驾驶脑设计与实现

驾驶脑设计与实现TheDesignandImplementationonDrivingBrain

设计是一个从全局到局部的过程，要高屋建瓴；实现正好反过来，要关注细节。对于轮式机器人中的驾驶脑，无论由上而下还是由下而上都理清楚了，才能构成一个原理型驾驶脑样机，也才谈得上驾驶脑的品质和智商,

驾驶脑设计与实现是仿驾驶员的驾驶智能，不是设计一台高性能车载计算机！写在前面驾驶脑设计与实现(上篇)一、呼之欲出的驾驶脑二、驾驶脑架构设计原则和设计约束三、驾驶脑数据流程四、驾驶脑外延——记忆棒五、双总线架构

一、呼之欲出的驾驶脑驾驶脑将驾驶活动从人的认知活动中抽象并剥离出来,

不少做,更不多做，专门模拟人脑完成低级、繁琐、持久的驾驶认知，选择性注意，永远专注，永不疲倦。驾驶脑的差异反映个人智力和运动协调能力的差异，世界上没有两个完全相同的驾驶脑。量产驾驶脑盒子是智能车产业化的前提！驾驶脑≠围棋脑智能车产业化=---------------------------性能（2020年）

*可靠性（2020年）成本（2020年）将驾驶可靠性从三个9提高到五个9，比人工驾驶高两个数量级！智能车价格是原车价格的200%，能否接受?产业链中传感器和驾驶脑的性能是关键！智能车驾驶脑研发历史回顾把传感器、交换机、计算机和服务器移到车里把传感器藏于车身，把工控机等置于后备箱传感器和车身一体，

驾驶脑融入车内总线耗电几千瓦箱子大小10年前的研发耗电几百瓦抽屉大小5年前的研发耗电几十瓦饭盒大小当前的研发在后备箱里放着一堆交换机、工控机等软硬件耗电几百瓦，启动慢，通风散热不好，如何产业化？能否做成一块板卡？驾驶脑的量产是智能车产业化的必然选择，要求驾驶脑是一种“大接口、小尺寸、高性能、高可靠、低功耗、低成本”的嵌入式平台，它可以是一个盒子、一块板卡，最好是一个芯片。告别工控机时代，迎接板卡时代研发“一大一小两高两低”的驾驶脑智能车传感器种类和数量如何确定？如何配置？车载计算机、操作系统、编程语言如何选择？如何设计出“不牵一发动全身”的软件架构？支撑模块和应用模块如何划分？各需多少？如何配置？计算、存储、带宽等资源如何冗余？可靠性如何保证？智能化和汽车已有的自动化如何握手？驾驶脑的智商如何提高？

驾驶脑设计的本质是架构物理架构逻辑架构例如：英伟达DrivePX的自动驾驶系统TX1芯片:四核A57+四核A53+4GRAM+64GeMMc+Maxwell256核GPU显示接口:2组LVDS支持12个2百万像素相机60帧率的相机接口，4个一组，组内帧同步视频处理器：“Mobileye:EyeQ3”48针车规组合接口:6个CAN2.0接口4个LIN接口2个FlexRay接口1个Ethernet接口

2个UART接口

1个电源接口独立TX1芯片，作用仅仅是冗余英伟达DrivePX自动驾驶系统软件架构OS:NVIDIAVibranteLinux4.0

64-bitKernelLinux,Quickboot,AutoSARRunTimeEnvironment

硬件层：Tegra

X1

处理器操作系统层：Linux操作系统中间件：支撑图形图像处理与并行计算汽车开放系统架构基础软件应用层英伟达的自动驾驶系统本质上是一台车载计算机！

回顾近十年来我们参加的比赛和里程碑试验，智能车各种感知和认知手段，相互依存，彼此缠绕。在各类比赛场、测试场，智能车表现千奇百怪、反反复复，我们困惑过，迷茫过，试来试去，换车、换平台、加电源、换模块，通过多车交叉验证和常态试验，终于理出了头绪，形成全新的驾驶脑设计!13FPGAFPGAFPGAFPGAFPGAASICFPGAFPGAGPUASICASICCPU利用微电子技术，采用FPGA+CPU+GPU+ASIC架构，先利用通用芯片生产板卡，研发区别于车载计算机的机器驾驶脑！

