大话自动驾驶

第1篇 硬件那些事儿
01 雷达 2
1.1 “镜子”，激光雷达撬起前装量产的支点 2
1.1.1 机械旋转式激光雷达 3
1.1.2 混合固态激光雷达 5
1.2 激光雷达，揭秘面具下隐藏的真实面目 10
1.2.1 面具掩盖下的真实面目 10
1.2.2 去伪存真的导入流程 15
1.2.3 去粗取精的验证方法 16
1.3 4D毫米波雷达，“割韭菜第二快的刀” 20
1.3.1 “刀”的诞生——多普勒效应 20
1.3.2 “刀”的锻造——发展简史 21
1.3.3 “刀”的秘密——工作原理 22
1.3.4 “刀”的重生——3D变4D 26
1.3.5 “刀”的款式——各家主流产品参数 29
1.4 本章小结 30
02 相机 31
2.1 车载单目相机，自动驾驶的“眼睛” 31
2.1.1 作用 31
2.1.2 原理 32
2.1.3 组成 33
2.2 车载双目相机，老兵的二次出征 41
2.2.1 概述 41
2.2.2 工作原理 43
2.2.3 关键性能 51
2.2.4 成名路上的阻碍 52
2.3 车载鱼眼相机，备战科考的“寒门书生” 53
2.3.1 成像原理 54
2.3.2 成像模型 56
2.3.3 畸变校正 59
2.3.4 行业进展 60
2.4 车载红外相机，一颗冉冉升起的新星 61
2.4.1 工作原理 61
2.4.2 作用 63
2.4.3 实测结果 65
2.4.4 面临挑战 67
2.4.5 主要玩家 68
2.5 本章小结 69
03 定位 70
3.1 GNSS，自动驾驶定位团队的“保护伞” 70
3.1.1 定义及组成 71
3.1.2 卫星信号结构 72
3.1.3 车载GNSS接收机 73
3.1.4 作用及原理 75
3.1.5 误差来源 80
3.1.6 差分定位 81
3.1.7 多星多频接收技术 83
3.2 IMU，自动驾驶定位团队“小而美”的队员 86
3.2.1 基本介绍 87
3.2.2 加速度计原理 87
3.2.3 陀螺仪测量原理 89
3.2.4 应用价值 92
3.3 松、紧、深耦合，高精度组合导航中的姻缘 93
3.3.1 GNSS、RTK和INS介绍 94
3.3.2 高精度组合导航的组成 96
3.3.3 三种耦合方式介绍 97
3.3.4 三种耦合方式比较 99
3.3.5 主流厂商现状 101
3.3.6 发展趋势 102
3.4 UWB，短距定位届的“制胜法宝” 103
3.4.1 技术特点 103
3.4.2 发展历程 105
3.4.3 测距方法 106
3.4.4 定位方法 108
3.4.5 系统方案 109
3.5 本章小结 111
04 芯片 112
4.1 AI芯片，自动驾驶中的“水浒卡” 112
4.1.1 蹿红背景 113
4.1.2 比拼指标 113
4.1.3 明星个人 114
4.1.4 明星团队 121
4.2 安全核，“霸道总裁”身边的“灰姑娘” 123
4.2.1 安全机制 124
4.2.2 主流安全核 129
4.3 PCIE，中央计算平台片内通信的“骨干” 130
4.3.1 PCIE简介 130
4.3.2 PCIE拓扑结构 133
4.3.3 PCIE分层体系 135
4.3.4 汽车领域应用案例 137
4.4 本章小结 138
05 线控底盘 139
5.1 线控制动，一位忠于自动驾驶且身手敏捷的“保镖” 140
5.1.1 什么是线控制动 141
5.1.2 EMB系统优势及应用前景 146
5.2 线控转向，自动驾驶称霸路上的“左膀右臂” 147
5.2.1 传统转向系统 148
5.2.2 线控转向系统 153
5.3 线控悬架，“可甜可盐”也遭嫌 155
5.3.1 定义及组成 155
5.3.2 悬架分类 157
5.4 本章小结 163
第2篇 软件那些事儿
06 算法 166
6.1 SLAM，喜欢开拓陌生环境的“勇士” 166
6.1.1 用户故事 167
6.1.2 解决方案 167
6.1.3 产品功能 167
6.2 卡尔曼滤波算法，自动驾驶公司的“护城河” 172
6.2.1 诞生背景 172
6.2.2 原理的直观理解 173
6.2.3 算法的理论分析 176
6.2.4 卡尔曼滤波算法在自动驾驶中的应用 177
6.3 点云配准，自动驾驶中的“寻亲记” 178
6.3.1 定义 179
6.3.2 作用 180
6.3.3 方法 180
6.3.4 初值获取 185
6.4 决策规划，自动驾驶“安全、舒适、效率”的拥护者 186
6.4.1 自动驾驶系统分类 186
6.4.2 决策规划分层架构 190
6.4.3 决策规划常用算法 193
