硬件預(yù)埋是自動駕駛趨勢下車企主機廠采取的新模式，即通過在車內(nèi)進行硬件預(yù)埋，后續(xù)汽車只需通過不斷地升級軟件，用戶就可以獲得更好的使用體驗，同時降低主機廠車型上市時間的壓力。硬件預(yù)埋與OTA遠程升級有著必要性的聯(lián)系，說完硬件預(yù)埋，會再聊聊OTA的原理。

在此之前，我們先把硬件預(yù)埋、OTA都擺脫不了的一個話題——車企研發(fā)時的數(shù)據(jù)閉環(huán)是如何實現(xiàn)的？

硬件預(yù)埋與OTA那點事，出門左拐，可以看到船尾之前梳理的內(nèi)容。

言歸正傳，回到本期主題：自動駕駛硬件預(yù)埋之后，車企如何實現(xiàn)數(shù)據(jù)閉環(huán)？

只需5步，實現(xiàn)數(shù)據(jù)閉NI提出數(shù)據(jù)采集/處理5步法，打造數(shù)據(jù)閉環(huán)：

• 道路測試

• 大數(shù)據(jù)管理

• 場景虛擬化

• 數(shù)據(jù)開環(huán)回灌

• 數(shù)據(jù)閉環(huán)

從數(shù)據(jù)采集到數(shù)據(jù)閉環(huán)，就5步

1道路測試——Data Record System AD

道路測試是收集真實場景數(shù)據(jù)的重要來源，無論是車內(nèi)通信還是車路通信，都需要處理大批量的數(shù)據(jù)，自動測試系統(tǒng)中一般需要配備數(shù)據(jù)采集同步和存儲設(shè)備。

自動駕駛汽車到底需要哪些類型的傳感器？

自動駕駛汽車是集感知、決策和控制等功能于一體的自主交通工具，其中，感知系統(tǒng)代替人類駕駛?cè)说囊暋⒙牎⒂|等功能，融合攝像機、雷達等傳感器采集的海量交通環(huán)境數(shù)據(jù)，精確識別各類交通元素，為自動駕駛汽車決策系統(tǒng)提供支撐。

1、攝像頭

攝像頭按視頻采集方式分為：數(shù)字攝像頭和模擬攝像頭兩大類。

車載上一般使用的是數(shù)字攝像頭，它可以將視頻采集設(shè)備產(chǎn)生的模擬視頻信號轉(zhuǎn)換成數(shù)字信號，進而將其儲存在計算機里。

模擬攝像頭只能將捕捉到的視頻信號，經(jīng)過特定的視頻捕捉卡將模擬信號轉(zhuǎn)換成數(shù)字模式，并加以壓縮后才可以轉(zhuǎn)換到計算機上運用。

舉個例子來，我們使用的固定電話就屬于模擬信號，它在通話過程中容易產(chǎn)生噪音（電流聲或聽不清）的情況。而我們的手機為了保持很好的通話質(zhì)量，就將電話的模擬信號進行了數(shù)字化，手機之間的通話質(zhì)量就非常清晰，同樣原理使用數(shù)字攝像頭能有效減少圖像中的噪點和提升成像效果。

一句話概括：模擬視頻信號是在一定的時間范圍內(nèi)可以有無限多個不同的取值。而數(shù)字視頻信號是在模擬信號的基礎(chǔ)上經(jīng)過采樣、量化和編碼而形成的。模擬信號容易產(chǎn)生信號噪音和干擾，已逐步被數(shù)字信號取代。

圖片來源：博世官網(wǎng)

2、雷達

雷達能夠主動探測周邊環(huán)境，比視覺傳感器受外界環(huán)境影響更小，是自動駕駛汽車的重要傳感器之一。雷達通過向目標(biāo)發(fā)射電磁波并接收回波，從而獲取目標(biāo)距離、方位、距離變化率等數(shù)據(jù)。根據(jù)電磁波波段，雷達可細分為激光雷達、毫米波雷達和超聲波雷達等3類。

NI提供的基于PXI平臺的模塊化數(shù)據(jù)采集方案，可以滿足多路攝像頭、車載以太網(wǎng)、CAN/CANFD、GPS等的數(shù)據(jù)采集，還能滿足不斷階段的數(shù)據(jù)采集需求。比如，ADAS域控制器已經(jīng)基本在研發(fā)和迭代的階段，可以通過數(shù)據(jù)旁通采集的方法，將NI測試設(shè)備作為一個中間件，從中間把數(shù)據(jù)采集回來，這樣就不會破壞掉傳感器到ECU的數(shù)據(jù)鏈路。此外，NI的解決方案支持15TB~200TB的數(shù)據(jù)存儲容量。

為了保證采集數(shù)據(jù)的準(zhǔn)確性，用于記錄數(shù)據(jù)的車輛，需要配備滿足其智能駕駛特定等級的傳感器和測量技術(shù)。主要的傳感器類型包括攝像頭、毫米波雷達和激光雷達。系統(tǒng)的核心是融合控制器，它獲取所有傳感器的數(shù)據(jù)并實時計算當(dāng)前環(huán)境模型，然后用于控制驅(qū)動、轉(zhuǎn)向和制動系統(tǒng)。
滿足各種傳感器、ECU和通信數(shù)據(jù)記錄的高性能數(shù)據(jù)采集系統(tǒng)需要專門為連續(xù)運行而設(shè)計，提供高可靠的RAID存儲設(shè)備，可以測量攝像頭、毫米波雷達，激光雷達原始數(shù)據(jù)，具備測試融合控制器，還包括附加的參考攝像頭視頻數(shù)據(jù)以及提供車輛精確位置的慣性導(dǎo)航系統(tǒng)數(shù)據(jù)和車載以太網(wǎng)、CAN、CANFD、FlexRay等眾多總線數(shù)據(jù)。

