智能驾驶域控制器的软件架构基础及问题

智能驾驶域控制器的软件架构基础及问题

附赠自动驾驶最全的学习资料和量产经验：链接

第一篇 软件架构基础及问题

第1章 智能驾驶软件架构的重要性

1. 1智能驾驶的简化概念模型

智能驾驶的概念模型简单来说就是解决三个核心问题：

1. 我在哪？

2. 我要去哪？

3. 我该如何去？

第一个问题“我在哪？”需要解决的是“环境感知”和“定位”问题，需要了解的是车自身的位置以及该位置周边的静态环境（道路，交通标识，信号灯等）和动态环境（车、人等）。由此引发一系列的感知和定位的技术方案，包括各种传感器以及算法体系。

**第二个问题“我要去哪？”**在自动驾驶领域就是“规划决策”。由此延伸出一些术语“全局规划””局部规划"、“任务规划”“路径规划”、"行为规划”、“行为决策”“运动规划”，等等，由于语言上的歧义，这些术语有的是同一个意思的不同说法，有的其含义在不同场合经常相近但又有点差别。

抛开具体的术语，一般而言这“规划决策”这个问题都会被分解为三部分：

1. 在一定范围内的全局意义上的规划 （常用术语：全局规划，路径规划，任务规划)

2. 将第一步的结果做划分出多个阶段 （常用术语：行为规划，行为决策）

3. 对每一个阶段进行进一步的规划 （常用术语：局部规划，运动规划）

对于这些各种各样的规划衍生出很多解决问题的算法体系。

**第三个问题“我该如何去？”**一般指的就是“控制执行”，也就是对最小一个规划的实际执行实践，达到规划的目的。具体在车上，往往体现为各种控制算法，控制理论解决的就是这些问题。

因为这三个问题的解决归根到底都是算法问题，所以某种意义上，说自动驾驶的核心就是算法。而软件架构从某种意义上说，就是要能承载这些算法。没有很好的承载体系，再好的算法也无用武之地。

1.2 基础概念模型的分形递归特性

为了方面我们把基础概念模型的三个问题分别表示为 E , P, X,分别代表 环境(Environment)、计划(Plan)、执行(eXecute)。 每一组 E-P-X 都有其描述问题空间。

比如说，我们定义问题空间 A 是“驾车从北京到广州”，那么对于问题 E：其定位关注的可能就是当前在北京那个区，不必细化到街道。我们还需要关心天气是否有雷暴雨，省道以上的道路结构信息。对于问题P：

P-1 : 第一步先设计出一个全局的路径，走哪条高速、国道、省道

P-2 ：根据全局路径计划出一系列行为组成，先到哪个高速路口，行驶多少公里，去服务区加油、更换到另一条道路等等

P-3： 计划出到每一段的具体道路路径。比如到高速路口要走三环还是四环，在换到哪条路上

X 要执行 P 规划出来的每一步。

如果我们定义问题空间 B 是“驾车安全通过一个路口”，那么对于E 问题，要关注的是当前的道路信息、交通灯信息、道路上的车辆状况、行人状况等。对于P 问题：

P-1 ：第一步先规划出通过路口的安全路径，包括根据交通规则和道路信息计划到达当前路口的哪个车道，进入目标路口的哪个车道。

P-2 ：第二步要第一步的根结果规划出一系列动作序列，如先减速，切换目标车道，停车等红灯，起步加速，通过路口。

P-3 ：第三步对第二步的每一个动作要设计具体的一段轨迹，轨迹要能避开行人车辆等障碍物。

X 负责执行执行 P 问题的输出结果。

这个问题空间 B 是最接近通常规划算法要解决的问题。其中 P-1 的第一步常称为“全局规划”或“任务规划”，P-2 常被称为“行为规划”或 “行为决策”，P-3 被称为“局部规划”或“运动规划(Motion Plan)”。如下图所示，E-P-X 形成抽象的基础概念