和各种车载传感器相比，驾驶脑的架构设计、模块划分和界面约定才是智能车的生命力，进而决定智能车产业的核心竞争力！

这不是一个教授的学术报告，而是一个团队总工程师的技术版本升级报告，也可以说是一个架构师认知工程最新设计方案；这不是一个共识的总结，而是一个非共识部分或者说特色部分的问题解决方案，几乎融入我们所有的相关发明专利和实践经验，要尊重自己的创造！充分肯定智能车架构1.0中的成功实践！核心是使用多台工控机和交换机构成的网络架构，而以进程表现的各类应用模块工作在哪台主机上并不重要！驾驶脑3大认知并列动态路权理论传感器不相互依赖传感器布局体现选择性注意传感器之间免同步技术点云不进入决策——驾驶脑中的自主核心技术驾驶地图认知箭头虚拟交换不同记忆区划分各种记忆棒等先验知识与技能我们和谷歌有什么不同？记忆抽象和认知背景已有认知协助当前感知3x3形成的试验方法学智能化和自动化握手机制一次、二次规划隔离我们和谷歌有什么不同？驾驶员认知坐标系路口SLAMiSLAM多车交叉验证双驾双控人机协同共驾点云不进入决策——驾驶脑中的自主核心技术但是，智能车架构1.0也存在问题，……“猛狮4号”智能车传感器等硬件物理连接图后毫米波雷达CAN线GPS惯导

串口线顶8线激光雷达前8线激光雷达前1线激光雷达后1线激光雷达交换机网线网线网线网线网线左耳摄像头右耳摄像头USB线USB线OBD诊断接口串口线车内左摄像头车内中摄像头车内右摄像头1394视频传输线1394视频传输线1394视频传输线下位机控制器串口线工控机工控机工控机以太网工控机3+操作系统工控机2+操作系统工控机1+操作系统支撑模块进程监控虚拟交换日志管理交互调试应用模块图像预处理GPS预处理感知雷达预处理认知路径导航道路要素映射路口记忆棒危险场景记忆棒泊车记忆棒人工干预决策行为油门控制制动控制其它控制方向盘控制信息融合驱动模块激光雷达毫米波雷达超声波雷达红外雷达GPSIMU图像类传感器驱动模块雷达类传感器驱动模块GPS类传感器驱动模块单目相机双目相机BDSIMU智能车软件模块架构图发送者物理层千兆以太网接收者应用层传输层UDP网络层IP物理层千兆以太网应用层传输层UDP网络层IP智能车架构1.0存在问题分析由于UDP是一种面向事务的简单不可靠信息传送服务，尽管传输效率高。但它不对数据包进行排序，无法确知是否安全完整到达，造成基于UDP的虚拟交换的先天不足！虚拟交换虚拟交换人机交互和在线调试占用了智能驾驶实时信息处理的计算资源和带宽，又没有规定基于组播技术的虚拟交换中交换的优先级，当通信量增大时出现阻塞和丢包现象，重要小包的丢失会造成车辆失控的严重后果！智能车架构1.0存在问题分析二、架构设计原则和设计约束架构设计原则系统原则模块原则表现原则快乐编程原则系统原则模块原则表现原则NVIDIA

嵌入式超级计算机iDRIVE

机器驾驶脑系统原则

明确任务目标和系统约束，首先是明确不做什么，其次才是明确做什么，尤其是做强什么。这一点成为驾驶脑架构的特色和亮点。

研发驾驶脑，如果架构师一开始就讨论传感器的高性能、高并发、大流量、大数据以及跨媒体的关联计算，一开始就讨论高智商，只能说明他还不懂得忽略和聚焦，不懂得抽象和分离。

架构师应该在智能车的性能、可靠性和成本等诸多制约因素中，确保架构设计的普适性，当某一传感器或者某一软件性能提高后，仍然能够保证架构的扩展和可持续发展，以及量产后的低成本实现。对架构师而言，传感器的多少、驾驶智商的高低不应该影响架构；换一个新型传感器或者软件模块新版本，如同汽车换一个车灯；换一个车辆平台，甚至换一种驾驶风格，都不会影响架构。

