自動駕駛算法與晶片設計

《自動駕駛算法與晶片設計》是2022年6月電子工業出版社出版圖書，作者是任建峰，蔣立源，余成文

本書著眼於未來，認為定製化的ASIC必將成為主流。

基本介紹

• 中文名：自動駕駛算法與晶片設計
• 作者：任建峰、蔣立源、余成文
• 出版社：電子工業出版社
• 出版時間：2022年6月
• 頁數：252 頁
• 定價：108 元
• 開本：16 開
• ISBN：9787121436437

內容簡介

本書以自動駕駛的晶片設計為最終目標，來論述設計一個面向未來的自動駕駛SoC晶片的學術支撐和工程實踐。

圖書目錄

第1章　自動駕駛晶片的挑戰 1

1.1　自動駕駛科技界現狀 1

1.2　自動駕駛設計的挑戰 2

1.2.1　功能約束 3

1.2.2　可預測性約束 3

1.2.3　存儲限制 4

1.2.4　熱量約束 4

1.2.5　功率約束 5

1.3　自動駕駛系統算法設計 5

1.3.1　感知 6

1.3.2　決策 7

1.3.3　控制 8

1.3.4　安全驗證與測試 9

1.4　自動駕駛系統計算平台 10

1.4.1　GPU 11

1.4.2　DSP 11

1.4.3　FPGA 11

1.4.4　ASIC 12

參考文獻 12

第2章　3D物體檢測 14

2.1　感測器 15

2.1.1　攝像機 15

2.1.2　雷射雷達 15

2.2　數據集 16

2.3　3D物體檢測方法 17

2.3.1　基於單目圖像的檢測方法 18

2.3.2　基於點雲的檢測方法 19

2.3.3　基於融合的檢測方法 22

2.4　實戰項目：3D物體檢測 24

2.4.1　算法概述 25

2.4.2　點雲預處理 26

2.4.3　網路結構 28

2.4.4　歐拉區域提議 28

2.4.5　錨盒設計 29

2.4.6　復角度回歸 30

2.4.7　損失函式的構建 30

2.4.8　實驗結果 31

2.4.9　訓練細節 31

2.4.10　鳥瞰檢測 32

2.4.11　3D對象檢測 32

2.5　未來研究展望 33

參考文獻 33

第3章　車道檢測 37

3.1　傳統圖像處理 38

3.2　實例：基於霍夫變換的車道檢測 39

3.2.1　霍夫變換 40

3.2.2　OpenCV車道檢測 41

3.3　實例：RANSAC算法及直線擬合 42

3.3.1　算法思路 43

3.3.2　用Python實現直線擬合 43

3.4　基於深度學習 45

3.5　多感測器集成方案 47

3.6　車道檢測系統評估標準 49

3.6.1　車道檢測系統性能的影響因素 49

3.6.2　離線評估 50

3.6.3　線上評估 51

3.6.4　評估指標 52

3.7　實戰項目：車道檢測 53

3.7.1　概述 53

3.7.2　車道點實例網路 53

3.7.3　調整大小層 54

3.7.4　相同瓶頸層 55

3.7.5　下採樣瓶頸層和上採樣瓶頸層 56

3.7.6　損失函式 58

3.7.7　後處理方法 61

3.7.8　實驗結果 62

3.7.9　測試部分 62

參考文獻 63

第4章　運動規劃和控制 68

4.1　概述 68

4.2　傳統自動駕駛的規劃和決策層 69

4.2.1　路徑規劃 70

4.2.2　實例：路徑規劃Dijkstra算法 71

4.2.3　實例：路徑規劃A*算法 75

4.2.4　行為決策 77

4.2.5　運動規劃 77

4.2.6　實例：運動規劃 78

4.2.7　車輛控制 84

4.2.8　實例：模型預測控制 84

4.2.9　實例：PID控制 89

4.3　集成感知和規劃 90

實戰項目：NVIDIA的端到端自動駕駛 92

4.4　互動行為感知和規劃 94

4.4.1　合作與互動 95

4.4.2　博弈論方法 95

4.4.3　機率方法 96

4.4.4　部分可觀察的馬爾可夫決策過程 96

4.4.5　基於學習的方法 97

參考文獻 98

第5章　定位與建圖 102

5.1　SLAM問題 103

5.1.1　基於濾波器的SLAM方法 104

5.1.2　基於最佳化的SLAM方法 108

5.2　自主駕駛的局限性 109

5.2.1　問題的提出 109

5.2.2　避免或減少漂移的影響 109

5.2.3　自動駕駛SLAM的評估標準 110

5.3　自動駕駛中的SLAM 111

5.3.1　重新定位和迴環檢測 111

5.3.2　先前構建的地圖中的定位 113

5.3.3　建立和使用未來地圖 115

5.3.4　利用當前地圖資源 116

5.4　自動駕駛中的地圖表示 117

5.4.1　公制地圖模型 117

5.4.2　語義地圖模型 120

參考文獻 122

第6章　自動駕駛仿真器 128

6.1　最新的仿真器 129

6.1.1　AirSim 129

6.1.2　Apollo 129

6.1.3　CARLA 130

6.1.4　Udacity AV Simulator 131

6.1.5　Deep Traffic 132

6.2　仿真器實戰：CARLA 132

6.2.1　仿真引擎 132

6.2.2　使用CARLA評估自動駕駛方法 133

參考文獻 135

第7章　自動駕駛晶片 136

7.1　Mobileye EyeQ 137

7.2　NVIDIA 138

7.2.1　NVIDIA DRIVE AGX開發者套件 138

7.2.2　NVIDIA DRIVE軟體 138

7.3　TI Jacinto TDAx 141

