CN108845577A - 一种嵌入式自动驾驶控制器及其安全监控方法 - Google Patents
一种嵌入式自动驾驶控制器及其安全监控方法 Download PDFInfo
- Publication number
- CN108845577A CN108845577A CN201810767453.5A CN201810767453A CN108845577A CN 108845577 A CN108845577 A CN 108845577A CN 201810767453 A CN201810767453 A CN 201810767453A CN 108845577 A CN108845577 A CN 108845577A
- Authority
- CN
- China
- Prior art keywords
- module
- connect
- fpga
- processor
- communication module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 133
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000001681 protective effect Effects 0.000 claims abstract description 22
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 101150008604 CAN1 gene Proteins 0.000 claims description 3
- 101150063504 CAN2 gene Proteins 0.000 claims description 3
- 101100058989 Candida albicans (strain SC5314 / ATCC MYA-2876) CAN3 gene Proteins 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 6
- 239000000306 component Substances 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000010391 action planning Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Acoustics & Sound (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
一种嵌入式自动驾驶控制器及其安全监控方法，控制器包括GPS模块、V2X模块、摄像头信号处理模块、Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源保护模块、电源管理模块、DCDC模块、运动处理模块、MCU、FPGA_A处理器、FPGA_B处理器和CPU。安全监控方法包括：MCU、FPGA_A处理器、CPU初始化配置；MCU、FPGA_A处理器、CPU自检测试；周期控制任务；周期测试任务。提高了自动驾驶***运行的安全性与可靠性。
Description
技术领域
本发明涉及一种控制器，更具体地说涉及一种嵌入式自动驾驶控制器及其安全监控方法，属于汽车自动驾驶和嵌入式控制器技术领域。
背景技术
目前，自动驾驶技术发展很快，国内外各大主机厂纷纷投入大量的人力和物力，对该技术进行深度研究并投入应用，SAE L3级别和SAE L4级别的各种Demo车型相继发布；其中自动驾驶控制器是自动驾驶***的大脑，其起着关键的作用。
由于核心部件高性能芯片的制约，自动驾驶控制器主要存在如下几种方案：1、英特尔采用Mobileye + Altera + Movidius方案，包括Mobileye的EyeQ系列芯片(ASIC)、Altera的FPGA芯片、Movidius的视觉处理单元VPU，以及英特尔的CPU处理器；当前主要应用于宝马和奥迪车型。2、英伟达采用GPU+CPU方案，其GPU图像处理器有自己专用的内存和专用的指令以完成深度神经网诺的加速，当前主要应用于特斯拉和福特等车型。3、工控机方案，同样采用GPU+CPU架构，每台车至少需要使用两台工控机。但是，以上方案分别存有不同问题：英特尔方案的Mobileye和Movidius采用专用的ASIC芯片技术，其对专用的算法进行了优化，但其价格昂贵，且应用不灵活；英伟达方案的GPU并行运算能力卓越，但功耗过高，不利于整车降功耗，同时其价格昂贵；工控机方案价格优势明显，能满足自动驾驶的功能要求，但其主要针对工业应用，其接口及性能均不能满足车规级标准。
发明内容
本发明针对现有自动驾驶控制器存在的上述问题，提供一种嵌入式自动驾驶控制器及其安全监控方法。
