边缘计算在自动驾驶中的应用场景丨边缘计算阅读周

#边缘计算阅读周# 

读书的人，有梦可做。

边缘计算社区联合6大出版社邀您一起阅读，一起做追梦人。

今天推荐的书是电子工业出版社 博文视点推出的边缘计算佳作《边缘计算 方法与工程实践》，这本书张骏老师主编，几位作者都是英特尔背景，这本书以工程实践为导向，详细阐述和分析了边缘计算的整体技术细节。对边缘计算的概念、原理、基础架构、软件架构、安全管理等方面都进行了深入剖析，并对业界的发展现状进行了全面介绍。

以下为书里的边缘计算与自动驾驶部分篇章，阅读一下，文末有惊喜。

自动驾驶

自动驾驶是新一轮科技革命背景下的新兴技术，集中运用了现代传感、信息与通信、自动控制、计算机和人工智能等技术，代表着未来汽车技术的方向，也是汽车产业转型升级的关键，是目前世界公认的汽车发展方向。据麦肯锡预测，2030年售出的新车中，自动驾驶汽车的比例将达到15%。

其实早在20世纪80年代，在美国国防部先进研究项目局的支持下，自动驾驶技术的研究热潮就已经掀起。1984 年，卡耐基梅隆大学研发了全世界第一辆真正意义上的自动驾驶车辆，该车辆利用激光雷达、计算机视觉及自动控制技术完成对周边环境的感知，并据此做出决策自动控制车辆，在特定道路环境下最高时速大约31km/h。

2014年，国际汽车工程师协会（SAE International）制订了一套自动驾驶汽车分级标准， 将汽车智能化水平分成 6 个等级：无自动化、驾驶支援、部分自动化、有条件自动化、高度自动化、完全自动化，具体定义如图 5-7 所示。

0

1

边缘计算在自动驾驶中的应用场景

汽车自动驾驶具有“智慧”和“能力”两层含义。所谓“智慧”是指汽车能够像人一样智能地感知、综合、判断、推理、决断和记忆；所谓“能力”是指自动驾驶汽车能够确保“智慧” 有效执行，可以实施主动控制，并能够进行人机交互与协同。自动驾驶是“智慧”和“能力” 的有机结合，二者相辅相成，缺一不可。

为实现“智慧”和“能力”，自动驾驶技术一般包括环境感知、决策规划和车辆控制三部分。类似于人类驾驶员在驾驶过程中，通过视觉、听觉、触觉等感官系统感知行驶环境和车辆状态，自动驾驶系统通过配置内部和外部传感器获取自身状态及周边环境信息。内部传感器主要包括车辆速度传感器、加速传感器、轮速传感器、横摆角速度传感器等。主流的外部传感器包括摄像头、激光雷达、毫米波雷达及定位系统等，这些传感器可以提供海量的全方位行驶环境信息。为有效利用这些传感器信息，需要利用传感器融合技术将多种传感器在空间和时间上的独立信息、互补信息以及冗余信息按照某种准则组合起来，从而提供对环境的准确理解。决策规划子系统代表了自动驾驶技术的认知层，包括决策和规划两个方面。

决策体系定义了各部分之间的相互关系和功能分配，决定了车辆的安全行驶模式 ；规划部分用以生成安全、实时的无碰撞轨迹。车辆控制子系统用以实现车辆的纵向车距、车速控制和横向车辆位置控制等，是车辆智能化的最终执行机构。环境感知和决策规划对应自动驾驶系统的“智慧”，而车辆控制则体现了其“能力”。

为了实现 L4 级或L5 级的自动驾驶，仅仅实现单车的“智慧”是不够的。如图 5-8 所示，需要通过车联网 V2X 实现车辆与道路以及交通数据的全面感知，获取比单车的内外部传感器更多的信息，增强对非视距范围内环境的感知，并通过高清3D动态地图实时共享自动驾驶的位置。例如在雨雪、大雾等恶劣天气下，或在交叉路口、拐弯等场景下，雷达和摄像头无法清晰辨别前方障碍，通过V2X来获取道路、行车等实时数据，可以实现智能预测路况，避免意外事故的发生。

随着自动驾驶等级的提升，并且配备的车内和车外高级传感器更多，一辆自动驾驶汽车每天可以产生高达大约 25TB 的原始数据。这些原始数据需要在本地进行实时的处理、融合、特征提取，包括基于深度学习的目标检测和跟踪等高级分析；同时需要利用 V2X 提升对环境、道路和其他车辆的感知能力，通过 3D 高清地图进行实时建模和定位、路径规划和选择、驾驶策略调整，进而安全地控制车辆。由于这些计算任务都需要在车内终结来保证处理和响应的实时性，因此需要性能强大可靠的边缘计算平台来执行。考虑到计算任务的差异性，为了提高执行效率并降低功耗和成本，一般需要支持异构的计算平台。

1．自动驾驶的发展现状</