这是双目测距的极限约束。
从公式z=f*b/d中可以直接看出,在相同焦距f和视差d下,其基线b的大小会直接影响对景深的探测。理想状态下,基线越长,则对景深探测距离越远。因此,为了保证探测距离满足性能要求,一般不建议过分减少基线距离。另一方面,双目摄像头的基线也不可以做的过长,因为,如果仅仅依靠双目摄像头来进行图像目标探测,那么必定有一个摄像头将作为主摄像头来对环境进行图像识别。通常情况下是通过双目左摄像头对图像目标进行探测的。如果基线做的过长很造成对环境图像的识别的畸变变大。
3、同构双目摄像头在探测目标距离、速度等信息时,如何与前雷达探测的目标的信息进行融合?
同样是测距,双目摄像头的测距和雷达的测距哪个更准。哪个更能够及时、准确地将目标探测结果输出。但是对于物体运动这一个过程而言,往往是动态的,其运动方向在很大程度上会对雷达的探测产生较大的影响。这里我们对两者的探测原理做一个对比分析。
①物体运动:
毫米波雷达存在的一个先天性弱势或许并不为很多人所知:由于工作原理的特殊性,毫米波雷达对于与车辆运动方向垂直的运动物体的识别率略低。也就是说当有车辆、行人或其他物体在车辆前方横插进来的时候,毫米波雷达可能会无法识别。而这一点上双目视觉探测则不会区别对待,其对环境的探测能力均不会因为物体运动产生较大的差异化影响。
②环境条件:
很明显双目摄像头毕竟是利用CMOS或CDD这样的模组构成的探测单元,其受环境因素影响比较严重。因此,在变幻莫测的环境下,往往会出现探测结果一致性出现较大偏差的情况。为了确保感知结果的稳定性,在探测环境出现性能下降时,通常会将其探测结果与毫米波雷达进行有效融合,并且为毫米波雷达赋值更大的权重。
实际上双目和雷达在做融合前都各自有自己的协方差矩阵Covariance Matrix。该协方差矩阵可表明雷达与双目摄像头在探测目标的后存在的相关性。即计算结果为正,则说明两者趋向于对某个目标探测的一致性更高,该结果为负,则趋向于探测的某个目标的一致性不高,那么就要根据实际环境和工况确定为那种探测能力赋予更高的权重了。这一过程可通过大量测试获得的一些先验信息来得到。
智驾域控散热系统中的能与不能?
无论传统汽车还是新能源汽高阶智能汽车,在随着中央域控以及一系列外围传感器部件不断扩充的前提下,其对于汽车散热也提出了较高的要求。目前根据智驾域控芯片的发热量及对环境温度及实际散热模块的要求可分为直冷、风冷、液冷和相变材料四种。
直冷以制冷剂(R123a等)为换热介质,换热强度极大,但均温性差,且无法集成加热。这类加热主要应用在想单体传感器集成了相应的运算单元的情况。
风冷以空气为换热介质,分为被动/主动风冷、串/并联风冷,结构简单、成本低,但降温较慢、温控均匀性差;目前风冷只适用于一部分低阶驾驶辅助功能的简单构造的域控设计。从AI算力上讲,一般不超过10Tops,如集成TDA4、TC397这类低算力情况下,且对散热要求相对一般的芯片。
液冷以冷却液(如乙二醇)等换热介质,传热系数高于空气,换热效果好,结构相对复杂,由于需要加入单独的水泵,其成本也略高于风冷;通常针对集成多片异构大算力的运算芯片(如蔚来ET7中4片Orinx,一汽规划3-4片J5做硬件预埋)来说,其对于散热要求是非常高的。
另一种是不常用的相变冷却,是利用相变是储能和放能特性对动力电池进行散热和加热。其温度均匀性较好,由于相变材料导热较差,需要辅助系统,其工作温度受限。
而一般随着智驾域控的实际计算能力的提升,其内部所需承载的计算能力的晶元就会更多,这类运算晶元也可能产生更高的散热需求。通常液冷是整个散热的主流趋势。本文也将进行详细的设计说明。
在液冷设计方面,域控需要根据实际散热需求也要分情况分别进行相应的冷却结构设计。这里的液冷散热也有几个相关的问题需要澄清。
不同的方案主要是根据整车控制器VCU周边是否带有单路连接水泵系统。且散热是否需要高性能计算平台HPC做额外的设计支撑。
方案一:整车域控VDC定流量散热控制
对于整车域控的自动驾驶系统来说,驱动电控单元控制冷却系统的车型方案,高阶自动驾驶域控的整个水冷方案调节机制可以采用如下框图所示的内容进行:
本方案中水泵流量是整车域控制器VDC来控制的,其中控制过程是直接输入占空比来控制水压,电池系统BMS不直接参与控制。VDC需要根据HPC散热请求信号来控制水泵开启,供电过程主要是通过BCM接收到到的VDC指令来控制IG3吸合,BCM随即反馈水泵控制状态。通过BCM发送高压退电信号,HPC根据BCM发送的退电请求,结合VDC反馈的水泵控制状态,发出对应的散热请求。其中水泵流量控制完全由VDC进行控制。
方案二:整车管理单元VCU控制可变流量散热
有一些没有整车域控VDC的车可以可直接通过VCU进行控制,对应的整个水冷方案调节机制主要采用如下框图进行:
本方案的供电逻辑同样是利用BCM控制IG3吸合,水泵流量控制是由VCU自行控制,并反馈水泵控制状态。HPC根据BCM发送的退电请求,以及VCU反馈的水泵控制状态,控制发送散热请求标志。首先,BCM发送高压退电信号以及电源档位信号给HPC,同时控制IG3继电器吸合。根据HPC的散热请求以及内部逻辑输出的继电器来判断是否继续给水泵供电,如需供电则控制BCM通过控制吸合IG3继电器。
方案三:智驾域控自动控制附加水泵散热
本方案中,通过BCM控制继电器开合从而控制水泵是否启闭。BCM接受到HPC发出的散热请求后依次决定是否打开水泵,同时向HPC反馈水泵控制状态。HPC需要根据目前BCM反馈的水泵状态及其域控内部运行温度来决定是否需要持续发送散热请求信号。
总结
下一代自动驾驶系统设计中往往为了考虑从高效、降本、简化几个角度出发,将整个开发中的各个细节进行重新定义,从简单的原理上讲,很多设计优化方法论还是很值得赞赏的。但是,从全局和工程化量产车型出发,很多设计条例确实需要深思熟虑才能够被很好的利用。作为智能驾驶系统设计工程师而言,更需要给出更多有力的证明才能将“理论上”灌输于“”“实践中”。
文章转载自公众号:焉知智能汽车
