适应于自动驾驶的计算结构与平台综述

计算机工程与科学

适应于自动驾驶的计算结构与平台综述

邹文超，李仁发，吴武飞

（湖南大学信息科学与工程学院,湖南长沙 410082）

收稿日期:2018-01-12 修回日期:2018-07-11 出版日期:2019-03-25 发布日期:2019-03-25
基金资助:
国家重点研究和发展计划（2016YFB0200405,2012AA01A30101）；国家自然科学基金（61672217）

Summary on computing structure and

platform for autonomous driving

ZOU Wenchao,LI Renfa,WU Wufei

（College of Computer Science and Electronic Engineering,Hunan University,Changsha 410082,China）

Received:2018-01-12 Revised:2018-07-11 Online:2019-03-25 Published:2019-03-25

摘要/Abstract

摘要：

信息与通信技术领域的不断发展，推动了自动驾驶汽车的巨大进步。自动驾驶汽车有效解决了用户对出行日益提高的安全、便捷、舒适、高效等个性化需求，有着巨大的商业前景和应用价值。首先从自动驾驶的定义出发，对自动驾驶汽车计算任务进行了分类总结，阐述了自动驾驶汽车集移动端、边缘节点和云端一体的计算结构。然后分类讨论了目前自动驾驶汽车移动端计算平台，呈现出异构多核的特点，并对当前主流的底层计算平台进行了对比分析。最后，从性能与成本和信息安全两个方面总结目前自动驾驶汽车计算结构和平台遇到的问题与挑战。

关键词: 自动驾驶, 无人驾驶, 人工智能, 高性能计算

Abstract:

With the continuous development of information and communication technology, the field of autonomous driving cars has made a great progress. Autonomous driving cars effectively solve the user’s increasing demand for safety, convenience, comfort, efficient travel, and other personalized needs. The autonomous driving car is very popular among the traditional manufacturers, emerging auto companies and people for its great commercial prospect and application value. Starting from the definition of autonomous driving cars, we classify the computing tasks of autonomous driving cars and describe the computing structures of the mobile terminal, the edge node and the cloud. Then, we discuss current mobile terminal computing platforms of autonomous driving cars, which shows heterogeneous and multi-core characteristics, and compare and analyze the current mainstream underlying computing platforms. Finally, we summarize the problems and challenges encountered in the computing structure and platform of autonomous driving cars from aspects of performance cost and information security.

Key words: autonomous driving, unmanned driving, artificial intelligence, high performance computing

邹文超，李仁发，吴武飞. 适应于自动驾驶的计算结构与平台综述[J]. 计算机工程与科学.

ZOU Wenchao,LI Renfa,WU Wufei.

Summary on computing structure and

platform for autonomous driving

[J]. Computer Engineering & Science.

[1]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[2]	孙岩, 张建民, 黎渊, 孙舜禹. 面向高性能计算的互连网络拥塞控制分析与评估[J]. 计算机工程与科学, 2024, 46(02): 209-216.
[3]	张云泉, 邓力, 袁良, 袁国兴. 2023年中国高性能计算机发展现状分析[J]. 计算机工程与科学, 2023, 45(12): 2091-2098.
[4]	施得君, 李宏亮, 胡舒凯. 基于Clos网络的高阶路由器结构[J]. 计算机工程与科学, 2023, 45(12): 2099-2112.
[5]	张天阳, 池成悦, 郭武, 高亦沁, 文敏华, 韦建文. 校级异地超算集群管理的关键技术研究与实践[J]. 计算机工程与科学, 2023, 45(12): 2135-2145.
[6]	肖调杰, 周峰, 郑翾宇, 刘剑, 陈琳, 刘杰, 易明宽, 陈旭光, 龚春叶, 杨博, 甘新标, 李胜国, 左克, . 大规模三维频率域电磁积分方程法数值模拟[J]. 计算机工程与科学, 2023, 45(11): 1901-1910.
[7]	马志峰, 张浩, 刘劼. 基于深度学习的短临降水预报综述[J]. 计算机工程与科学, 2023, 45(10): 1731-1753.
[8]	朱文龙, 江嘉治, 黄聃, 肖侬. ParM:基于国产处理器的异构并行编程模型[J]. 计算机工程与科学, 2023, 45(09): 1521-1531.
[9]	马玉民, 钱育蓉, 周伟航, 公维军, 帕力旦·吐尔逊. 基于孪生网络的目标跟踪算法综述[J]. 计算机工程与科学, 2023, 45(09): 1578-1592.
[10]	曹健, 陈怡梅, 李海生, 蔡强, . 基于图神经网络的行人轨迹预测研究综述[J]. 计算机工程与科学, 2023, 45(06): 1040-1053.
[11]	吴铁彬, 过锋, 王谛. 面向E级计算的高性能处理器核心运算架构研究进展[J]. 计算机工程与科学, 2023, 45(05): 761-771.
[12]	马铭苑, 李虎, 王梓斌, 况晓辉. 深度神经网络模型后门植入与检测技术研究综述[J]. 计算机工程与科学, 2022, 44(11): 1959-1968.
[13]	陈奉贤. 基于NR-Transformer的集群作业运行时间预测[J]. 计算机工程与科学, 2022, 44(07): 1181-1190.
[14]	曹继军. 面向HPC和DC的可重构光互连网络体系结构综述[J]. 计算机工程与科学, 2022, 44(06): 951-963.
[15]	袁国兴, 张云泉, 袁良. 2021年中国高性能计算机发展现状分析[J]. 计算机工程与科学, 2021, 43(12): 2091-2097.