6.5 本章小结 216
07 系统 217
7.1 高精地图，自动驾驶的“天眼” 217
7.1.1 定义 217
7.1.2 组成 218
7.1.3 作用 220
7.1.4 采集方式 223
7.1.5 采集资质 224
7.1.6 数据格式 226
7.1.7 制作流程 231
7.2 时间同步，自动驾驶中的“花好月圆” 233
7.2.1 时间同步背景 233
7.2.2 时间同步技术 234
7.2.3 全域架构下的时间同步系统方案 238
7.3 gPTP，自动驾驶时间同步中的“有趣灵魂” 239
7.3.1 TSN的前情回顾 240
7.3.2 gPTP的精彩呈现 240
7.3.3 gPTP与PTP之间的差异 245
7.3.4 gPTP在自动驾驶领域中的应用 246
7.4 交换机，智驾域的“红娘” 247
7.4.1 冗余架构为什么需要交换机 248
7.4.2 网络分层模型 248
7.4.3 交换机的工作原理 250
7.4.4 交换机典型功能简介 251
7.5 Hypervisor，舱驾融合路上的“务虚公子” 255
7.5.1 什么是Hypervisor 256
7.5.2 汽车领域为什么会拥抱Hypervisor 259
7.5.3 车载Hypervisor的技术要求 261
7.5.4 车载主流Hypervisor产品介绍 262
7.6 复杂工况和恶劣天气，检验自动驾驶能力的“试金石” 263
7.6.1 复杂工况 264
7.6.2 恶劣天气 266
7.7 系统设计，不同级别驾驶自动化系统诞生的第一步 270
7.7.1 回归到本源 270
7.7.2 本源处求真 276
7.7.3 求真后妄语 278
7.8 本章小结 279
08 功能 280
8.1 ODC，自动驾驶法力边界 280
8.1.1 ODC的作用 281
8.1.2 组成元素之ODD 282
8.1.3 组成元素之车辆状态 289
8.1.4 组成元素之驾乘人员状态 290
8.2 AEBS，自动驾驶演艺圈中喜欢喊“卡”的导演 291
8.2.1 法规、标准要求 291
8.2.2 技术要求 292
8.2.3 试验要求 295
8.2.4 关键参数 299
8.3 泊车，后退即前进的自动驾驶哲学 302
8.3.1 L2自动泊车辅助 302
8.3.2 L2+遥控泊车辅助 303
8.3.3 L3记忆泊车辅助 304
8.3.4 L4自主代客泊车 306
8.3.5 L5的极致享受 308
8.4 远程驾驶，自动驾驶全无人考卷上的一道“大题” 309
8.4.1 远程驾驶作用 310
8.4.2 远程驾驶架构 311
8.4.3 行业进展 314
8.5 编队行驶，自动驾驶江湖的“共同富裕” 316
8.5.1 法规和标准 317
8.5.2 系统架构 317
8.5.3 功能场景 320
8.5.4 功能作用 322
8.5.5 技术难点 324
8.5.6 行业进展 324
8.6 单踏板模式，是天才设计还是疯子挑衅 326
8.6.1 单踏板模式 326
8.6.2 动能回收系统 328
8.7 本章小结 332
第3篇 行业那些事儿
09 行业杂谈 334
9.1 批评在左，敬畏在右 334
9.1.1 “围墙”的批评 335
9.1.2 “敬畏”的思考 337
9.2 成本，自动驾驶身上的“遮羞布” 339
9.2.1 关于成本的两种观点 340
9.2.2 两家低成本量产方案代表 341
9.2.3 成本竞争的影响 343
9.3 H2H模式，干线物流自动驾驶的“局部最优解” 344
9.3.1 传统的仓到仓模式 345
9.3.2 全新的H2H模式 347
9.3.3 H2H模式的践行者 349
9.4 港口自动驾驶，是伪自动驾驶商用场景吗 351
9.5 强云强车，会是港口自动驾驶的终局吗 358
9.5.1 港口自动驾驶的终局技术路线是什么 358
9.5.2 港口自动驾驶是赔本赚吆喝，还是闷声发大财 363
9.6 Argo AI，自动驾驶“拔苗助长”的一个悲剧 365
9.6.1 Argo AI的经历 365
9.6.2 Argo AI的贡献 368
9.6.3 Argo AI的教训 370
9.7 重感知、轻地图，是“师夷长技以制夷”吗 371
9.7.1 重感知、轻地图诞生的背景 372
9.7.2 重感知、轻地图践行者的众生百态 374
9.8 架构妄语，来自食物链顶端的电子电气架构工程师 378
9.8.1 “分久必合”的演进 379
9.8.2 电子电气架构工程师的职责 380
9.8.3 “不负责任”的杂谈 381
9.9 本章小结 382