关于开发自动驾驶汽车过程中会遇到的问题详解
自动驾驶汽车开发现在遇到的最大问题是什么？不同的领域都能给出自己不同的看法。
作为一种新兴事物，自动驾驶汽车相对于传统汽车而言，不仅涉及到很多最新的技术，甚至于在软件开发上，比无人机或者是航空航天飞机等应用还要有过之而无不及，其所需要处理的问题也更加复杂。
而作为自动驾驶汽车设计的第一步，模拟仿真对于简化设计流程，缩短设计时间，检验设计结果都起到了至关重要的作用。
但是，与其他自动驾驶汽车开发过程一样，模拟仿真在开发测试的过程中也面临着诸多问题，譬如自动驾驶汽车如何设计才能最好的保证其可靠性这类问题，都能够在仿真阶段得到一定的解决。
而加速这一类问题的解决，则是mathworks在今年的mathworks中国汽车年会上所着重强调的一个问题。
embedded coder产品系列开发总监林晓沧
汽车开发中的两次数字化变革 自动驾驶汽车开发从一定程度上来看是传统汽车开发数字化进程中的一个过程，其是数字化的必经之路，也是必然结果。
而在mathworks embedded coder产品系列开发总监林晓沧看来，这一结果并不是一蹴而就的，从开发的角度来看，至少存在着两个步骤。
第一步，也是最初的数字化变革，是指嵌入式软件无处不在的渗入到传统汽车开发当中。还记得曾经的老式汽车，既没有安全气囊，也没有abs，更没有音乐，有的只是汽车最原始的功能，驾驶，其开发过程也相对简单。
而随着越来越多功能的加入，嵌入式软件的应用势在必行，汽车开发在驾驶的基础之上，开始考虑燃油的经济性和排放，电气化和车辆安全，舒适性和便利性等种种问题。
如此多的问题亟待解决，自然不能够等到样车生产再去发现问题，解决问题。从模型设计着手，才能够更快的设计出与时俱进的汽车。
“这时候，汽车的模型设计一般经历了建模和仿真，测试和验证，代码生成这三个循环往复的步骤。”
第二次数字化变革则是随着自动驾驶汽车的出现，人工智能变得无处不在。
林晓沧强调：“数据驱动算法、机器学习和深度学习以及自主系统这些深入到了自动驾驶汽车的定位、规划、控制和感知等系统模块中去，也使得自动驾驶汽车所需要的模拟仿真工具更加复杂。”
工具复杂性增加带来的一个问题就是，上手的难度呈几何倍数增长。由于自动驾驶涉及的领域和技术五花八门，分门别类。就要求开发者所了解的知识必须包罗万象，甚至达到了无所不知的地步。对于开发者来说，要求可以说是耸人听闻。
但是，毕竟术业有专攻，开发者只是精通某一领域，他们不一定是专门的程序员，不一定拥有非常丰富的其他领域的知识和背景，只是因为产品的需要，就不得不借助计算机程序来处理一些从未深入了解的任务，如何更好、更快的解决这些问题呢？林晓沧认为，这时候，开发者最需要的就是模块化，高度集成的，能够补足开发者短板的工具。
什么工具能够补足开发者短板？ 可以说，基于模型的设计已经被广泛的应用到各行各业的开发过程中，不仅仅是在自动驾驶汽车开发中。
这一设计的好处在于，对于开发者而言，能够快速的应用其他领域的知识，而不需要过于深度的知识，无形中加快了设计的速度，简化了设计的流程。因此，在越来越多的开发过程中，基于模型的设计在系统高度自主化的今天，扮演着关键的角色。
林晓沧表示，mathworks希望借助推出新的工具，为开发者提供一系列的设计和验证工具，从而实现快速地开发人工智能算法，简化自动驾驶汽车算法的验证工作。
为此，在2017年，mathworks推出了自动驾驶系统工具箱（adst），希望借此为从事自动驾驶以及主动安全系统设计的工程师提供一系列加速自动驾驶系统及主动安全系统开发的工具。
据了解，这一工具主要包括三个方面：
第一，测试与验证工具，包括真实值标签与场景生成；
第二，算法开发工具，包括传感器融合与目标跟踪，和视觉系统设计工具；
第三，可视化工具，包括鸟瞰图工具，以及雷达点云工具。
众所周知，自动驾驶汽车将环境概念拓展得更加宽泛，包括天气、交通、道路条件等。
adas、智能汽车包括非常多的环境传感，包括摄像及各种不同功能的雷达，如超声波雷达、毫米波雷达、激光雷达。这些都对建模仿真技术提出了很大的挑战。
