利用深度學習搭建一個最簡單的無人駕駛系統
發布時間：2019/5/10 瀏覽數：26837
一個英特爾至強 E5 的 CPU，擁有 12 內核，30MB 的二級緩存，運算能力為 400GOPS/s，功率消耗為 400 瓦（應該是第一代至強 E5，目前 E5 最高功率消耗都不超過 180 瓦），八個英偉達的 K80 GPU，每一個 K80 的運算能力為 8TOPS/s，通過 PCI-E 連接，每一個 K80 的功率消耗為 300 瓦，合計是 2800 瓦的功率，取得 64.4 TOPS/s 的運算能力。
和 Waymo 的車一樣，需要一個備份系統，當然這個備份系統處于待機狀態，功耗可能不到 500 瓦，但是為了有足夠的冗余，同時還要考慮到傳感器的功率消耗（傳感器功率一般都很低，即便是 Velodyne 的 HDL-64E，典型功耗僅 60 瓦），整體系統的功率設計為 5000 瓦，原車的電源系統當然不行，需要一個發電機，或者雙電瓶設計。這一套系統價格大約 3 萬美元。
這樣的設計只能用于 Demo，量產自然不能是這樣。
FPGA、CPU 與 GPU
未來量產的無人駕駛運算平臺可能會是什么樣的？
可能是這樣的：未來汽車運算平臺架構是一片 CPU 或者說 SoC, 對應大部分控制和運算量不大但邏輯關聯比較多的運算，一片 FPGA 或 GPU 做加速，對應運算量很大，但內部幾乎沒有邏輯關聯的運算，例如車輛識別算法，行人識別算法，車道線識別算法。
再加一片安全控制 MCU，通常是英飛凌的 Aurix 系列 MCU，使整體系統達到 ASIL D 級安全等級。即便是這樣的系統，其功耗最少也在 500 瓦以上。