为实现上述目的，本发明的技术解决方案是：一种嵌入式自动驾驶控制器，包括GPS模块、V2X模块、摄像头信号处理模块、Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源保护模块、电源管理模块、DCDC模块、运动处理模块、MCU、FPGA_A处理器、FPGA_B处理器和CPU；所述的GPS模块和V2X模块均与GSP和V2X二合一天线连接，所述的摄像头信号处理模块与摄像头连接，所述的Flexray通信模块1与激光雷达连接，所述的Flexray通信模块2与人机交互***连接，所述的Flexray通信模块3与标定诊断工具连接，所述的CAN通信模块1分别与视觉模块、毫米波雷达和超声波雷达连接，所述的CAN通信模块2与VCU连接，所述的CAN通信模块3与高精度地图传感器连接，所述的模拟信号处理模块与模拟量部件连接，所述的开关信号处理模块与数字量部件连接，所述的驱动及保护模块与负载连接，所述的电源保护模块与供电电源连接，且电源保护模块与DCDC模块连接，所述的DCDC模块与供电电压连接，且DCDC模块与电源管理模块连接；所述的Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源管理模块、运动处理模块分别与MCU连接；所述的GPS模块、V2X模块、摄像头信号处理模块和MCU分别与FPGA_A处理器连接，所述的MCU、FPGA_A处理器分别与FPGA_B处理器连接，所述的MCU、FPGA_A处理器、FPGA_B处理器分别与CPU连接。
所述的GPS模块和V2X模块分别通过SMA接口与GSP和V2X二合一天线连接。
所述的摄像头信号处理模块通过GMSL接口与摄像头连接。
所述的Flexray通信模块1通过Flexray1通信接口与激光雷达连接，所述的Flexray通信模块2通过Flexray2通信接口与人机交互***连接，所述的Flexray通信模块3通过Flexray3通信接口与标定诊断工具连接。
所述的CAN通信模块1通过CAN1通信接口分别与视觉模块、毫米波雷达和超声波雷达连接，所述的CAN通信模块2通过CAN2通信接口与VCU连接，所述的CAN通信模块3通过CAN3通信接口与高精度地图传感器连接。
一种嵌入式自动驾驶控制器的安全监控方法，包括以下步骤：步骤一，自动驾驶控制器上电，MCU、FPGA_A处理器、CPU各模块进行初始化配置，初始化结束后判断各模块初始化的状态，若各模块配置在正常工作时的状态，则进行步骤二，若有初始化失败的模块，则报出模块故障代码，进入故障模式；步骤二，MCU、FPGA_A处理器、CPU各模块进行自检测试，通过则继续运行进入步骤三，若测试不通过则记录不通过的模块错误代码，并报出模块故障代码，进入故障模式；步骤三，周期控制任务：在MCU中实现CAN总线监控、Flexray总线监控、运动处理监控、模拟信号和开关信号监控和电源监控，在FPGA_A处理器中实现GPS信号监控、V2X信号监控和摄像头的图像和视频信号监控和深度学习算法的监控，在CPU中实现无人驾驶操作***、决策策略监控和执行器控制算法监控，若***正常则进入步骤四，若***有故障，则报出故障代码，进入故障模式；步骤四，周期测试任务：同时在MCU、FPGA_A处理器、CPU和FPGA_B处理器中进行周期测试任务。
所述步骤四中的周期测试任务具体包括下面的步骤：步骤S11，首先对MCU、FPGA_A处理器、CPU各模块的配置文件进行检测，测试各模块的配置是否被非法改动，是否与正常配置一致，如异常则进入故障模式，如正常则进化下面的步骤S12；步骤S12，向FPGA_B处理器发送特定的测试任务， FPGA_B处理器收到任务后，按照预定的算法计算出测试结果反馈给MCU、FPGA_A处理器、CPU，这些测试任务根据实际的需要增加或者减少；步骤S13，MCU、FPGA_A处理器、CPU分别将自身运行的结果与反馈结果进行比较，以此来判断MCU、FPGA_A处理器、CPU的工作是否正常，若测试结果通过，则***进入周期运行模式，循环的运行***周期控制任务和周期测试任务；若测试不通过，则报出故障代码，同时***进入故障模式。
与现有技术相比较，本发明的有益效果是：
1、本发明中控制器采用CPU+FPGA的技术方案，在感知算法和决策不断发展需要处理器不断更新的情况下，FPGA具有硬件可升级、可迭代的优势；且FPAG硬件配置灵活，相比相同性能水平的硬件***功耗更低，十分适合感知计算。
2、本发明中控制器硬件平台设计丰富的传感器接口，符合车规级要求，以满足不同的成本和功能需求。
3、本发明中控制器采用硬件级和软件级的两级安全监控，及时发现故障并处理，故障诊断全面，覆盖率高，大大提高了自动驾驶***运行的安全性与可靠性，最终使控制器满足ISO26262定义的ASIL D安全标准。
附图说明
图1是本发明中控制器结构框图。
图2是本发明中控制器安全监控算法流程图。
图3是本发明中控制器安全测试流程图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一：
参见图1，一种嵌入式自动驾驶控制器，包括GPS模块、V2X模块、摄像头信号处理模块、Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源保护模块、电源管理模块、DCDC模块、运动处理模块、MCU、FPGA_A处理器、FPGA_B处理器和CPU。
参见图1，所述的GPS模块和V2X模块均与GSP和V2X二合一天线连接，所述的摄像头信号处理模块与摄像头连接，所述的Flexray通信模块1与激光雷达连接，所述的Flexray通信模块2与人机交互***连接，所述的Flexray通信模块3与标定诊断工具连接，所述的CAN通信模块1分别与视觉模块、毫米波雷达和超声波雷达连接，所述的CAN通信模块2与VCU连接，所述的CAN通信模块3与高精度地图传感器连接，所述的模拟信号处理模块与模拟量部件连接，所述的开关信号处理模块与数字量部件连接，所述的驱动及保护模块与负载连接，所述的电源保护模块与供电电源连接，且电源保护模块与DCDC模块连接，所述的DCDC模块与供电电压连接，且DCDC模块与电源管理模块连接。
