基于数据驱动的端到端自动驾驶解决方案

自动驾驶开发流程可以分为数据收集与标注，机器学习与软件，核心算法开发，持续集成与开发，系统集成与测试，实车测试等等。

具体来说，以上环节首先是基于从实车收集的大量行驶数据实现的日前，在盖世汽车主办的2022年第五届自动驾驶与人机共驾论坛上，dSPACE自动驾驶业务负责人张子姮介绍，dSPACE推出AUTERA高级无人驾驶数据采集系统，统一记录激光雷达，百万像素摄像头，毫米波雷达，导航定位系统等传感器产生的原始数据

dSPACE自动驾驶业务负责人张子姮

组织以下演讲内容:

各位业内人士大家好我是dSPACE的张子姮，主要负责dSPACE中与自动驾驶相关的业务很高兴今天能站在这里代表dSPACE，给大家做一个基于数据驱动的自动驾驶相关解决方案的相关介绍

自动驾驶开发流程

在过去的几年里，自动驾驶行业一直在进步，许多L2级车辆已经登陆我们可以看到，业界在完善相关功能的同时，也在大力推动更高级别的自动驾驶汽车的发展对于高水平自动驾驶汽车的开发，行业内很早就提出了数据驱动的开发模式简单来说，就是在我们拥有大量数据的前提下，利用这些数据来训练和验证自驾的算法和软件，从而完成自驾功能的开发

这是一个数据驱动的开发流程图首先，大量的数据需要实车采集，会涉及到数据的存储和管理解决了这些问题，接下来就是标注数据了有了大量的原始数据和标记数据，我们就可以利用这些数据进行算法训练或者软件开发，这也会涉及到算法验证和仿真测试

算法开发完成后，我们需要将算法与ECU上的其他软件集成到自动驾驶的软件包中，做相关的仿真验证，也就是SIL测试SIL测试结束后，自动驾驶软件包将部署在硬件ECU上，并进行进一步测试，如数据回放测试或相关的模拟验证测试通过测试后，自动驾驶的ECU与其他硬件进行系统集成这时候我们终于需要做进一步的仿真在环测试了至此，所有的模拟测试都结束了，接下来就是做路上的验证测试了

DSPACE成立于1988年，是世界领先的工具供应商自成立以来，我们一直在帮助客户提高开发效率，缩短测试和验证时间基于数据驱动的开发流程，我们也有自己的一系列软件，硬件和相关工程服务，陪伴客户完成自动驾驶功能的开发

图中浅蓝色部分是我们能提供的方案从前期的数据记录，数据存储，数据管理，数据标注，到后续一系列基于软硬件的仿真验证测试，我们都有自己的解决方案值得注意的是，在数据管理和数据存储部分，由于法律法规的要求，我们提供的是存储介质和管理软件，而不是云和服务器除了其他部分，dSPACE还有一套完整独立的解决方案

先进自动驾驶仪数据采集

数据是一切的基础在了解我们的方案之前，我们先来看看高级自动驾驶需要什么样的数据采集系统我们说的自动驾驶是指L3及以上的自动驾驶这种高级自动驾驶的特点是传感器种类繁多激光雷达已经逐渐上了公交车，公交车上摄像头的分辨率和数量也在不断提高

这么多传感器带来的第一个问题就是数据量一个高清摄像头每秒的数据量约为3 Gb，全车13个摄像头加上毫米波雷达和激光雷达加起来将达到惊人的每秒40Gb/s的数据量如果收集一个小时的数据，数据量会达到19 TB因此，传统USB或工控机改造的数据采集方式的带宽和内存远远不够

高级自动驾驶系统的第二个特点是传感器的连接器种类繁多，因此数据采集设备需要能够适应不同的接口，同时需要具有一定的灵活性和可扩展性，以便在如今传感器的数量和类型发生变化的情况下，数据采集设备能够继续使用，而无需进行复杂的电气改造。

基于此，dSPACE有了自己的一套数据采集仪——AUTERA，是专门为高级自动驾驶设计的它的灵活性和可扩展性体现在六个可选插槽中根据传感器的数量和不同种类的接口，可以选择不同的板卡，通过插拔完成相关的适配

同时体现在传感器接口支持的丰富性上，支持WIFI，蓝牙，以太网等，涵盖了市面上主流传感器的连接器类型并且大带宽大内存，足以支持自动驾驶的数据采集需求

RTA——一种快速便捷的数据采集控制和标记工具

有了这个数据采集设备，下一步就是部署在自动驾驶数据采集车上进行数据采集自动驾驶数据采集车队通常有几十辆或者几百辆的规模对于如此大规模的数据采集车队，很难为每辆车指派一名专业工程师所以为了方便司机师傅操作数据采集设备，我们也有专门的数据采集控制和标记工具

驾驶员可以通过手中的平板电脑控制数据采集设备，同时平板电脑上预设了一些标签，可以进行标注这些标签可以在以后用作数据索引同时，我们还配置了车队管理软件，让车队管理人员可以在家里用平板电脑或电脑管理车队如果以后有升级数码软件的需求，我们也可以通过这个软件升级OTA

这是数据收集和恢复的流程图我们在车辆上部署数据收集仪器来收集数据当我们发现SSD满了，就会更换，换上新的SSD这次更换的SSD会有专业的上传设备一键上传数据，上传速度可达100Gb/s，保证了数据采集上传的高效率数据上传后，SSD将被带回车辆进行新一轮的数据采集

