2022年ADAS行业发展现状及技术要求研究.docx
《2022年ADAS行业发展现状及技术要求研究.docx》由会员分享,可在线阅读,更多相关《2022年ADAS行业发展现状及技术要求研究.docx(11页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、2022年ADAS行业发展现状及技术要求研究1.EEA架构逐渐走向域集中,域控制器应运而生单车ECU数量激增,无法满足汽车智能化的需求。1980年代开始,以机械为主宰的汽车行业内掀起一场电子电气化革命,电子控制单元(ElectronicControlUnit,ECU)占领了整个汽车,此时的汽车电子电气架构都是分布式的,各个ECU都通过CA(NControllerAreaNetwork,控制器域网络)或LIN(LocalInterconnectNetwork,局部互联网络)总线连接在一起,通过工程师预设好的通信协议交换信息。在传统的EEA架构下,ECU是系统的核心,智能功能的升级依赖于ECU数量
2、的累加。原有智能化升级方式面临研发和生产成本剧增、安全性降低、算力不足等问题,传统分布式架构亟需升级,传统EEA架构主要面临以下问题:(1)控制器数量过多:各级别汽车ECU数量都在逐年递增,每台汽车搭载的ECU平均25个,一些高端车型通常会超过100个;(2)线束布置过于复杂:ECU数量越多,总线数量必将更长,2000年奔驰S级轿车的电子系统已经拥有80个ECU,1,900条总长达4km的通信总线。2007年奥迪Q7和保时捷卡宴的总线长度突破6km,重量超过70kg,基本成为位列发动机之后的全车第二重部件;(3)“跨域”信号传输需求增加:智能驾驶需要大量的“跨域”信号传输,环境传感器(雷达,视
3、频和激光雷达)产生了大量数据传输的需求,这也对传统分散式ECU基础架构提出了挑战。为适应智能化需求,催生出以DCU为主的域集中架构。为了控制总线长度、降低ECU数量,从而降低电子部件重量、降低整车制造成本,将分散的控制器按照功能域划分、集成为运算能力更强的域控制器(DomainControlUnit,DCU)的想法应运而生。博世用三类EEA架构共六个阶段来展示架构演进方向:分布式(模块化、集成化)、域集中式(集中化、域融合)、集中式(车载电脑、车-云计算)。2.成本拆解:高性能SoC主芯片占整体域控制器的主要成本当前市面上最为成熟的域控制器为特斯拉19年推出的HW3.0,特斯拉首次推出其自研的
4、FSD芯片,通过以太网总线的方式承载数据输入与以太网交换的功能,其成本整体较为透明,通过拆解其BOM成本,梳理高阶自动驾驶域控制器的成本分布。预计HW3.0板上全部芯片的成本约在5000元左右,外加车规级接插件、以太网连接器以及PCB等外围硬件,整块板子的硬件成本大约在7500-8500人民币之间。其中,主控SoC芯片约占总芯片成本的61%左右,占整体硬件成本的20%左右。特斯拉HW3.0的主板上共搭载了两块的自研芯片,双芯片的目的是作为安全冗余,互相对照,每块芯片可以独立运算。每块芯片周围有四块镁光DRAM内存,每块芯片分别配有一块东芝闪存芯片,用于承载操作系统和深度学习模型。主板的右侧是视
5、频输出接口,从上到下依次是FOV摄像头、环视摄像头、A柱左右摄像头、B柱左右摄像头、前视主摄像头、车内DMS摄像头、后摄像头、GPS同轴天线;左侧是电源接口和其他另外的输入/输出接口,从上到下依次是第二供电和I/O接口(车身LIN网络等),以太网诊断进/出、调试USB、烧录、主供电和I/O(底盘CAN网络等)。3.迭代路线:控制节点不断收缩,带动ADAS系统架构持续迭代随着EEA架构走向集中,ADAS系统架构控制节点也在不断收缩。L0-L2级分布式系统方案,主要由前向ADAS系统、侧后ADAS系统、自动泊车系统、全景环视系统四个控制节点组成。以智能前视摄像头将镜头模组、计算平台主板整合在一起,
6、ECU主板内含2个芯片,采用安全核(SafetyCore)和性能核(PerformanceCore)的芯片组合架构案:安全核对安全等级要求高,计算要求不强烈,一般选用MCU,如英飞凌TC297/397等,而性能核在成本考量下,允许功能安全等级低,但是要承担大量运算,满足控制器对性能的要求,一般选用高性能SoC为主,比如Mobileye的EyeQ4、EyeQ5以及英伟达Xaiver等。而对于L2+级域集中式方案,控制节点开始收缩,前向ADAS系统与侧后ADAS系统由行车控制器实现,自动泊车系统和全景环视系统由泊车ECU实现,目前仍处于行车与泊车分离的阶段,而对于高阶的方案,行车与泊车合二为一,出
7、现行泊一体的域控制器作为统一的控制节点来实现所有的ADAS功能。4.技术要求:面向高阶自动驾驶,异构多核硬件架构成为趋势车载计算平台需采用异构多核芯片硬件架构。自动驾驶的域控制器,要具备多传感器融合、定位、路径规划、决策控制、无线通讯、高速通讯的能力。通常需要外接多个摄像头、毫米波雷达、激光雷达,以及IMU等设备,完成的功能包含图像识别、数据处理等。面向L3及以上高阶自动驾驶,单一芯片无法满足诸多接口和算力需求,计算基础平台需采用异构芯片的硬件方案,具有芯片选型灵活、可配置拓展、算力可堆砌等优点。计算平台的异构分布硬件架构主要包括CPU计算单元、AI单元和控制单元。(1)CPU计算单元:由车规
8、级多个多核CPU组成,大多为ARM架构,单核主频高,计算能力强,擅长处理高精度浮点数串行计算,通过内核系统管理软硬件资源、完成任务调度,用于执行自动驾驶相关大部分核心算法,同时整合多源数据完成路径规划、决策控制等功能。(2)AI单元:AI单元是整个异构硬件平台中算力的最主要来源,承担大规模浮点数并行计算需求,主流的AI芯片可选用GPU、FPGA、ASIC三种等。通常内核系统进行加速引擎及其他芯片资源的分配、调度。AI单元实现对多传感器的数据高效处理与融合,获取用于规划及决策的关键信息。(3)控制单元:负责可靠性和车辆控制,功能安全和冗余监控作用,不要求很高的算力,但是可靠性必须要有保障。基于传
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022 ADAS 行业 发展 现状 技术 要求 研究
限制150内