参见图1，所述的Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源管理模块、运动处理模块分别与MCU连接；
参见图1，所述的GPS模块、V2X模块、摄像头信号处理模块和MCU分别与FPGA_A处理器连接，所述的MCU、FPGA_A处理器分别与FPGA_B处理器连接，所述的MCU、FPGA_A处理器、FPGA_B处理器分别与CPU连接。
参见图1，所述的GPS模块、V2X模块、摄像头信号处理模块、Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源保护模块、DCDC模块、运动处理模块通过连接器与外部连接，连接器包括SMA接口连接器、GMSL接口连接器和56PIN汽车连接器，具体连接如下：
SMA接口连接器包括2路SMA接口，所述的GPS模块和V2X模块分别通过SMA接口与GSP和V2X二合一天线连接；分别传送GSP信号和V2X信号，其中V2X接口支持4G和5G信号的传输。
GMSL接口连接器包括8路GMSL接口，支持8路不低于30帧/秒的图像输入和处理。所述的摄像头信号处理模块通过GMSL接口与摄像头连接。
所述的56PIN汽车连接器包括3路Flexray通信接口、4路CAN通信接口、6路模拟信号接口、6路数字信号接口、3路负载驱动接口、2路电源接口和2路电源输出接口。
3路Flexray通信接口分别用于：Flexray通信模块1通过Flexray1通信接口与激光雷达连接，所述的Flexray通信模块2通过Flexray2通信接口与人机交互***连接，所述的Flexray通信模块3通过Flexray3通信接口与标定诊断工具连接。该3路Flexray通信接口通信速率不低于10Mbps，并且可以进行同步（实时）和异步的数据传输，来满足车辆中各种***的需求。
4路CAN通信接口分别用于：所述的CAN通信模块1通过CAN1通信接口分别与视觉模块、毫米波雷达和超声波雷达连接，其通信速率不低于1Mbps；所述的CAN通信模块2通过CAN2通信接口与VCU连接，即与整车其他部件之间的通信，通信速率不低于500Kbps；所述的CAN通信模块3通过CAN3通信接口与高精度地图传感器连接，通信速率不低于1Mbps；CAN4通信接口为预留的通信接口，方便后续功能扩展用。
6路模拟信号接口，为预留的模拟量信号输入接口，支持0～10V模拟信号输入。6路数字信号接口，用于驾驶模式开关、紧急开发等其他开关信号输入，支持高有效和低有效开关信号，信号模式可配置。3路负载驱动接口，用于继电器驱动、指示灯驱动等，均为高端驱动，驱动电流不小于1A。2路电源接口包括ACC电源和T15电源，接口支持9V～36V的供电电源。2路电源输出接口，用于为外部传感器提供供电电源，可提供2种供电电压，5V和10V，供电电流不小于1A，***默认为5V输出。
参见图1，所述的GPS模块是将GSP天线接收到的信号进行调制、解码和RTK位置差分等运算，最终输出10cm精度内的定位，数据更新频率为10HZ；GPS模块通过SPI通信与FPGA_A处理器连接，即该模块通过SPI通信与FPGA_A处理器进行数据交互。另外，在GPS稳定的情况下，该模块支持内置GPS天线，可以减少本控制器外部的GPS天线接口。
参见图1，所述的V2X模块作为一个超级传感器，提供比其他车载传感器都高的多的感知能力、信息处理能力和可靠性。所述的V2X模块将V2X信号进行调制、解码等处理，获取云端数据、车辆周围的其他车辆信息、道路信息和行人信息；实现云平台离线计算及存储功能、车车通信（V2V）功能、车路通信（V2I）功能和车人通信（V2P）功能； 该模块通过SPI接口与FPGA_A处理器进行数据交互，数据传输速率不低于5G/s。另外，该模块支持内置V2X天线，可以减少本控制器外部的V2X天线接口。
参见图1，所述的摄像图信号处理模块接收并同步来自8个摄像头的视频信号，模块内集成解串器和FPGA模块，自动生成摄像头同步信号、并将多个传感器的图像数据对准到同一像素，实现图像和视频信号的预处理；同时自带诊断功能，最终通过CSI接口将信息传送给FPGA_A处理器。
参见图1，所述的Flexray通信模块1、Flexray通信模块2、Flexray通信模块3实现Flexray总线信号收、发器功能，模块采用TDMA(静态分时复用)和FTDMA(动态分时复用)两种周期通信方法，Flexray协议确保将信息延时和抖动降至最低，尽可能保持传输的同步于可预设；通过Flexray通信接口与MCU进行数据交互。
参见图1，所述的CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4实现CAN总线的收发器功能，通过CAN通信接口与MCU进行数据交互。
参见图1，所述的模拟信号处理模块采用一阶有源滤波器，提高输入阻抗，以实现阻抗匹配，提高信号的稳定性， 通过ADC接口将信号传送给MCU。
参见图1，所述的开关信号处理模块采用带光耦隔离的集成电路，以减少开关信号对本控制器的EMC干扰， 将本控制器外部的高、低电平转换MCU可接收的电平；通过DIO接口将信号传送给MCU。
