为自动驾驶保驾护航—谈谈主流中间件设计

2022 年 3 月 24 日
本文字数：3438 字
阅读完需：约 11 分钟

本文作者：极氪软件及电子中心-托地

随着国内外新势力车厂的快速崛起，汽车智能化水平不断提升。整车中央计算平台，自动驾驶域控制器持续走热。

谈起自动驾驶，可能更多的人想到的是 AI 技术、如 Mobileye 视觉感知、地图、各类规划算法、控制、大数据。目前越来越多的主机厂聚焦于数据如何更高效和准确的通信，随着自动驾驶等级从 L2 向 L2++甚至 L3/L4 过渡，对于数据传输要求越来越高。中间件开发和应用一下子被推到了风口浪尖。

谈到中间件，我们不得不先讲一下操作系统 OS。

操作系统有广义和狭义之分。

狭义的操作系统大家都比较熟悉，手机设备上的 ios、Android、车载系统中 Linux、QNX 都是狭义的操作系统，通常包括内核、文件系统、驱动以及部分协议栈整合在内核中。

广义的操作系统一般包含操作系统内核、硬件驱动层和中间件。在各家新能源车厂高谈软件定义汽车时代已到来时，真正能全面掌握芯片、操作系统、中间件、算法以及常用常新的应用才能走在技术最前沿。其中广义操作系统是核心中的核心，已成为国内外主机厂自主研发比拼的方向。

图 1 广义和狭义 OS 框图

回头再来谈谈中间件。中间件是什么，按字面意思翻译过来就是中间一层组件。实际是介于操作系统/底层软件和应用软件之间的桥梁。整个系统软件可以通过中间件在不同的处理器架构和芯片间共享数据。

一套成熟的中间件给开发带来的收益往往是指数级别的进步，大大缩短开发周期和系统稳定度、屏蔽底层硬件差异性做到统一的 API 接口。

图 2 自动驾驶中间件应用

那么自动驾驶需要怎样的中间件？低时延、高带宽和多并发。

从整车功能域角度出发，自动驾驶是收集外部传感器数据量最大的模块，为了持续探测到车身四周各种复杂环境信息，需要毫米波、摄像头和激光雷达配合以达到 360 度无死角感知。并且为了保证安全，所有数据都需要接近实时的速度处理，为了保证大量数据的实时处理，较低的数据延迟需要由高性能的计算单元和高带宽的网络通信，数据可轻易在不同内核中共享。

图 3 自动驾驶 360 度传感器感知示意图

表 1 传感器典型带宽

从上表中可以知道随着自驾功能不断升级，对于传感器的传输数据带宽和传输延迟要求也在不断提升。为了满足此需求，业界各家自驾公司也在开发自己的自动驾驶中间件以满足要求。

ICEORYX：

博世在量产 ADAS 领域装配率长期占据市场前三的份额，他们对于如何将自动驾驶数据高效流转的需求更为迫切，为此在大神 Michael Pöhnl 带领下，专门为自动驾驶开发了一套中文名叫“冰羚”，英文名 ICEORYX 的中间件。

如上面所说，大量自动驾驶相关的感知数据需要在整个系统内完成快速的流转，这里就不得不提一下进程间通信（Inter Process Communication）这个概念。拿大家最常用的 Linux 系统举例，不同进程之间传播或交换信息，由于不同进程地址空间相互独立，传递数据时不停的来回拷贝数据，建立和释放堆栈，这个不生成任何价值的拷贝的过程浪费和占有了大量系统资源并产生了不期望的延迟。

图 3 进程间通信

ICEORYX 为了解决上面的问题，设计了一种“零拷贝”的内存共享技术来优化之前 ADAS 量产项目中遇到的困扰。

这种“零拷贝”通过事前定义好的通用接口，将需要消费的数据（图片原始 RGB 或者激光点云数据）放入由 ICEORYX 申请好的内存空间，然后引入“记数器”这个概念，来记录内存空间中各块数据是否被调用还是释放，当计数器为 0 时，就表示该块数据可以被释放。这样所有的数据调用都发生在共用的内存区域中，免去了各进程将数据拷贝到自己私有存储内，大大提高了数据通信的效率。

下面套用一张博世官方介绍材料中的图，基于共享内存的拷贝其实并不是一种创新的通信机制，但 ICEORYX 采用了发布/订阅架构、服务发现、和计数器相结合的机制。通过添加避免复制的应用程序编程接口，实现了所说的真正的零拷贝——一种从发布者到订阅者的端到端的方法，而无需创建一个拷贝。

图 4 零拷贝通信（引用 1）

发布者将数据写入事前申请好的内存块中，订阅者可以收到这些内存块的实时状态，并且知道哪些内存块正在处理中，哪些内存块将被释放。发布者可以在订阅者读取数据块的时候同时再次写入而不收到任何时间干扰和延迟，因为即使之前的内存块在被读取中，发布者也可以选择之前已经分配好的新的内存块中操作。

ICEORYX 是开源的，遵从 Apache-2.0 许可证。任何个人或者团队都可以免费使用源代码，但如果需要过 ASIL-B 或 ASIL-D 等级功能安全认证，那还需要从博世购买相关的安全服务。

目前对于 ICEORYX 这套中间件来说最大的挑战还是需要有主机厂快速搭载量产车上市，来真正检验其价值。另外由于自动驾驶感知信息种类越来越多，激光点云数据、摄像头 RGGB 帧、3D 毫米波雷达目标信息以及 4D 毫米波雷达点云信息，整车信号数据等，如何高效申请和分配内存块也是实现真正“零拷贝”的前提，这少不了在实际项目中不断打磨优化。

ROS2：

接下来我们再来看一下大名鼎鼎的 ROS2。

说到 ROS2 不得不先聊一下 ROS(Robot Operating System), ROS2 正是从 ROS 发展升级过来的。ROS 最早开发出来是去适配机器人的一套开源软件系统，里面包含 3000 多个基础库、灵活的进程间通信机制、底层驱动、硬件抽象等。

如前文所述，自动驾驶是非常复杂并对安全性要求很高，它包含了车道线检测、目标物检测、障碍物检测、决策、控制模块等；需要将这些功能各异的模块集成到一起，形成一个端到端系统。所以要找到一个适合的中间件框架很不容易，ROS 在学术界和机器人届广泛使用、消息机制灵活开发以及丰富调试工具恰恰符合自动驾驶开发的需求。我们看到国内自动驾驶黄埔军校百度在早期 Apollo1.0/2.0 版本中正是选用了 ROS 框架。

但是在实际开发应用中，开发人员发现了 ROS 适配自动驾驶的不足之处。比如 ROS 通信延迟太大，数据从发布节点到订阅节点之间需要进行拷贝，在机器人设计中可能还不是一个 Block 点，但在自动驾驶系统中很显然会大大影响数据的传输效率。另外 ROS 的单 Master 节点机制也是一个瓶颈，所有的子节点通信都需要借助单一的通信主节点。万一主节点出现故障，整个系统也会受到影响。为了解决 ROS 的明显缺陷，百度 Apollo 在 3.5 版本后发布了自研的 Cyber RT 框架来取代 ROS。