2大數(shù)據(jù)管理——DIAdem

從流程上說，大數(shù)據(jù)管理分為車隊管理、數(shù)據(jù)中心、終端數(shù)據(jù)使用三部分。從車端向數(shù)據(jù)中心傳輸數(shù)據(jù)的過程中，普遍采用的是數(shù)據(jù)搬移等回傳方式，數(shù)據(jù)量可達到10-100TB/每輛車/每天。反過來，數(shù)據(jù)中心還能對車端實時監(jiān)測，這部分主要是通過車載4G 或者5G網(wǎng)絡(luò)完成。

不同等級階段的車輛，需要采集的數(shù)據(jù)量也呈現(xiàn)幾何級增長。以目前常見的L3階段為例，隨著4K超高清攝像頭、128線激光雷達等傳感器引入，每天8小時數(shù)據(jù)采集系統(tǒng)記錄的數(shù)據(jù)量高達30TB。
采集系統(tǒng)需要提供高帶寬、高容量的數(shù)據(jù)存儲，同時還需要考慮如何將數(shù)據(jù)簡便的方式將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心。比如通過專門的數(shù)據(jù)上傳機將數(shù)據(jù)傳輸?shù)饺萘繛镻B級別的數(shù)據(jù)中心。

除了這些基于云的工具之外，這里再強調(diào)一個數(shù)據(jù)挖掘神器——DIAdem。它可以部署在云端，針對路試數(shù)據(jù)、多源的數(shù)據(jù)圖像、點云的以及一些總線的數(shù)據(jù)實現(xiàn)相應(yīng)的數(shù)據(jù)可視化和數(shù)據(jù)挖掘的工作。DIAdem可提供200+數(shù)據(jù)插件，兼容多種類型的測試廠商的數(shù)據(jù)格式，比如說ASC， MDF4、TTL、MAT 等。

3場景虛擬化——monoDrive

通過道路試驗采集數(shù)據(jù)之后，就要對數(shù)據(jù)進行清洗分類、場景選擇，最后將真實道路試驗和虛擬仿真試驗結(jié)合在一起。monoDrive就是這樣的工具，可以實現(xiàn)高保真的傳感器物理建模，場景語義分割，同時還支持云仿真的功能，可以把大量的測試用例，部署到云上面，來加速仿真的進度。monoDrive的另外一個重要優(yōu)勢是realto virtual場景自動生成的擴展功能。

值得一提的是，在場景重建或者是傳感器建模的過程中，NI可以把真實的傳感器數(shù)據(jù)跟虛擬的傳感器數(shù)據(jù)做相應(yīng)的標(biāo)注。

實車數(shù)據(jù)轉(zhuǎn)化為仿真場景的工具，基于大量實車數(shù)據(jù)積累，實現(xiàn)數(shù)據(jù)驅(qū)動的研發(fā)模式。

▲ ??采集場景轉(zhuǎn)換效果

工具鏈支持將巨量動態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)排列組合，解決了案例設(shè)計跟實際情況偏差較大的問題，讓自動駕駛的模擬仿真更貼近真實世界。

▲ ??語義場景轉(zhuǎn)換工具鏈

4數(shù)據(jù)開環(huán)回灌——基于PXI平臺的系統(tǒng)架構(gòu)

這個步驟要做的是把原始數(shù)據(jù)回灌到ADAS感知軟件中，一部分是直接回灌到software stack 去做一些軟件回灌，主要是針對一些模型的測試部分。還有一部分是直接回灌到真實的ECU，這可以更真實地復(fù)現(xiàn)我們在路試過程中去發(fā)現(xiàn)的一些情況。

NI系統(tǒng)架構(gòu)的組成：用戶數(shù)據(jù)中心、基于Linux 平臺的Replay PC、NI PXI 平臺

為了形成一個數(shù)據(jù)閉環(huán)，充分利用原始數(shù)據(jù)的價值，越來越多的車企都在構(gòu)建這樣的一個集群式數(shù)據(jù)回灌系統(tǒng)。很多車企在定義AEB功能的時候，通常他們會要求AEB 功能是10萬公里或者 20萬公里不能產(chǎn)生誤觸發(fā)。

舉一個例子——

假如在路試的過程中跑了8萬公里，突然產(chǎn)生了一次誤觸發(fā)，這個時候就要回去修改相應(yīng)的軟件。修改軟件之后，是否還需要再重新跑一個10 萬公里呢？顯然重頭來做會浪費大量的額時間和經(jīng)歷。

面對這樣的挑戰(zhàn)，有什么有效的方法呢？

王帥解釋道：“如果在第一次路試時候跑到8萬公里發(fā)生了問題，但是能保證前面的里程的數(shù)據(jù)都被記錄下來了。那么一旦發(fā)現(xiàn)了問題之后，我們?nèi)サ薷能浖?。修改軟件之后，我們就利用原來采集的原始?shù)據(jù)去做一個回歸測試，測試一下軟件修改之后在原來的這些數(shù)據(jù)上面能不能正常的運行。這就減少了我們在路試上的投入，從而加快開發(fā)速度?！?

5閉環(huán)測試——SIL和HIL

閉環(huán)測試通常包括軟件在環(huán)（SIL）和硬件在環(huán)（HIL）。在軟件在環(huán)這塊，NI的方案是利用monoDrive平臺提供一個可以實現(xiàn)在云上批量部署的環(huán)境。在硬件在環(huán)這塊，NI的方案是利用PXI平臺，同時利用NI在攝像頭、車載總線，及數(shù)據(jù)同步等方面的優(yōu)勢實現(xiàn)多種類型傳感器的帶有數(shù)據(jù)注入功能的閉環(huán)系統(tǒng)。