不做什么？为什么不做？要不要全地域的高精度地图？要不要识别全程交通标志牌？要不要做图像和雷达的全程点云SLAM?要不要识别周边行人姿态和情绪？要不要识别前方车辆种类和品牌等？先觉后视视而不觉边视边觉先视后觉根据前一时刻已拥有的路权，关注当前路权的变化对周边自然风景、建筑风格、行人年龄姿态行为、是不是美女、行人和宠物的差别、前方车辆品牌，是不是时尚等等，一律熟视无睹。常规的、带GPU加速的计算机图像处理强选择性，利用记忆主动感知，主观寻找特定驾驶情境强调已有认知协助当前感知！“做什么”举例：做好做强什么？专注驾驶和驾驶安全做好为智能车和驾驶员服务的驾驶地图做强选择性注意做强已有认知协助当前感知做强认知工程学明确任务目标先跑通驾驶脑架构，再优化、升级模块性能系统架构要有普适性，既适用商用车，也适用乘用车，还适用特种车，最好适用所有轮式机器人架构要稳定，模块可维护、可重用、可扩展，可多车交叉验证，界面友好分层与模块化是智能车软件工程的重要思想，切分要尽最大可能减少耦合，不从模块中导出函数核心是工作总线和调试总线的切分，以及调试总线和自学习总线的复用确立“没有哪个软件模块不会被再修改”的原则模块切分原则表现原则感知的结果表现为反映时序的点云图簇，认知的结果表现为驾驶态势图簇，决策的结果表现为认知箭头簇。三类时空序列的2.5维的表现形态（CT图）成为驾驶脑的特色和亮点。通过三类存储的时空序列的缓冲区隔离，防止死锁

软件工程随着遗产代码的积累和进化，新系统的架构设计已经取代传统编码成为软件工程的核心问题，软件开发已经演变为配置为主、编程为辅，驾驶脑研发也不例外。

尽管架构中模块配置的过程本身还是通过模块化编程的方式来完成，但本质上这些模块只是在定制成熟算法的运作方式，其技术难度要比编写平台自带的、或者可以移植过来的高质量的成熟算法至少低一个数量级。悲催的是，多数人在认真地做着相反的事。快乐编程原则基本算法不创新，尽量使用广泛认可的、成熟、开源算法，移植到相应软件模块明确算法中的输入量和输出量，自变量和参变量尤其明确试验中要调整的参变量（如预置阈值、权重、优化系数、选择性开关等）以及参变量冻结的试验时间序编程AB角，离线调程序，在线调参数体现人类认知的驾驶脑的架构设计，是智能车项目的精髓。只要架构适用，传感器缺陷也好，软件脏代码也好，算法创新也好，车辆平台的动力学性质也好，都是局部性的、暂时性的！

智能车传感器的添加可以从少到多、从低级到高级，例如从单目相机到深度相机，甚至到雷达相机。但是，体现人类认知的驾驶脑架构仍然不变。只要架构合适了，智商提高的关键，转向特定传感器或特定模块内部的优化，架构师依然很轻松很潇洒。需求再分析智能驾驶等级区分离线辅助驾驶自动驾驶（局部时段、局部区域）自驾驶/自主驾驶/无人驾驶以人为本的人机协同共驾ADAS,HUD高德导航碰撞预警等ACC自动紧急刹车等城际高速行驶等类似骑士和马人马骑士与马驾驶脑数据流程图软件模块在双总线中的连接关系图驾驶脑软件架构图驾驶脑软件模块列表驾驶脑板卡物理构成图弄清驾驶脑设计的四图一表三、驾驶脑数据流程

类脑驾驶如何受脑科学启发？

驾驶脑性格短期记忆长期记忆情绪学习和思维动机情绪：拒绝人脑中的情绪进入驾驶脑，永远不因情绪而分散注意力，始终专注。工作记忆：体现驾驶员的选择性注意，仅仅关注刚刚过去的以及当前的周边驾驶态势。动机：完成出行任务从起点到终点的一次性路径规划。学习和思维：通过可用路权和相似性匹配，完成自主决策，控制下一时刻的行为动作。长期记忆：如驾驶地图，表示驾驶员的知识和经验。性格：由人的基因决定，反映开车是保守还是张扬，还体现小脑动平衡能力。瞬间记忆视觉残留

遗忘是人类智能的一个显著表现。驾驶员在周边环境世界里，有丰富的瞬间记忆，短期适度的工作记忆，以及反复的长期记忆。越是长期的越抽象越难忘，越是瞬间的越具体忘得越快，表现语言不同，表达粒度也不同。

受脑科学研究成果的启发，总架构强调记忆认知，建立瞬间记忆区、工作记忆区和长期记忆区。三区的数据空间大小、表达语言、时序间隔等完全不同，要解决三区记忆数据在双总线和模块之间传送和存储的效率问题。

