如何能放心地将更多驾驶权分享给座驾？

与基本的驾驶辅助系统相比，自动驾驶系统要复杂得多，因为前者无需从司机手中接管车辆的控制权。面对复杂的道路状况，我们如何能放心地将更多驾驶权分享给座驾？这对自动驾驶系统的算法和算力提出了非常高的要求。

对此，Snapdragon Ride高速公路自动驾驶系统围绕Snapdragon Ride自动驾驶软件栈和Snapdragon Ride自动驾驶硬件平台两个关键模块进行设计和优化。

自动驾驶软件栈

感知 首先，我们运用摄像头和雷达来感知周围环境。目前的公路自动驾驶系统在车身四周配备多达8个摄像头和6个雷达，提供360度全覆盖感知。

我们部署了30多个深度学习网络对摄像头和雷达传感器的数据进行分析，并完成各项功能。例如二维和三维障碍物的检测和分类、车道类型检测和分类、信号灯状态识别、可用空间估算等。这些深度学习网络可在骁龙处理器的专用加速器上运行。

对于天气状况、环境状况、覆盖范围这些可能会干扰传感器的不确定因素，我们以融合算法来应对。例如，系统会以不同方式对已知障碍物和突然出现的障碍物进行标记，从而在不确定的情况下进行决策，提供安全舒适的驾驶体验。

高精度定位 第三代视觉增强高精定位（VEPP 3.0）算法结合了Qualcomm多频全球导航卫星系统（MF-GNSS）解决方案以及摄像头、惯性测量单元（IMU）和控制器局域网（CAN）传感器输入的数据，几乎在任何时间和地点都能实现车道级高精度定位。

此外，我们的地图融合算法通过采用粒子滤波器来执行多假设跟踪，并运用VEPP 3.0、前置和侧置摄像头提供的数据来识别道路的定位特征。只需一个相对高精度地图，即可实现厘米级的精确定位。

行为预测和规划 行为预测算法能够综合考察道路规则、车道类型、车辆动力学等因素，并够充分利用同一道路上其他人收集的数据，对每个与本车相关的动态主体可能采取的操作及意图进行预判。从而为本车的操作做出决策。

自动驾驶硬件平台

数量庞大的摄像头和雷达等传感器，以及多频全球导航卫星系统、30多个深度学习网络，这些都需要强大的算力进行支持。考虑到实际交通状况的复杂程度、自动驾驶所需的计算能力也越来越高。

Snapdragon Ride硬件平台支持单个安全系统芯片、多个安全系统芯片或安全系统芯片以及安全加速器，满足不同级别的自动驾驶要求。

例如，单个骁龙自动驾驶系统芯片能够提供每秒30万亿次（TOP）的速度，支持SAE L2到L3级别的解决方案；而结合ADAS SoC和自动驾驶安全加速器的多SoC解决方案，则能够以130W的低功耗实现最高每秒700+万亿次的性能，可以为L4到L5级别的自动驾驶解决方案（机器人出租车）提供支持。 然而，TOPS等性能指标并不足以评估汽车计算系统的有效性。为此，Qualcomm开发集成式解决方案会协助客户深入洞察，在设计一个面向实际使用的自动驾驶系统时，可能会遇到的复杂问题。并提供切实有效的工具进行应对。

对于热能效等重要议题，Qualcomm在电源管理和优化设计方面的优势，为打造无需复杂水冷系统的自动驾驶解决方案提供了保障。我们借助先进的神经处理引擎、高吞吐量数据管道和性能优化工具，在单个系统级芯片内实现最佳能效和显著优化的散热解决方案，从而打造出符合公路自动驾驶性能要求的解决方案。

我们的综合平台采用开放式软件，不仅为客户提供更大的自定义空间，也让该等软件和硬件更加透明，能够帮助汽车制造商将产品快速推向市场。

通过Snapdragon Ride平台，原始设备制造商和汽车设计商将看到，无需从零开始，也能打造出舒适便利的自动驾驶汽车。