参见图1，所述的驱动及保护模块采用预驱动+MOS管方案，通过对MOS管的匹配实现不同的驱动功率；同时，预驱动模块将MOS的状态信息反馈给MCU进行诊断和保护。
参见图1，所述的电源保护模块通过分立元器件实现输入电源的反接、短路、过流、过压等保护功能，同时将正常工作范围内电压输送给DCDC模块。
参见图1，所述的DCDC模块是将供电电压转换成本控制器内部和外部所需的电压，为本控制器内部模块供电，以及为外部部件提供稳定的供电电源，该模块的上电、断电时序、电压输出大小等可以通过电源管理模块进行控制和配置。
参见图1，所述的电源管理模块由于监控DCDC电压转换模块，同时将监控信息反馈给MCU，协助MCU实现***电源管理，保证***内部和外部的稳定和可靠供电。
参见图1，所述的运动处理模块采用内置惯性测量单IMU，通过其内部的陀螺仪和加速计等惯性器件，提供整车的加速度、姿态和航向信息；其陀螺仪偏差小于0.75度/小时和加速度计偏差小于1mg，数据更新频率200HZ，解算后的数据通过SPI结果传送给MCU，最终配合GPS模块实现车辆的高精度定位。因此通过运动处理模块和GPS模块的内置和软件解算，可替代昂贵的外部组合惯导传感器，实现低成本方案。
参见图1，所述的MCU采用32位支持浮点运算的处理器，主频不小于300MHZ，RAM不小于1MB，FLASH不小于2.5MB，CAN接口不少于4路，SPI接口不少于4路，USB3.0接口不少于3路，Flexray接口不少于3路，ADC接口不少于6路，DIO接口不少于6路，满足ISO 26262，ASIL-D功能安全等级。MCU用于：（1）对通过Flexray总线和CAN总线传输的传感器信号进行解析、信号有效性确认、软件滤波，冗余校验等预处理任务；（2）接收决策模块的指令通过CAN总线，对整车及总成进行闭环控制；（3）对模拟信号和数字信号进行底层驱动处理；（4）发送外部驱动信号；（5）***电源管理；（6）传感器故障诊断。
参见图1，所述的CPU内部集成64位8核ARM A57，主频不低于2.4GHZ，4MB片上RAM附带ECC，支持 Ethernet， CAN、Flexray、LIN、SPI、IIC、USB3.0等通信接口，满足ISO 26262的ASIL-D功能安全标准。所述的CPU用于进行规划与控制，包括无人车路由寻径、行为决策、动作规划及反馈控制等。路由寻径将采用一种启发式搜素算法计算出一个从起点到终点的最佳道路行驶序列，行为决策综合融合后的信息，结合规则引擎和行为模型算法，最终输出行驶、跟车、转弯、换道和停车等行为指令。动作规划是将行为决策指令解释成一条带有时间信息的轨迹曲线，给底层的反馈控制进行实际速度、角度等操作。反馈控制是以油门、方向盘转角等作为目标量通过PID算法和模糊控制进行闭环控制。进而实现对整车的自动驾驶控制。另外，CPU还执行自动驾驶***的故障诊断算法。
参见图1，所述的FPGA_A处理器和FPGA_B处理器是现场可编程门阵列（FPGA）处理器，内部集成硬核浮点数字信号处理(DSP)模块，实现硬核知识产权(IP)的性能和低功耗特性，以及可编程逻辑的灵活性，其浮点运算能力不低于10Tops，深度学习计算能力不低于30Tops，功耗低于10W，运算效能低于14帧/秒/瓦。
参见图1，所述的FPAG_A处理器用于卷积神经网络算法的硬件加速，进行视觉信息处理，然后通过处理器对按时序得到的若干传感器的观测信息在一定准则下加以自动分析、优化综合以完成所需要的决策和估计任务而进行的信息融合，采用深度学习、卡尔曼滤波和D-S证据理论等算法完成视觉信息和地图信息的融合，视觉与雷达的融合，视觉、雷达与定位的融合及雷达之间的融合，最终后生成障碍物列表、一次规划路径、道路信息和定位信息等输出给决策***使用。
所述的FPAG_B处理器用于***安全监控，***安全监控分硬件级和软件级，最终使本控制器满足ISO26262定义的ASIL D安全标准。硬件级的安全监控是采用FPAG_B处理器对通过SPI通信实现对MCU、FPGA_A处理器、CPU、运动处理模块、GPS模块、V2X模块和摄像图信号处理模块、CAN通信模块、Flexray通信模块、驱动保护模块和电源管理模块进行监控。
实施例二：
参见图1，本***软件级的安全监控功能包括在MCU中实现的CAN总线监控、Flexray总线监控、运动处理监控、模拟信号和开关信号监控和电源监控；在FPGA_A处理器中实现GPS信号监控、V2X信号监控和摄像头的图像和视频信号监控和深度学习算法的监控；在CPU中实现无人驾驶操作***、决策策略监控和执行器控制算法监控。通过以上三部分监控和在安全监控芯片FPGA_B处理器共同完成安全监控，一旦检测出异常，***自动即进入到故障处理程序。
参见图2、图3，一种嵌入式自动驾驶控制器的控制方法，包括以下步骤：步骤一，自动驾驶控制器上电，MCU、FPGA_A处理器、CPU各模块进行初始化配置，初始化结束后判断各模块初始化的状态是否正常：若各模块配置在正常工作时的状态，则进行步骤二；若有初始化失败的模块，则报出模块故障代码，进入故障模式。
步骤二，MCU、FPGA_A处理器、CPU各模块进行自检测试，通过即说明各模块工作正常，***配置正确，满足***运行条件，则继续运行进入步骤三；若测试不通过则记录不通过的模块错误代码，并报出模块故障代码，进入故障模式。