三区记忆和记忆共享奠定了驾驶脑架构的基本形态！三区记忆和记忆共享记忆认知、计算认知和交互认知三位一体感知理解认知理解认知积累感觉记忆工作记忆长期记忆前馈前馈反馈反馈抽象抽象演绎演绎记忆认知计算认知交互认知构造不同尺度连接组的、三位一体的、多个多层认知网络瞬间记忆工作记忆长期记忆前馈前馈反馈反馈抽象抽象演绎演绎感知理解（小尺度连接组）认知理解（中尺度连接组）认知积累（大尺度连接组）WORD感知计算

用三类传感器通道类比人的视觉通道，形成对数极坐标下各自丰富的点云图片库，数据量大，可实现传感器数据的瞬间感知理解，还可通过深度学习、尤其是卷积神经网络模拟生物视觉神经，也可以通过GPU加速计算，提高瞬间感知能力。在已有认知（路口地图和路段地图）的协助下，类比人的视觉通道，三类传感器通道既要负责任地、又只能尽力而为，形成视觉残留：GPS+IMU通道：定位、路权检测、导航

雷达通道：定位、路权检测、导航

图像通道：定位、路权检测、导航三类传感器通道我在什么地方？周边有什么？下一步怎么走？SLAM认知箭头可用路权感知计算和瞬间记忆

感知理解要充分借助驾驶地图数据库即时生成的、对数极坐标表达的路段地图或者路口地图，还要与视觉残留关联，感知理解的结果形成新的瞬间记忆，记忆中的数据隐藏着三个通道各自对定位、路权检测和导航的力所能及的贡献。基于路权思想，重数据认知，形成驾驶态势，发现当前可用路权，进而自主决策，形成认知箭头；语言抽象形成的知识和经验的长期记忆反馈给认知计算，驾驶态势的工作记忆也反馈给感知理解。认知计算脑科学研究表明，工作记忆和长期记忆形成的差异可以从海马体的神经突触细胞的化学变化反映出来，通过突触形状记录信息，当CPEB69蛋白质处于元粒态才能执行存储。工作记忆与长期记忆

点云不进入工作记忆，工作记忆的形态是驾驶态势图；长期记忆是对驾驶态势反复形成的抽象，是用语言对驾驶态势做语义标注，以经验和规则的形态表现。决策记忆瞬间记忆动态感知态势分析自主决策精准控制态势记忆计算流程读数据流程反馈：已有认知帮助当前感知工作记忆长期记忆路口记忆路段记忆险情记忆困境记忆泊车记忆反馈读读反馈反馈反馈反馈反馈瞬间记忆瞬间记忆态势记忆态势记忆决策记忆决策记忆搜索匹配写写写速度变化量转角变化量点云中隐含着导航、周边障碍物和SLAM数据路权和路权变化驾驶态势图驾驶态势融合模块自主决策模块精准控制模块在线执行模块态势记忆池决策记忆池瞬间记忆池驾驶态势图驾驶态势图驾驶态势图驾驶态势图驾驶态势图驾驶态势图驾驶脑数据流程图GPS雷达摄像头感知理解模块长期记忆池路段记忆路口记忆特定人险情记忆特定人困境记忆特定人泊车记忆四、驾驶脑外延——记忆棒

考驾照时驾驶员的理论考试，并不要求对交通道路地图的理解和积累。但驾驶员的经验很重要，在高速路上偶尔会看到驾驶员将车停在一边问路，是他的驾驶技术不熟练吗？要不要把全城、全省、全国、全球的高精度道路地图统统搬到一个特定的驾驶脑中去？为什么近年来如此多的地图公司提供我们的驾驶地图始终没有被用上？质疑：

在智能驾驶中，传统电子地图和数字地图处于什么位置？起什么作用？地图是不是个传感器？智能车在第一次出行任务之前是否一定要预先实地学习行驶一遍或多遍？现场跑究竟跑什么？质疑：

每一个特定的驾驶员，每一辆特定的轮式机器人，他走过的路服从二八定律，包括驾驶地图在内的先验知识是以他为中心坐标系的长期记忆认知而已……解决方案：驾驶记忆棒驾驶地图记忆棒路段记忆棒路口记忆棒驾驶记忆棒特定人驾驶案例记忆棒路段驾驶记忆棒路口驾驶记忆棒泊车记忆棒险情记忆棒困境记忆棒……路段驾驶例:

在城市或城际道路上，一般地说，同一路段内具有相同的车道数，且车道宽度保持不变；还具有相同的诸多物理和几何属性。对路段驾驶而言，常常要求较高的横向精度和较低的纵向精度。