7.4　實戰項目：360°環景系統與自動停車系統 142

7.4.1　自動停車與停車輔助系統 143

7.4.2　使用Jacinto TDA4VM處理器系列應對環視和自動停車的挑戰 144

7.4.3　Jacinto TDA4VM SoC 145

7.5　Qualcomm 147

7.6　NXP 148

7.7　Xilinx Zynq-7000 148

7.8　Synopsys 149

第8章　深度學習模型最佳化 151

8.1　模型壓縮和加速 152

8.1.1　參數修剪和共享 153

8.1.2　低秩分解 155

8.1.3　轉移/緊湊卷積濾波器 156

8.1.4　知識蒸餾 159

8.2　AI模型效率工具包 159

8.2.1　大規模節能AI 160

8.2.2　通過合作推進AI模型效率的研究 161

8.3　未來研究展望 161

參考文獻 162

第9章　深度學習晶片設計 166

9.1　概述 167

9.2　在CPU和GPU平台上加速核心計算 167

9.3　中科院計算所的深度學習晶片系列 168

9.3.1　卷積神經網路簡介 168

9.3.2　DaDianNao 170

9.3.3　ShiDianNao 171

9.3.4　寒武紀Cambricon-X 172

9.4　麻省理工學院的Eyeriss系列 172

9.4.1　卷積神經網路基本知識 172

9.4.2　Eyeriss 173

9.4.3　Eyeriss v2 174

9.5　谷歌的TPU晶片 177

9.5.1　TPU v1 177

9.5.2　TPU指令集 178

9.5.3　TPU的心臟：脈動陣列 179

9.5.4　TPU v2/v3 180

9.5.5　軟體架構 180

9.6　近記憶體計算 181

9.6.1　DRAM 181

9.6.2　SRAM 182

9.6.3　非易失性電阻存儲器 182

9.6.4　感測器 183

9.7　DNN硬體的指標 183

參考文獻 184

第10章　自動駕駛SoC設計 186

10.1　自動駕駛SoC設計流程 186

10.2　TI的Jacinto SoC平台 187

10.3　Jacinto 7處理器的功能安全特性 190

10.3.1　功能安全 190

10.3.2　軟體功能安全 191

10.3.3 安全套用部署 192

10.4　具有DNN和ISP的符合安全標準的多核SoC設計 194

10.4.1　ADAS圖像識別SoC 194

10.4.2　DNN加速器 195

10.4.3　具有安全BIST控制器的ISP 196

10.5　實例：NVIDIA深度學習加速器 197

10.5.1　NVDLA介紹 198

10.5.2　FireSim 199

10.5.3　NVDLA集成 199

10.5.4　性能分析 200

參考文獻 200

第11章　自動駕駛作業系統 202

11.1　概述 202

11.2　開源自動駕駛作業系統 204

11.2.1　Linux RTOS 204

11.2.2　ROS中間件 205

11.3　使用開源軟體開發自動駕駛技術的公司 206

11.3.1　百度 206

11.3.2　寶馬 207

11.3.3　Voyage 208

11.3.4　Tier IV 208

11.3.5　PolySync 209

11.3.6　Perrone Robotics 210

11.4　汽車硬實時作業系統和框架 211

11.4.1　BlackBerry QNX 211

11.4.2　EB robinos和EB corbos 212

11.4.3　Integrity RTOS 213

11.4.4　NVIDIA DriveWorks SDK 213

11.5　總結 214

第12章　自動駕駛軟體架構 215

12.1　概述 215

12.2　基於ISO 26262的軟體開發 216

12.2.1　ISO 26262簡介 216

12.2.2　Synopsys軟體產品組合 216

12.2.3　ASIL 218

12.2.4　軟體架構設計 218

12.2.5　軟體單元設計與實現 219

12.2.6　軟體單元測試 219

12.3　基於SAE J3016的組件架構設計 220

12.3.1 功能組件 221

12.3.2　AUTOSAR 224

12.4　自動駕駛汽車的架構設計與實現 225

12.4.1　硬體框架 226

12.4.2　軟體系統架構 227

12.4.3　數據傳輸模組 229

12.4.4　自動駕駛測試報告 229

參考文獻 229

第13章　5G C-V2X簡介 230

13.1　移動車聯網 230

13.2　C-V2X如何改變駕駛 231

13.2.1　避免碰撞 231

13.2.2　車隊行駛 232

13.2.3　協作駕駛 232

13.2.4　佇列警告 232

13.2.5　保護弱勢道路使用者 232

13.2.6　支持應急服務 233

13.2.7　危險提前警告 233

13.2.8　越來越多的自動駕駛 233

13.3　C-V2X的優勢 233

13.4　C-V2X的工作原理 235

13.4.1　直接通信 235

13.4.2　網路通信 235

13.4.3　5G如何改變C-V2X 236

13.5　C-V2X部署計畫 236

13.6　總結 238

作者簡介

任建峰，博士，就職於谷歌公司，從事計算影像學、自動駕駛方面晶片算法研發工作，在高通、華為工作多年，發表論文40多篇，擁有30多項美國專利。