mathworks为上述功能应用提供了完整的建模工具和方法。场景工况、传感器融合、控制算法、执行器，这四个部分是完整的智能驾驶仿真架构，这一工具都能够一一针对解决。
据了解，在核心算法开发软件工具领域，mathworks几乎占据全球市场的垄断地位。
mobileye、德尔福等均采用其软件工具进行摄像头、毫米波雷达、激光雷达等模块的开发。而且几乎所有整车厂执行、控制模块开发也采用其产品。
此外，林晓沧还强调，在基于模型设计开发的各个阶段，mathworks有不同的工具箱支持快速、高效、高质量地完成相应的开发工作，并且有专业的培训团队提供标准化及定制化的培训课程。
“对于开发者而言，如何更快更好的进行设计才是重中之重，这其中，一款合适的工具起到了非常重要的作用，对于自动驾驶汽车开发也是如此。”林晓沧最后表示，“作为新兴事物，自动驾驶汽车会在开发中遇到此前不曾遇到的问题，我们非常愿意与更多的厂商进行合作，逐步解决自动驾驶系统中的问题。做出真正能够加速设计，甚至是补足开发者短板的工具！”
意法半导体欲投30亿美元建设两座300mm（12英寸）Fab
墙壁开关怎么接线_墙壁开关插座安装图解_灯单开关接插座接线图
INTEL与华硕携手NUC业务
关于大功率LED工作原理和散热技术分析
商用密码赋能区块链技术推动了信息安全的向前发展
关于开发自动驾驶汽车过程中会遇到的问题详解
薄壁不锈钢水管相关标准
「预告」飞凌嵌入式邀您相约第13届配电技术应用论坛
CNAS资深专家莅临远方检测
iPhone12系列在中国市场大卖,打破营收记录
嵌入式eMMC存储读干扰应对方案
TI在深圳举办LED技术研讨会
蓝牙运动耳机哪款好，运动无线耳机推荐
联发科技宣布推出曦力P70系统单芯片
intel表示将在2021年下半年开始全力量产和推广7nm产品
如何避免手机音频系统中的ESD静电干扰和电磁干扰EMI
荣耀9最新消息汇总：华为荣耀9外观、配置、性能、代言人、价格以及发布会的时间分析预测
三星Galaxy S20系列确实内置了屏幕保护膜
工信部启动新一轮TD-LTE相关测试 中兴华为入围
关于PI智能家居和无适配器充电的电源解决方案
作为一种新兴事物，自动驾驶汽车相对于传统汽车而言，不仅涉及到很多最新的技术，甚至于在软件开发上，比无人机或者是航空航天飞机等应用还要有过之而无不及，其所需要处理的问题也更加复杂。
而作为自动驾驶汽车设计的第一步，模拟仿真对于简化设计流程，缩短设计时间，检验设计结果都起到了至关重要的作用。
但是，与其他自动驾驶汽车开发过程一样，模拟仿真在开发测试的过程中也面临着诸多问题，譬如自动驾驶汽车如何设计才能最好的保证其可靠性这类问题，都能够在仿真阶段得到一定的解决。
而加速这一类问题的解决，则是mathworks在今年的mathworks中国汽车年会上所着重强调的一个问题。
embedded coder产品系列开发总监林晓沧
汽车开发中的两次数字化变革 自动驾驶汽车开发从一定程度上来看是传统汽车开发数字化进程中的一个过程，其是数字化的必经之路，也是必然结果。
而在mathworks embedded coder产品系列开发总监林晓沧看来，这一结果并不是一蹴而就的，从开发的角度来看，至少存在着两个步骤。
第一步，也是最初的数字化变革，是指嵌入式软件无处不在的渗入到传统汽车开发当中。还记得曾经的老式汽车，既没有安全气囊，也没有abs，更没有音乐，有的只是汽车最原始的功能，驾驶，其开发过程也相对简单。
而随着越来越多功能的加入，嵌入式软件的应用势在必行，汽车开发在驾驶的基础之上，开始考虑燃油的经济性和排放，电气化和车辆安全，舒适性和便利性等种种问题。
如此多的问题亟待解决，自然不能够等到样车生产再去发现问题，解决问题。从模型设计着手，才能够更快的设计出与时俱进的汽车。
“这时候，汽车的模型设计一般经历了建模和仿真，测试和验证，代码生成这三个循环往复的步骤。”
第二次数字化变革则是随着自动驾驶汽车的出现，人工智能变得无处不在。
林晓沧强调：“数据驱动算法、机器学习和深度学习以及自主系统这些深入到了自动驾驶汽车的定位、规划、控制和感知等系统模块中去，也使得自动驾驶汽车所需要的模拟仿真工具更加复杂。”