根据以下路段地图数据库，即时生成在车辆前进方向上的对数极坐标表示的路段地图。路段名称起止位置坐标限速km/h车道数据路面数据道间及路边数据推荐速度车道数车道宽度车道曲率规则程度道路坡度路面质量规则程度隔离带种类路肩高度规则程度高峰时段平常翠微段(a,b)8033.5m0好+1°柏油好绿化5cm好3070路段驾驶例:

用对数极坐标表示的路段地图路段名称起止位置坐标限速km/h车道数据路面数据道间及路边数据推荐速度车道数车道宽度车道曲率规则程度道路坡度路面质量规则程度隔离带种类路肩高度规则程度高峰时段平常翠微段(a,b)8033.5m0好+1°柏油好绿化5cm好3070路段地图在感知中的作用举例再次确认：雷达识别出道路中间的绿化隔离带，被地图确认；GPS-IMU给出本车所在的地图车道位置，被摄像头检测到的车道线确认互相补充：地图告知进入事故多发区，雷达点云数据反映道路流量增大；地图告知经过流动商贩区，摄像头发现许多行人冲突消解：雷达识别出道路前方疑似横向路肩，地图告知是大陡坡要上桥；地图给出道路大转弯曲率，摄像头丢失车道线；摄像头看出是下坡，地图告知是怪坡。以路段驾驶为例:提醒帮助：地图告知前方是隧道，提醒GPS可能会丢失信号，不再怀疑GPS失锁；车辆到达坡顶前，提醒前向雷达可能无信息可用，提醒摄像头无法检测到车道线，但地图仍可提供地形坡度等信息，辅助决策。过滤噪声：地图告知正在通过粗糙路面，雷达出现抖动噪声数据需要过滤；地图告知要通过城乡结合部路边家禽菜市场繁闹区，雷达发现过多、过小、过杂的移动障碍物属性关联：地图告知正在通过大弯道倾斜路面，雷达检出前方所有移动目标都在减速以路段驾驶为例:路段地图在感知中的作用举例五、

双总线架构

架构设计难在人机交互和协同！

以人为本的人机协同共驾“轮式机器人”驾驶位上的驾驶员（可空缺）程序调试、试验和维护人员乘员互联网远端的车主互联网远端的黑客六种人之间的交互双驾双控在线干预机器人认知能力目的地表达目的地表达自主驾驶抵抗黑客攻击

驾驶脑架构设计的特色和关键是

交互认知的实现

六种人之间的交互，体现人机协同共驾，为车联网打下基础，为提高移动生活品质留有足够空间,并堵死黑客的攻击；既不影响传感器数据的实时性处理，又能够在线调整软件模块中的相关参数，便于试验调试，成为驾驶脑架构设计又一个难点！感知板块认知板块控制板块交互板块自学习板块驾驶脑各板块都双总线工作工作总线调试总线每个板块都在双总线下工作：驾驶态势融合双驾双控工作总线CAN总线认知板块雷达数据预处理图像数据预处理导航数据预处理控制板块执行板块自主决策感知板块交互板块驾驶员干预和工作总线相连的软件模块1KMbps进程监控1虚拟交换1交互控制程序员调试模块黑客干预远端车主干预乘员交互日志管理驾驶态势融合双驾双控调试总线CAN总线认知板块雷达数据预处理图像数据预处理导航数据预处理控制板块执行板块自主决策感知板块交互板块驾驶员干预和调试总线相连的软件模块1KMbps进程监控2虚拟交换2程序员调试模块黑客干预远端车主干预乘员交互日志管理交互控制调试板块汽车CAN总线工作总线感知板块认知板块控制板块虚拟交换2进程监控2虚拟交换1进程监控1程序员调试交互控制乘员交互远程干预自主决策红绿灯检测导航路权检测导航路权检测定位导航路权检测定位图像数据预处理雷达数据预处理GPS数据预处理导航路权定位驾驶态势融合1KMbps1KMbps在位驾驶员干预执行板块软件模块与双总线连接关系图定位日志管理调试总线双驾双控