步骤三，周期控制任务，对MCU、FPGA_A处理器、CPU的所有工作都在这部分完成，包括：在MCU中实现CAN总线监控、Flexray总线监控、运动处理监控、模拟信号和开关信号监控和电源监控，在FPGA_A处理器中实现GPS信号监控、V2X信号监控和摄像头的图像和视频信号监控和深度学习算法的监控，在CPU中实现无人驾驶操作***、决策策略监控和执行器控制算法监控；从而实现对总线、各个硬件模块及软件的运行状态的监控。若***正常则进入步骤四，若***有故障，则报出故障代码，进入故障模式；此处的***指的是控制器中的各个模块构成的整体。
步骤四，具体参见图3，周期测试任务：同时在MCU、FPGA_A处理器、CPU和FPGA_B处理器中进行周期测试任务。
上述步骤中的进入故障模式为CPU进行故障诊断和处理程序。
参见图3，所述步骤四中的周期测试任务具体包括下面的步骤：步骤S11，首先对MCU、FPGA_A处理器、CPU各模块的配置文件进行检测，测试各模块的配置是否被非法改动，是否与正常配置一致；如异常则进入故障模式，如正常则进化下面的步骤S12。步骤S12，向安全监控芯片FPGA_B处理器发送特定的测试任务，安全监控芯片FPGA_B处理器收到任务后，按照预定的算法计算出测试结果反馈给MCU、FPGA_A处理器、CPU，这些测试任务可以根据实际的需要增加或者减少。步骤S13，在MCU、FPGA_A处理器、CPU中设计若干个基于控制器运行状态的测试用例，实时计算自身的运算结果，而步骤S12中指出在FPGA_B处理器中同时运行测试用例并反馈运行结果；因此，MCU、FPGA_A处理器、CPU分别将自身运行的结果与反馈结果进行比较，如果对比的误差在设定的阀值范围内，则测试通过，否则不通过，以此来判断MCU、FPGA_A处理器、CPU的工作是否正常，是否有非预期的运行结果。若测试结果通过，则***进入周期运行模式，循环的运行***周期控制任务和周期测试任务；若测试不通过，则报出故障代码，同时***进入故障模式。
参见图1至图3，本控制器采用CPU+FPGA的技术方案，其硬件平台设计丰富的传感器接口，以满足不同的成本和功能方案。当本控制器接收到传感器信息，首先经过软件和硬件的预处理后，由不同的芯片进行计算，低能耗的FPGA负责执行深度学习神经网络任务,实现障碍物识别与追踪、定位和传感器信息融合，CPU接收到融合的信息后，执行路由寻路径、行为决策、动作规划和反馈控制等任务；同时为了保证可靠性和满足功能安全的要求，另外使用FPGA_B处理器对CPU、FPGA、MCU进行实时监控，不仅在出现故障时进行接管，还给出故障应对的安全策略。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，上述结构都应当视为属于本发明的保护范围。
Claims (7)
1.一种嵌入式自动驾驶控制器，其特征在于：包括GPS模块、V2X模块、摄像头信号处理模块、Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源保护模块、电源管理模块、DCDC模块、运动处理模块、MCU、FPGA_A处理器、FPGA_B处理器和CPU；
所述的GPS模块和V2X模块均与GSP和V2X二合一天线连接，所述的摄像头信号处理模块与摄像头连接，所述的Flexray通信模块1与激光雷达连接，所述的Flexray通信模块2与人机交互***连接，所述的Flexray通信模块3与标定诊断工具连接，所述的CAN通信模块1分别与视觉模块、毫米波雷达和超声波雷达连接，所述的CAN通信模块2与VCU连接，所述的CAN通信模块3与高精度地图传感器连接，所述的模拟信号处理模块与模拟量部件连接，所述的开关信号处理模块与数字量部件连接，所述的驱动及保护模块与负载连接，所述的电源保护模块与供电电源连接，且电源保护模块与DCDC模块连接，所述的DCDC模块与供电电压连接，且DCDC模块与电源管理模块连接；
所述的Flexray通信模块1、Flexray通信模块2、Flexray通信模块3、CAN通信模块1、CAN通信模块2、CAN通信模块3、CAN通信模块4、模拟信号处理模块、开关信号处理模块、驱动及保护模块、电源管理模块、运动处理模块分别与MCU连接；
所述的GPS模块、V2X模块、摄像头信号处理模块和MCU分别与FPGA_A处理器连接，所述的MCU、FPGA_A处理器分别与FPGA_B处理器连接，所述的MCU、FPGA_A处理器、FPGA_B处理器分别与CPU连接。
2.根据权利要求1所述的一种嵌入式自动驾驶控制器，其特征在于：所述的GPS模块和V2X模块分别通过SMA接口与GSP和V2X二合一天线连接。
3.根据权利要求1所述的一种嵌入式自动驾驶控制器，其特征在于：所述的摄像头信号处理模块通过GMSL接口与摄像头连接。
4.根据权利要求1所述的一种嵌入式自动驾驶控制器，其特征在于：所述的Flexray通信模块1通过Flexray1通信接口与激光雷达连接，所述的Flexray通信模块2通过Flexray2通信接口与人机交互***连接，所述的Flexray通信模块3通过Flexray3通信接口与标定诊断工具连接。
5.根据权利要求1所述的一种嵌入式自动驾驶控制器，其特征在于：所述的CAN通信模块1通过CAN1通信接口分别与视觉模块、毫米波雷达和超声波雷达连接，所述的CAN通信模块2通过CAN2通信接口与VCU连接，所述的CAN通信模块3通过CAN3通信接口与高精度地图传感器连接。