工具复杂性增加带来的一个问题就是，上手的难度呈几何倍数增长。由于自动驾驶涉及的领域和技术五花八门，分门别类。就要求开发者所了解的知识必须包罗万象，甚至达到了无所不知的地步。对于开发者来说，要求可以说是耸人听闻。
但是，毕竟术业有专攻，开发者只是精通某一领域，他们不一定是专门的程序员，不一定拥有非常丰富的其他领域的知识和背景，只是因为产品的需要，就不得不借助计算机程序来处理一些从未深入了解的任务，如何更好、更快的解决这些问题呢？林晓沧认为，这时候，开发者最需要的就是模块化，高度集成的，能够补足开发者短板的工具。
什么工具能够补足开发者短板？ 可以说，基于模型的设计已经被广泛的应用到各行各业的开发过程中，不仅仅是在自动驾驶汽车开发中。
这一设计的好处在于，对于开发者而言，能够快速的应用其他领域的知识，而不需要过于深度的知识，无形中加快了设计的速度，简化了设计的流程。因此，在越来越多的开发过程中，基于模型的设计在系统高度自主化的今天，扮演着关键的角色。
林晓沧表示，mathworks希望借助推出新的工具，为开发者提供一系列的设计和验证工具，从而实现快速地开发人工智能算法，简化自动驾驶汽车算法的验证工作。
为此，在2017年，mathworks推出了自动驾驶系统工具箱（adst），希望借此为从事自动驾驶以及主动安全系统设计的工程师提供一系列加速自动驾驶系统及主动安全系统开发的工具。
据了解，这一工具主要包括三个方面：
第一，测试与验证工具，包括真实值标签与场景生成；
第二，算法开发工具，包括传感器融合与目标跟踪，和视觉系统设计工具；
第三，可视化工具，包括鸟瞰图工具，以及雷达点云工具。
众所周知，自动驾驶汽车将环境概念拓展得更加宽泛，包括天气、交通、道路条件等。
adas、智能汽车包括非常多的环境传感，包括摄像及各种不同功能的雷达，如超声波雷达、毫米波雷达、激光雷达。这些都对建模仿真技术提出了很大的挑战。
mathworks为上述功能应用提供了完整的建模工具和方法。场景工况、传感器融合、控制算法、执行器，这四个部分是完整的智能驾驶仿真架构，这一工具都能够一一针对解决。
据了解，在核心算法开发软件工具领域，mathworks几乎占据全球市场的垄断地位。
mobileye、德尔福等均采用其软件工具进行摄像头、毫米波雷达、激光雷达等模块的开发。而且几乎所有整车厂执行、控制模块开发也采用其产品。
此外，林晓沧还强调，在基于模型设计开发的各个阶段，mathworks有不同的工具箱支持快速、高效、高质量地完成相应的开发工作，并且有专业的培训团队提供标准化及定制化的培训课程。
“对于开发者而言，如何更快更好的进行设计才是重中之重，这其中，一款合适的工具起到了非常重要的作用，对于自动驾驶汽车开发也是如此。”林晓沧最后表示，“作为新兴事物，自动驾驶汽车会在开发中遇到此前不曾遇到的问题，我们非常愿意与更多的厂商进行合作，逐步解决自动驾驶系统中的问题。做出真正能够加速设计，甚至是补足开发者短板的工具！”
意法半导体欲投30亿美元建设两座300mm（12英寸）Fab
墙壁开关怎么接线_墙壁开关插座安装图解_灯单开关接插座接线图
INTEL与华硕携手NUC业务
关于大功率LED工作原理和散热技术分析
商用密码赋能区块链技术推动了信息安全的向前发展
关于开发自动驾驶汽车过程中会遇到的问题详解
薄壁不锈钢水管相关标准
「预告」飞凌嵌入式邀您相约第13届配电技术应用论坛
CNAS资深专家莅临远方检测
iPhone12系列在中国市场大卖,打破营收记录
嵌入式eMMC存储读干扰应对方案
TI在深圳举办LED技术研讨会
蓝牙运动耳机哪款好，运动无线耳机推荐
联发科技宣布推出曦力P70系统单芯片
intel表示将在2021年下半年开始全力量产和推广7nm产品
如何避免手机音频系统中的ESD静电干扰和电磁干扰EMI
荣耀9最新消息汇总：华为荣耀9外观、配置、性能、代言人、价格以及发布会的时间分析预测
三星Galaxy S20系列确实内置了屏幕保护膜
工信部启动新一轮TD-LTE相关测试 中兴华为入围
关于PI智能家居和无适配器充电的电源解决方案