数据收集完成后，下一步是标记数据DSPACE有自己的工程服务和相关软件我们可以做图像标注，3D点云标注，车道线标注，语义分割标注

图像标注后，我们有大量的原始数据和标注数据，这也会涉及到数据管理我们还有一个特殊的数据管理软件IVS，可以部署在公共或私有云，甚至是客户自己的服务器上它可以在线标记之前记录的数据，并根据传感器类型和事件类型进行过滤，大大提高了算法团队开发的效率

当数据标注完成后，会有大量的原始数据和标注数据我们的算法工程师和算法团队可以拿这些数据进行算法训练和软件开发在这个过程中，算法会不断被验证，所以需要引入下一个概念——数据回放测试

DSPACE数据回放测试解决方案

这里的数据回放测试也叫开环SIL测试，在我们的自动驾驶软件包部署到硬件ECU上之后还有一个数据回放测试这两种数据回放测试的目的是相似的，但是它们应用于不同的开发阶段第一个数据回放测试是开环SIL测试这个时候，只有算法和软件第二次数据回放中自动驾驶仪的软件包已经部署到硬件ECU上，此时做的数据回放测试称为开环HIL测试

数据回放测试的主要目的是验证感知层算法的准确性其系统框图如上图所示服务器上有大量的原始数据和标记数据我们将原始数据分发给要测试的系统这里要测试的系统可以是硬件ECU，也可以是自动驾驶的软件算法待测系统会输出感知结果，将感知结果与标注的数据结果进行比较，就可以知道感知算法是否准确

在数据采集过程中，数据量非常大，数据回放也会面临同样的问题。

在回放数据时，我们希望数据回放系统能够还原传感器的界面比如摄像机，会涉及到硬件和芯片的配合，对视频信号进行重新去串行化，在回放的过程中会出现一些抖动和延迟的问题这些都是我们需要解决的问题

在数据回放的过程中，很多基于AUTOSAR架构的ECU都会有一些保护机制，比如EtoE和SecOC保护机制，所以需要实时修改数据，然后才能重新注入数据。

基于此，dSPACE带来了自己的方案我们有专门的回放PC从服务器上拉数据，会根据不同类型的数据分发到不同的硬件上例如，视频信号将被分配到ESI系统，总线或网络信号将被分配到实时系统两者通过gPTP协议进行同步，同步后所有数据流将被注入回待测系统

如果这里测试的系统是软件算法系统，ESI会切换到虚拟ESI，实现系统会切换到虚拟实现系统这样，我们就完成了从开环SIL到开环HIL的一键切换

场景生成过程和dSPACE虚拟仿真工具链

仅仅验证感知层的算法是远远不够的还需要结合感知，调节，控制等一系列算法来做相关测试，所以这时候需要引入另一个概念，即闭环SIL测试

之前的数据回放是开环系统和开环SIL测试，其中SIL是闭环SIL，SIL使用的两个阶段也是不同的SIL第一次只有自动驾驶算法，第二次把自动驾驶算法和ECU上的其他软件打包成一个自动驾驶软件包我们需要对整个软件包做一个整体的SIL测试，我们需要为此做一些准备工作

下一步是进行车辆或传感器模拟我们有自己的仿真软件做车辆动力学仿真，都会部署在实现系统上运行仿真模型同时，我们还提供了云模拟的选项，将所有SIL云化，为客户提高大规模多节点测试的效率该车辆动力学模型具有较高的仿真精度，我们还支持多种配置进行传感器仿真，包括摄像头，毫米波雷达和激光雷达仿真模型

为了进一步加强传感器仿真的可信度，dSPACE一直在尝试和业界的传感器厂商交朋友以激光雷达为例，我们与国内外一些企业签订了相关战略协议，在研发自己的仿真模型过程中得到了原厂的大力支持，以保证物理传感器模型尽可能贴合原厂的真实传感器，进一步加强我们传感器模型仿真的可信度和信心

通过环境模拟，车辆动力学模拟和传感器模拟，接下来可以进行SIL测试为了进一步提高SIL的可信度，我们还提供了虚拟ECU的选项，可以虚拟化ECU的底层软件和操作系统，从而确保客户可以在接近真实的情况下测试控制器功能

SIL测试完成后，自动驾驶软件包将部署在硬件ECU上为了测试硬件ECU和感知层算法，我们可以做数据回放测试，甚至整体功能和性能测试这次是ADAS和AD的闭环HIL测试当这个测试完成后，自动驾驶ECU和整车的其他系统将在系统级进行集成，然后需要进行HIL测试两次HIL测试的区别在于，第一次是硬件ECU级别，第二次是整车级别第一次ADAS HIL测试需要提供仿真模型，仿真环境和仿真传感器模型，后续的整车HIL只需要提供环境的仿真并且ADASHIL和SIL使用同一个工具链，可以一键实现从adasil到adahil的无缝切换

此外，dSPACE还提供其他软件，硬件和相关服务，如车辆离线检测服务和传感器离线检测服务我们可以在整车环境下测试传感器性能和车辆性能

最后，dSPACE希望和业内的每一个人一起，帮助无人驾驶更快更好的落地！