6.一种嵌入式自动驾驶控制器的安全监控方法，其特征在于，包括以下步骤：
步骤一，自动驾驶控制器上电，MCU、FPGA_A处理器、CPU各模块进行初始化配置，初始化结束后判断各模块初始化的状态，若各模块配置在正常工作时的状态，则进行步骤二，若有初始化失败的模块，则报出模块故障代码，进入故障模式；
步骤二，MCU、FPGA_A处理器、CPU各模块进行自检测试，通过则继续运行进入步骤三，若测试不通过则记录不通过的模块错误代码，并报出模块故障代码，进入故障模式；
步骤三，周期控制任务：在MCU中实现CAN总线监控、Flexray总线监控、运动处理监控、模拟信号和开关信号监控和电源监控，在FPGA_A处理器中实现GPS信号监控、V2X信号监控和摄像头的图像和视频信号监控和深度学习算法的监控，在CPU中实现无人驾驶操作***、决策策略监控和执行器控制算法监控，若***正常则进入步骤四，若***有故障，则报出故障代码，进入故障模式；
步骤四，周期测试任务：同时在MCU、FPGA_A处理器、CPU和FPGA_B处理器中进行周期测试任务。
7.根据权利要求6所述的 一种嵌入式自动驾驶控制器的控制方法，其特征在于，包括以下步骤，所述步骤四中的周期测试任务具体包括下面的步骤：
步骤S11，首先对MCU、FPGA_A处理器、CPU各模块的配置文件进行检测，测试各模块的配置是否被非法改动，是否与正常配置一致，如异常则进入故障模式，如正常则进化下面的步骤S12；
步骤S12，向FPGA_B处理器发送特定的测试任务， FPGA_B处理器收到任务后，按照预定的算法计算出测试结果反馈给MCU、FPGA_A处理器、CPU，这些测试任务根据实际的需要增加或者减少；
步骤S13，MCU、FPGA_A处理器、CPU分别将自身运行的结果与反馈结果进行比较，以此来判断MCU、FPGA_A处理器、CPU的工作是否正常，若测试结果通过，则***进入周期运行模式，循环的运行***周期控制任务和周期测试任务；若测试不通过，则报出故障代码，同时***进入故障模式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810767453.5A CN108845577A (zh) | 2018-07-13 | 2018-07-13 | 一种嵌入式自动驾驶控制器及其安全监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810767453.5A CN108845577A (zh) | 2018-07-13 | 2018-07-13 | 一种嵌入式自动驾驶控制器及其安全监控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108845577A true CN108845577A (zh) | 2018-11-20 |
Family
ID=64197394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810767453.5A Pending CN108845577A (zh) | 2018-07-13 | 2018-07-13 | 一种嵌入式自动驾驶控制器及其安全监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108845577A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109709963A (zh) * | 2018-12-29 | 2019-05-03 | 百度在线网络技术（北京）有限公司 | 无人驾驶控制器及无人驾驶车辆 |
| CN109727376A (zh) * | 2018-12-29 | 2019-05-07 | 北京沃东天骏信息技术有限公司 | 生成配置文件的方法、装置及售货设备 |
| CN109753061A (zh) * | 2018-12-12 | 2019-05-14 | 北京百度网讯科技有限公司 | 自动驾驶***的启动方法、装置、设备和计算机存储介质 |
| CN110001660A (zh) * | 2018-12-17 | 2019-07-12 | 蔚来汽车有限公司 | 一种分布式多核异构*** |
| CN110083099A (zh) * | 2019-05-05 | 2019-08-02 | 中国汽车工程研究院股份有限公司 | 一种符合汽车功能安全标准自动驾驶架构***和工作方法 |
| CN110308732A (zh) * | 2019-07-25 | 2019-10-08 | 北京智行者科技有限公司 | 自动驾驶控制器的故障检测方法及自动驾驶控制器 |
| CN110770600A (zh) * | 2018-11-29 | 2020-02-07 | 深圳市大疆创新科技有限公司 | 分布式光检测和测距（lidar）管理*** |
| CN111124821A (zh) * | 2019-12-13 | 2020-05-08 | 苏州智加科技有限公司 | 行车软件检测方法、装置及存储介质 |
| CN112026496A (zh) * | 2019-06-04 | 2020-12-04 | 上海擎感智能科技有限公司 | 车窗显示方法、前端、后端、介质及设备 |
| CN113031991A (zh) * | 2021-04-13 | 2021-06-25 | 南京大学 | 一种嵌入式***的远程自适应升级方法及其装置 |
