自动驾驶开发如何起步

从安全的路程到愉快的通勤,自动驾驶必将使生活和社会变得更美好。

随着汽车进入自主世界的中心,开发商被赋予创造创新和无缝的解决方案以快速响应市场需求并与市场需求一起增长的任务。 这在车辆和数据中心两方面都要求一些重大的资源。 英特尔已从消费者出发构建了一个生态系统。 利用这些工具,您将能创造——并且重新创造——驾驶的体验。

 

汽车基础

自动驾驶级别

高度自动驾驶 (HAD) — 通过高级驾驶员辅助系统 (ADAS) 支持驾驶员。 这些系统包括导航、安全、安全监测、图像识别和处理,以及传感器数据——数据处理枢纽。

完全自动驾驶 (FAD) — 让驾驶员坐在乘客座位上,完全由内置智能操纵。

 

 

数据中心

单独一辆自动化汽车所产生的数据相当于将近 3,000 人所产生的数据。 对于存储、共享和保护由深度学习算法产生的海量数据,以及使自动车辆不偏离道路,数据中心将是至关重要的。

 

5G 连接性

5G 连接性不单单是原始的速度,而是以千兆位的速度和高带宽提供超低的延迟。 这使得智能和敏捷网络能够将自动车辆所要求的安全关键性设备置于优先地位。

 

人机界面

软件定义的驾驶舱是配备车载信息娱乐 (IVI) 系统的群集显示器的集合。 这一途径将物联网连接的车内和车外的体验,无缝地融入集中式通信、命令及自动符合各个驾驶员要求的控制台。 软件定义驾驶舱正变成一站式商店,用于:

  • 媒体管理
  • 无处不在的可用性和连接性
  • 安全系统和云连接
  • 在驾驶员和车辆之间建立互信的人机界面 (HMI) 设计

车载计算

随着自动车辆的发展,它越来越依赖传感器、数据和处理能力。 一辆汽车每秒钟生成近十亿字节的传感器数据。 英特尔的高能效处理器、现场可编程门阵列 (FGPAs) 和使这一切正常运行的软件的组合,旨在提供高效的每瓦计算性能。

 

自动驾驶的解决方案

创造无交通事故的体验

汽车的学习及通过其环境导航的复杂程度超出处理器的原始能力。 汽车要能感知、学习并作出正确决策,需要深度学习算法及观察其周围环境的方式。

制造安全而自主的车辆,要求:

  1. 用于高级驾驶员辅助系统 (ADAS) 算法的深度学习基础。
  2. 处理海量环境数据的能力。
  3. 感知周围环境的能力。
    • 建立对硬件加速器的访问,以开发计算机视觉共用例程
    • 提供从摄像头收集的推理数据
    • 从视频中提取特征并跟踪这些特征的方法

 

开始开发自动驾驶

英特尔® GO™ 车载软件开发套件(Beta 版)提供丰富的综合性工具套件,为车载和云基数据中心平台构建高性能、高能效的设计。 数据科学家、系统设计师和自主驾驶解决方案的开发人员可使用此 SDK 最大限度地提高硬件性能,优化系统和应用程序,并推进感知传感器和深度学习算法。 该 SDK 包含若干工作流程模块和优化工具,包括用于汽车开发的专门工具。 该 SDK 还可定制,以便开发人员只下载所需部分。

了解更多

注意:该 Beta 版 SDK 目前只提供给已与英特尔协作的自动驾驶客户。 开发人员可请求访问该 SDK。 虽然并非所有工具都向公众提供,但大多数工具都向公众提供并可在需要时单独下载(例如:英特尔® System Studio、英特尔® Distribution for Python、免费的英特尔® 性能库和英特尔® Computer Vision SDK (用于英特尔的深度学习部署工具))。 英特尔还在进行认证工作,使要求函数安全性 (FuSa) 认证的应用程序符合 ISO 26262 标准。¹

车载开发

  • 将车辆与驾驶员连接
  • 加速传感器融合和环境建模
  • 优化性能、调优和调试代码
  • 加速系统成型和验证

自动汽车需要与驾驶舱内的驾驶员互动,并理解从其他传感器收集的数据的意义。 此数据还需要及时高效地处理。 用于车载软件开发的英特尔 GO™ 车载软件开发套件工具有助于创建、调试、分析和调优代码,以及优化系统成型和自动化验证。 开发在车载硬件上运行的代码时,需在基于英特尔® 处理器的工作站(主机)上安装该 SDK 工具。 代码在主机上编译,然后主机连接车载硬件(目标)并将代码安置至其上。

车载开发工作流程内的工具包括:

英特尔® System Studio 2018 Ultimate Edition(Beta 版)—— 帮助用户针对目标嵌入式系统开发、调试和调优代码的综合性工具和库的套件。

  • 多个 SDK 库接力以:
    • 加速数学处理和神经网络例程
    • 凸显用于深度学习的高度调优的函数,并使自主驾驶应用程序开发更顺畅
    • 提供针对英特尔® 硬件优化的用于车辆图像处理、信号处理和数据处理的现成解决方案
  • 测评器和检验器优化内存效率,监测自主车辆中各种各样硬件的性能,提高能源使用,等等。
  • 编译器和调试器帮助提高英特尔® 架构上的性能。

英特尔® 自主驾驶库包括线程化能力、算法和涵盖机器学习、信号处理、线程化、机器人算法、稠密线性代数等的库函数。

数据中心开发

  • 构建可缩放、多节点应用程序,用于管理车队数据并加速
    机器学习
  • 利用数据中心软件
    性能工具提高性能、加速数据处理等

自动车辆生成、消耗并处理海量数据。 您将需要工具来加速及优化数据处理,并连接至数据中心。 该 SDK 的数据中心开发工具包括特定的性能优化库和分析器,以及车载开发中使用的相同工具(不包括系统调试器和功率测评器):

  • 英特尔® Advisor:使用这组分析工具于矢量化优化和线程原型制作。
  • 英特尔® MPI Library:此库用于提高数据中心性能,面向驾驶模拟和处理车辆数据的分布式计算分析。
  • 英特尔® 跟踪分析器和跟踪采集器:此分析工具允许可视化观察数据并测评数据中心的负载平衡。
  • 英特尔® Distribution for Python*:此分发版是提高在基于英特尔架构的数据中心平台上的代码性能的重要组成部分,特别是对自动驾驶模拟。

更多自主驾驶工作流程

英特尔 GO 车载软件开发套件中的其他工作流程和工具加快深度学习、数据标签设置和可视化,并允许全面利用英特尔 FPGA。 这些包括:

  • 英特尔® FPGA SDK for OpenCL™ technology:此工具减轻 FPGA 设计复杂性的抽象化,并用 OpenCL™ C 编写硬件加速的内核函数。
  • 深度学习训练框架:利用流行的训练框架(如英特尔® Distribution of Caffe* 和英特尔 Optimization for TensorFlow*)建立用于分类和处理的模型。
  • 深度学习部署:优化用于在自主车辆上部署的深度学习模型,然后将部署的模型集成至自主驾驶应用程序。
  • 数据标签设置和可视化:在单一的直观显示器上可视化车队的多个数据流,并命名(标签)数据以建立训练和环境建模场景。 标签设置管理器划分标签员团队的工作以在多个标签员之间实现协作标签设置。

探索特性入门

¹路线图通告:此处提供的信息可随时改变而毋需通知。 请联系您的英特尔代表以获取最新英特尔产品规格和路线图。

有关编译器优化的更完整信息,请参阅优化通知