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

车辆感知交通信号灯和行人

插图显示驾驶员的双手脱离方向盘自动驾驶级别

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。

 

 

>云数据中心

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 5G

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。

 

眼睛 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

 

硬件车载计算

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系列和现场可编程门阵列 (FGPAs) 组合旨在提供高效的每瓦计算机性能。

 


 

自动驾驶的解决方案

 

车辆感知处于盲点的交通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、学习和作出正确决策,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。
    • ​​公共计算机视觉例程中开发的权限
    • 从摄像头收集的数据中提供推理
    • 从视频中提取特征并跟踪这些特征的方法
英特尔® Deep Learning SDK
在这些框架的帮助下解决算法和数据问题:

   •  英特尔® Distribution for Caffe* — 用于图像识别的流行社区应用程序。 (GitHub*)

   •  英特尔® Software Optimization for Theano* — 用于模型编写和训练的 Python* 库。 (GitHub)

获取 SDK
英特尔® Computer Vision SDK 用于视觉特定问题。

注册预览

 

显示算法编码的计算机屏幕征服数据高山

自动车辆生成、消耗及处理海量数据。 我们需要加速和优化数据处理的工具。

 

英特尔® Data Analytics Acceleration Library(英特尔® DAAL) — 用于提高机器学习的性能,特别适用于来自汽车控制器区域网络 (CAN) 的时间序列数据。

英特尔® MPI Library — 这个库提供分布式计算(多节点)分析学,用于在自动驾驶数据中心模拟性能提高。

这些工具捆绑在英特尔® Parallel Studio XE 中。

 

编码分析车辆前方的距离、刹车灯等的图像。快速而方便地嵌入代码

自动车辆中的设备(包括驾驶舱中和后备箱中的设备)要求简单而可扩展的编程方法。 通过使用现场可编程逻辑门阵列 (FPGA),可以:

  • 充分利用一个 OpenCL™ 应用程序,该程序能够一步执行内核代码优化并产生整个 FPGA 映像
  • 使用一个评测器,显示内核中的性能机会,以及详尽的性能报告
  • 运行模拟器,迅速而方便地调试内核功能

 

繁忙的数据中心,许多屏幕显示交通状况消除瓶颈和效率低下 

大量设备创造了使自动车辆进入日常生活的生态系统。 许多组件共同运行的复杂性造成了数据瓶颈的现实,特别是在连接至远程数据中心时。

 

大量设备创造了使自动车辆进入日常生活的生态系统。 许多组件共同运行的复杂性造成了数据瓶颈的现实,特别是在连接至远程数据中心时。

 

加速和测评工具

英特尔® 跟踪分析器和跟踪采集器 — 一个图形工具,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* — 用于编码自动数据中心的性能提高。

这些工具捆绑在英特尔® Parallel Studio XE 中。

英特尔® 数学核心函数库— 加速数学处理和神经网络例程,以提高车辆计算性能。

英特尔® VTune™ 放大器— 提供更多测评工具,例如监测自动汽车中所有处理器的性能,以及调节 OpenCL™ 应用程序和 GPU 的强大工具。

这些工具捆绑在英特尔® System Studio 2017 中。

 

未来车辆仪表板的视图将车辆与驾驶员连接

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。 此数据需要及时高效地处理。

 

英特尔® 集成性能原件— 一套高质量、可立即投入生产的低层次构建模块。 这些模块是满足自动车辆的图像处理、信号处理和数据处理需要的现成解决方案。

这些工具捆绑在英特尔® System Studio 2017 中。

 



未来及更远

我们正利用强大而快速的开发人员工具,将自动车辆的愿景提升到更高层次。
 

英特尔® GO™ Automotive Software Development Kit (SDK) 技术预览

此套件将现有的工具整合在一起,并用最新的自动驾驶技术扩展工具箱。 第一版中包括:

  • 全新的英特尔® Computer Vision SDK
  • 集成英特尔® Deep Learning SDK
  • 传感器数据标签工具

注册

 

 

有关编译器优化的更完整信息,请参阅优化通知