| CN113704042A (zh) * | 2021-07-20 | 2021-11-26 | 英博超算(南京)科技有限公司 | 一种基于云端服务器模拟测试设备及*** |
| CN114172759A (zh) * | 2021-11-01 | 2022-03-11 | 中国北方车辆研究所 | 一种基于配置的FlexRay通信采集盒自动测试*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180040171A1 (en) * | 2016-08-02 | 2018-02-08 | International Business Machines Corporation | Self-driving vehicle sensor fault remediation |
| CN107885214A (zh) * | 2017-11-22 | 2018-04-06 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的加速自动驾驶视觉感知的方法及装置 |
| CN108027243A (zh) * | 2016-07-21 | 2018-05-11 | 百度（美国）有限责任公司 | 用于操作自动驾驶车辆的控制误差校正规划方法 |
| CN108205279A (zh) * | 2017-12-08 | 2018-06-26 | 联创汽车电子有限公司 | 异构多芯片智能驾驶控制器 |
| CN208752458U (zh) * | 2018-07-13 | 2019-04-16 | 武汉超控科技有限公司 | 一种嵌入式自动驾驶控制器 |
-
2018
- 2018-07-13 CN CN201810767453.5A patent/CN108845577A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108027243A (zh) * | 2016-07-21 | 2018-05-11 | 百度（美国）有限责任公司 | 用于操作自动驾驶车辆的控制误差校正规划方法 |
| US20180040171A1 (en) * | 2016-08-02 | 2018-02-08 | International Business Machines Corporation | Self-driving vehicle sensor fault remediation |
| CN107885214A (zh) * | 2017-11-22 | 2018-04-06 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的加速自动驾驶视觉感知的方法及装置 |
| CN108205279A (zh) * | 2017-12-08 | 2018-06-26 | 联创汽车电子有限公司 | 异构多芯片智能驾驶控制器 |
| CN208752458U (zh) * | 2018-07-13 | 2019-04-16 | 武汉超控科技有限公司 | 一种嵌入式自动驾驶控制器 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020107317A1 (en) * | 2018-11-29 | 2020-06-04 | SZ DJI Technology Co., Ltd. | Distributed light detection and ranging (lidar) management system |
| CN110770600A (zh) * | 2018-11-29 | 2020-02-07 | 深圳市大疆创新科技有限公司 | 分布式光检测和测距（lidar）管理*** |
| CN110770600B (zh) * | 2018-11-29 | 2023-04-14 | 深圳市大疆创新科技有限公司 | 分布式光检测和测距（lidar）管理*** |
| CN109753061A (zh) * | 2018-12-12 | 2019-05-14 | 北京百度网讯科技有限公司 | 自动驾驶***的启动方法、装置、设备和计算机存储介质 |
| CN109753061B (zh) * | 2018-12-12 | 2020-03-31 | 北京百度网讯科技有限公司 | 自动驾驶***的启动方法、装置、设备和计算机存储介质 |
| CN110001660A (zh) * | 2018-12-17 | 2019-07-12 | 蔚来汽车有限公司 | 一种分布式多核异构*** |
| CN109727376A (zh) * | 2018-12-29 | 2019-05-07 | 北京沃东天骏信息技术有限公司 | 生成配置文件的方法、装置及售货设备 |
| CN109709963A (zh) * | 2018-12-29 | 2019-05-03 | 百度在线网络技术（北京）有限公司 | 无人驾驶控制器及无人驾驶车辆 |
| CN109709963B (zh) * | 2018-12-29 | 2022-05-13 | 阿波罗智能技术(北京)有限公司 | 无人驾驶控制器及无人驾驶车辆 |