尽管每个模块都连到工作总线和调试总线，但从物理支撑看，工作总线在以太网1上，调试总线在以太网2上，两者是分开的；从信息流向看，只有交互控制模块对双总线是双跨的！对其它模块而言，双总线在逻辑上是隔离的！唯有交互控制模块可实时干预智能车的行为控制！程序员在线调参数的过程，可理解为程序员在教轮式机器人如何开车真正能够教机器人开车的应该是有经验的驾驶员机器人在驾驶员开车的过程中应该具有自学习能力因此，将调试总线扩展为自学习总线，并开创自学习板块！驾驶态势融合比对库生成双驾双控自学习总线CAN总线认知板块雷达数据预处理图像数据预处理导航数据预处理控制板块执行板块自主决策感知板块自学习板块决策记忆棒生成决策冲突检测交互协商驾驶员干预学习准则和自学习总线相连的软件模块1KMbps虚拟交换2进程监控2自学习驾驶超脑……OBD接口RTK-GPS/BD惯导+轮速计左右耳摄像机顶全景摄像机内双目摄像机内单目摄像机右后毫米波雷达左后毫米波雷达后SICK激光雷达顶64线激光雷达顶8线激光雷达前8线激光雷达右SICK激光雷达左SICK激光雷达右前毫米波雷达左前毫米波雷达前SICK激光雷达侦察k侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察侦察3侦察2侦察1感知理解k感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解3感知理解2感知理解1驾驶态势T-1时刻……认知理解自主决策自动控制驾驶员事故险情、路口、泊车、困境记忆棒驾驶态势T时刻认知箭头双驾双控点云等原始数据油门制动转向调节油门制动转向调节目的地目的地兴趣区数据传感一次

规划云感知云搜索云端地图数据云端感知数据云计算云端先验知识先验知识位置信息驾驶脑SLAM驾驶

地图局部情报T-M时刻驾驶态势在线执行动态感知态势分析自主决策精准控制感觉记忆工作记忆认知感知行为交互模块乘员远端规划调试、实验、维护人员驾驶脑设计与实现(下篇)六、驾驶脑中的小脑——控制板块七、驾驶脑软件架构与列表

八、芯片选型和驾驶脑板卡物理构成九、驾驶脑增量式调试和试验十、驾驶脑架构的开放性和可扩展性

谢谢！感知板块认知板块控制板块交互板块自学习板块驾驶脑各板块都双总线工作工作总线调试/自学习总线每个板块都连到双总线：驾驶态势融合双驾双控工作总线CAN总线认知板块雷达数据预处理图像数据预处理导航数据预处理控制板块执行板块自主决策感知板块交互板块驾驶员干预和工作总线相连的软件模块1KMbps进程监控2虚拟交换2日志管理交互控制程序员调试黑客干预远端车主干预乘员交互驾驶态势融合双驾双控调试总线CAN总线认知板块雷达数据预处理图像数据预处理导航数据预处理控制板块执行板块自主决策感知板块交互板块驾驶员干预和调试总线相连的软件模块1KMbps进程监控2虚拟交换2日志管理交互控制程序员调试黑客干预远端车主干预乘员交互驾驶态势融合双驾双控自学习总线CAN总线认知板块雷达数据预处理图像数据预处理导航数据预处理控制板块执行板块自主决策感知板块交互板块驾驶员干预和自学习总线相连的软件模块1KMbps进程监控2虚拟交换2日志管理交互控制决策记忆棒生成学习准则决策冲突检测比对库生成自学习总线交互板块汽车CAN总线工作总线感知板块认知板块控制板块虚拟交换2进程监控2虚拟交换1进程监控1程序员调试交互控制乘员交互黑客干预自主决策红绿灯检测导航路权检测导航路权检测定位导航路权检测定位图像数据预处理雷达数据预处理GPS数据预处理导航路权定位驾驶态势融合1KMbps1KMbps驾驶员干预执行板块软件模块与双总线连接关系图定位远端车主干预调试总线双驾双控日志管理自学习板块决策记忆棒生成比对库生成学习准则决策冲突检测

尽管每个模块都连到工作总线和调试总线，但从物理支撑看，工作总线在以太网1上，调试总线在以太网2上，两者是分开的；从信息流向看，只有交互控制和日志管理模块对双总线是双跨的！对其它模块而言，双总线在逻辑上是隔离的！唯有交互控制模块可实时干预智能车的行为控制！应用工作总线交互认知自主决策模块导航综合模块路权信息融合模块定位信息融合模块行为油门控制制动控制方向盘控制其它控制感知GPS导航GPS路权检测GPS定位雷达导航雷达路权检测雷达定位红绿灯检测图像导航图像路权检测图像定位驱动激光雷达毫米波雷达超声波雷达红外雷达GPSIMU图像类传感器驱动模块雷达类传感器驱动模块GPS类传感器驱动模