2020-12-18
导读：该工作《Computing Systems for Autonomous Driving: State-of-the-Art and Challenges》于2020年11月已经被IEEE Internet of Things Journal (IoTJ)接收，文章主要讨论了自动驾驶计算系统的参考架构，性能指标，关键技术，以及挑战和机遇。
1 背景
近年来，随着传感器，计算机视觉，机器学习，加速硬件，无线通信等技术的发展，自动驾驶汽车迎来新的机遇。为了实现自动驾驶，车载计算系统需要及时地完成感知环境，预测，路径规划等操作。然而，受限于算法和系统的可靠性，现有自动驾驶汽车的计算系统无法应对复杂的交通环境。在自动驾驶发展的早期，感知技术的不足导致了多起车祸致死事故的发生（表 1）。如何提高计算系统的可靠性，成为了自动驾驶成功部署的关键。
2 计算系统参考架构
在自动驾驶的发展中，计算系统往往采用模块化的设计。基于模块化的设计，本文提出了面向自动驾驶level 4/5 的系统系统参考架构，将计算系统分解成为九大模块：传感器，操作系统，中间件系统，应用，车载计算，车载通信，存储，安全和隐私，和功耗管理。
3 性能指标
为了衡量自动驾驶的计算系统，本文讨论了以下七个性能指标：
· 准确性
· 及时性
· 功耗
· 成本
· 可靠性
· 隐私性
· 安全性
4 关键技术
自动驾驶汽车的计算系统帮助它感知驾驶环境，并且最终安全及时地控制车的行驶，这其中的关键技术包括：
· 传感器
· 数据集和基准
· 自动驾驶应用：物体检测，车道线识别，定位与建图，预测和路径规划，控制
· 计算硬件
· 存储
· 实时操作系统
· 中间件系统
· 车载通信
· 安全和隐私
5 挑战和机遇
通过对自动驾驶的关键技术的讨论，我们发现了现有自动驾驶计算平台的一些挑战：
· 人工智能在自动驾驶中的应用
· 多传感器数据融合
· 故障检测和诊断
· 如何应对Normal-Abnormal场景
· 网络攻击防护
· 车载操作系统
· 能耗
· 成本
· 如何利用智能交通设施
· 如何与驾驶员交互
· 实验平台
· 如何与实际场景耦合
6 总结
设计高效可靠的计算系统是实现自动驾驶的关键。本文提出了基于模块化设计的计算系统参考架构，将自动驾驶汽车计算系统分为九个模块，并总结了七个关键性能指标。通过对这九大模块中涉及到的关键技术的现状分析，我们总结出了对现有自动驾驶系统系统的十二个挑战和机遇，希望本文能对自动驾驶从业人员有所帮助。
（转载自The CAR Lab）