| CN110083099A (zh) * | 2019-05-05 | 2019-08-02 | 中国汽车工程研究院股份有限公司 | 一种符合汽车功能安全标准自动驾驶架构***和工作方法 |
| CN112026496B (zh) * | 2019-06-04 | 2022-02-22 | 上海擎感智能科技有限公司 | 车窗显示方法、前端、后端、介质及设备 |
| CN112026496A (zh) * | 2019-06-04 | 2020-12-04 | 上海擎感智能科技有限公司 | 车窗显示方法、前端、后端、介质及设备 |
| CN110308732A (zh) * | 2019-07-25 | 2019-10-08 | 北京智行者科技有限公司 | 自动驾驶控制器的故障检测方法及自动驾驶控制器 |
| CN111124821A (zh) * | 2019-12-13 | 2020-05-08 | 苏州智加科技有限公司 | 行车软件检测方法、装置及存储介质 |
| CN113031991A (zh) * | 2021-04-13 | 2021-06-25 | 南京大学 | 一种嵌入式***的远程自适应升级方法及其装置 |
| CN113031991B (zh) * | 2021-04-13 | 2023-11-17 | 南京大学 | 一种嵌入式***的远程自适应升级方法及其装置 |
| CN113704042A (zh) * | 2021-07-20 | 2021-11-26 | 英博超算(南京)科技有限公司 | 一种基于云端服务器模拟测试设备及*** |
| CN114172759A (zh) * | 2021-11-01 | 2022-03-11 | 中国北方车辆研究所 | 一种基于配置的FlexRay通信采集盒自动测试*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108845577A (zh) | 一种嵌入式自动驾驶控制器及其安全监控方法 | |
| CN107908186B (zh) | 用于控制无人驾驶车辆运行的方法及*** | |
| US11307579B2 (en) | Fault-tolerant control of an autonomous vehicle with multiple control lanes | |
| Holstein et al. | Ethical and social aspects of self-driving cars | |
| Hafner et al. | Automated vehicle-to-vehicle collision avoidance at intersections | |
| CN103064377A (zh) | 一种3g警用移动机器人双余度控制*** | |
| CN208752458U (zh) | 一种嵌入式自动驾驶控制器 | |
| Péni et al. | Supervisory fault tolerant control of the GTM UAV using LPV methods | |
| CN209928279U (zh) | 智能驾驶***及智能车辆 | |
| Davis et al. | Flexible scheduling for adaptable real-time systems | |
| CN107037724A (zh) | 一种基于can总线的无人机冗余*** | |
| CN212683969U (zh) | 一种果园多机器人物理模型 | |
| CN111913476B (zh) | 一种无人艇航行控制软件架构方法及装置 | |
| Maithripala et al. | A geometric virtual structure approach to decentralized formation control | |
| CN103092151A (zh) | 变电站智能巡检装置 | |
| Tong et al. | A search-based motion planner utilizing a monitoring functionality for initiating minimal risk maneuvers | |
| CN216748542U (zh) | 无人机自驾仪*** | |
| US20210247743A1 (en) | Functional safety with root of safety and chain of safety | |
| CN114578712A (zh) | 多功能水下自主航行器集群仿真*** | |
| CN205507552U (zh) | 无人飞行器 | |
| CN104669269A (zh) | 一种针对高复杂度水下机器人高效可扩展的自主控制*** | |
| CN112636881B (zh) | 一种信号切换方法、装置及车辆 | |
| CN114036103A (zh) | 基于华为昇腾ai处理器的星载ai综合电子***架构 | |
| CN202975761U (zh) | 变电站智能巡检装置 | |
| Ross et al. | Automated driving and control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |