参会请扫描图中二维码
四大自动驾驶软件开源平台分别是百度的阿波罗、Autoware基金会的Autoware、英伟达的Drive（主要是DriveWorks）和大陆汽车子公司Elektrobit的EB robinsand Predictor。
上图是自动驾驶软件栈，以NXP的二代蓝盒子为硬件基础，除了英伟达的DriveWorks无法支持，大部分都支持。这四大自动驾驶软件开源平台最大的区别在于底层，最上层的应用模块差别不大。硬件系统方面，阿波罗和英伟达都推荐64位x86指令集的CPU加英伟达GPU架构。Autoware主要使用英伟达的AGX Xavier或PX2，也就是推荐ARM的V8指令集架构CPU。当然，也支持64位x86指令集的CPU加英伟达GPU架构。EB robins一开始就针对车载嵌入式系统，自然推荐使用ARM架构。
毫无疑问，百度的阿波罗是热度最高的自动驾驶开源平台，139家合作伙伴几乎囊括全球各大车厂和Tier-1，39万行代码都在GitHub上。2017年4月推出的阿波罗平台，目前已经迭代到5.0版。
阿波罗最大改变是3.5版放弃传统的ROS，转用自己开发的CyberRT。自动驾驶系统的底层OS除英伟达有用QNX外，大部分都用Linux，中间件大部分都用ROS。ROS这个开源社区拥有众多丰富的经过验证的免费应用软件，避免了从头开发的天量工作量，大大缩短研发成本和时间。但是Linux 本身是一个通用系统，内核中的调度器对上面的算法业务逻辑并不清楚。它只是在尽量满足公平的情况下让大家都得到调度。所以，ROS Node运行顺序并无任何逻辑。但本质上自动驾驶是一个专用系统，任务应按照一定的业务逻辑执行。特别是传统车厂，对手工代码排斥，对逻辑结构异常重视，他们的研发人员有些甚至不会用Python，研发人员的任务就是设计安全合理的逻辑结构。逻辑结构是保证安全的最重要步骤，至于手工代码，bug是无法避免的，用模型生成代码才是最可靠的。
ROS 的主要挑战之一是没有调度，为了解决 ROS 遇到的问题，Cyber RT 的核心设计将调度、任务从内核空间搬到了用户空间。调度可以和算法业务逻辑紧密结合。之所以能这么做，主要是“协程”的运用。线程分为内核态线程和用户态线程，用户态线程需要绑定内核态线程，CPU并不能感知用户态线程的存在，它只知道它在运行1个线程，这个线程实际是内核态线程。用户态线程实际还有个名字叫协程（co-routine），为了便于区分，我们使用协程指用户态线程，使用线程指内核态线程。协程跟线程是有区别的，线程由CPU调度是抢占式的，协程由用户态调度是协作式的，一个协程让出CPU后，才执行下一个协程。
协程是个好东西，不少语言支持了协程，比如：Lua、Erlang、Java（C++即将支持），还有库支持协程，比如C语言的coroutine、Kotlin的kotlinx.coroutines、Python的gevent。协程的有点是一是上下文（子程序）切换效率很高，因为切换对于内核来说是无感知的，不需陷入内核空间，其切换开销基本和函数调用差不多；线程越多，协程的优势越明显。二是协程的时间开销是确定的，汽车领域最注重的就是可确定性，深度学习和传统以太网就无法实现可确定性。三是能用同步的风格写异步的逻辑。
协程和线程有3种映射关系：第一种，多个协程绑定1个线程，优点就是协程在用户态线程即完成切换，不会陷入到内核态，这种切换非常的轻量快速。但也有很大的缺点，1个进程的所有协程都绑定在1个线程上，一是某个程序用不了硬件的多核加速能力，二是一旦某协程阻塞，造成线程阻塞，本进程的其他协程都无法执行了，根本就没有并发的能力了。这种映射最好设计。
第二种是1个协程绑定1个线程，协程的创建、删除和切换的代价都由CPU完成，代价太高。第三种是多个协程绑定多个线程，这样可以发挥多核CPU的性能，也对CPU利用效率很高，多个线程之间的调度还是要进入到内核态，不过相比一般的纯多线程还是要好很多。第三种的复杂程度很高，编译起来很难。
Linux中是多对多的模型，用户态线程通过LWP和内核线程绑在一块，LWP是个轻量级的东东，实际执行就是LWP要决定这次带哪个绑在自己身上的用户态进程执行，也就是局部调度。然后CPU再决定让哪个内核线程执行，也就是全局调度。
上图为英伟达整个自动驾驶领域的软件分布，DriveWorks实际只是其中的最上层，关键的底层DriveOS，英伟达并未开源，因为DriveOS有相当多QNX的贡献，而QNX肯定是要收费的。
DRIVE AR主要是增强现实，将车载系统所进行的环境感知、路线规划等环节直接映射到车辆显示界面（HUD或中控屏）中。DRIVE IX主要是车内人机交互，包括手势识别，语音识别和唇语读出，头部姿态追踪，眼球追踪。
上图为DriveWorks高级架构。
英伟达不仅抛弃了ROS，连Ubuntu也抛弃了，英伟达使用了微内核的QNX来代替Ubuntu。QNX的微内核结构与阿波罗的CyberRT 异曲同工，同样也是在用户空间做类似于协程的调度。
关于微内核与宏内核，如同RISC和CISC一样长期有争论，也有人认为纯粹的微内核或宏内核（应该叫Monolithic Kernel单内核更准确）不存在，大家都是混合内核。不过QNX应该是非常纯的微内核。众所周知，微内核非常难做，全球成功的微内核只有QNX一家（华为的鸿蒙还未确定能否成功，诺基亚的Symbian已经失败），其余都可以说是宏内核。
微内核最大特色就是安全性高，因为用户服务是独立于内核服务的，因此任何用户服务崩溃都不会影响到内核服务，内核很大程度上只是转发信息。应用程序调用操作系统的系统调用，或者内核调用其他组件（比如文件系统，驱动程序）的功能都是通过IPC的方式。逻辑越清晰简单，安全性就越高。
其次，微内核具备实时性，其实实时性并非是几乎没有时间延迟，而是有时间可确定。内核空间里，微内核非常精简（QNX内核据说代码仅4000行，12kb），自然延迟很低。但是其他模块和系统功能全部作为独立模块放到用户态空间中运行，功能分散了以后增加了通信的成本，降低了效率。
再次，微内核的扩展性强。添加一个功能，只需要建立一个新的服务到用户空间当中，而内核空间不需要任何的修改。因此，微内核可移植性强、安全并且易于扩展。最后，微内核对虚拟化支持度很高，隔离和再现很容易做。
英伟达的DriveOS集成了黑莓的64位QNX系统，据称可以达到最高的汽车安全等级，即ASIL-D级。在2019年11月，现代也选择了黑莓的QNX系统做ADAS和自动驾驶的软件平台。英伟达的DriveOS还集成了TTTech的Motion Wise。
TTTech是一家奥地利公司，擅长飞机和汽车的特殊以太网，上汽荣威MarvelX，奥迪A8，NASA猎户座号宇航飞船、波音787等项目，都成功地运用了TTTech核心技术。MotionWise安全软件平台是包含MotionWise服务和第三方软件stack的集成解决方案。Motion Wise运行在多主机环境，其中一个Safety Host通常运行Classic AUTOSAR, 一个或多个Performance Host运行POSIX操作系统。MotionWise支持的Safety Host安全等级可以达到ASIL-D。MotionWise提供了三大核心服务：
1、调度服务（Scheduling Services）：时间触发调度和混合策略调度，保证实时性和抗干扰性，达到ASIL-D级标准。
2、通信服务（Communication Services）：RTE层，数据同步层，Middleware 层，主干网通信层之间的通信，MotionWise中间层抽象了多核环境的管理。该层不仅实现生产者和消费者之间的零拷贝，并且buffer的实现符合ISO 26262的ASIL-D要求。Middleware 层与以太网传输层一起工作，处理所有设备之间的通信。确定性以太网主干网用于ECU内部通信。
3、时间服务（Time Services）：MotionWise时间服务遵循时间感知架构设计。MotionWise的不同实体（例如应用程序和运行这些应用程序的芯片）被同步到同一个时间基准。这是实现ECU全局时间触发调度的前提。
DRIVEOS还全面支持汽车界的自适应Autosar。不过使用英伟达DriveWorks的绝大部分用户还是用传统的Ubuntu。
百度的阿波罗和英伟达的DRIVE都无法摆脱商业化气息，尤其英伟达，必须使用英伟达的GPU。真正的开源且独立是Autoware。
名古屋大学客座副教授，东京大学副教授Shinpei Kato（加藤真平）在2015年首次提出开源算法Autoware。2018年12月，自动驾驶软件公司 Apex.AI、Tier IV（Shinpei Kato是CTO，目前已获得1.3亿美元融资，是自动驾驶软件行业融资额最高的）和开源协作组织 Linaro 96Boards 共同宣布成立 Autoware 基金会。第一届董事会成员包括Shinpei Kato、Jan Becker（Apex）、Zhangyang（中科院AI研究所与Linaro/96Boards）。Linaro 96Boards就是 ARM 联合 Linaro 定义的一个以 Cortex-A 系列处理器开发板为主的 ARM 开放平台规范，取名 96Boards，意在说明囊括了“32 位+64 位”的板卡。
Autoware基金会分三个等级，第一级是Premium，每年会费为5万美元，目前有16家，包括华为/海思，Velodyne，ARM，Linaro 96Boards，LG（提供模拟仿真器），Apex、、Autonomoustuff、Kalray（多核加速器初创厂家）、Parkopedia（停车大数据服务公司）、南京润和软件、streetdrone（英国无人车初创公司）、TierIV、ITD-LAB（双目专家）、esol（日本实时嵌入式系统开发商，全球第三大汽车部件厂家电装持有其20%股份，丰田的视觉系统底层软件平台由其提供，达到ASIL-D级）、MACNICA（日本主要电子产品分销商）、TRI-AD（丰田先进研究院）。Autoware的线控车由丰田提供，为Lexus的LS450H。
Autoware基金会第二级的工业与机构，每年会费1万美元，目前是19家，包括英特尔、爱信科技（丰田关联公司）、中国台湾广达（全球第一大笔记本电脑代工厂）、日立、Xilinx、Cadence、速腾聚创、镭神、禾赛和美国高速公路管理局。最后是非营利组织或大学，每年2000美元会费，包括名古屋大学、open robotics、日本琦玉大学、法国UTBM大学、SEMI和中国台湾工研院IT IS。
毫无疑问，Autoware是ARM鼎力支持的。Linaro背后也主要是ARM，还包括NXP、谷歌、海思、三星、意法半导体、富士通、Cypress、Marvell、索喜、德州仪器和高通。
Autoware的主要模块，在V2X领域对CAM和DENM已经支持。
目前Autoware是基于ROS2.0的，1.0的主要问题（实时性、master节点、跑不了嵌入式等）基本都解决了。
ROS1的通讯系统基于TCPROS/UDPROS，强依赖于master节点的处理，可以想像master失效，整个系统崩溃。但是从右边ROS2的架构中我们可以发现，之前让人耿耿于怀的master终于消失了，ROS2的通讯系统是基于DDS的。DDS的全称是Data Distribution Service，即数据分发服务。它是对象管理组织OMG（ObjectManagement Group）在2004年正式发布的一个专门为实时系统设计的数据分发/订阅标准，最早应用于美国海军和星际网络，解决舰船复杂网络环境中大量软件升级的兼容性问题，目前已经成为美国国防部的强制标准，同时广泛应用于国防、民航、工业控制等领域，成为分布式实时系统中数据发布/订阅的标准解决方案。它特别适合通信环境不佳，经常中断，但又要求绝不能出错的场合。ROS2.0删除了master机制，用自动发现机制代替，这个通信组网机制和汽车网络CAN完全一致。当 CAN 总线上的一个节点（站）发送数据时，它以报文的形式广播给网络中所有节点，对每个节点来说，无论数据是否是发给自己的，都对其接收。每个节点都会周期性发广播。
上图为Autoware的路线图，应该说是Apex的路线图，Apex计划在2020年用自己的产品化的OS取代ROS。另一方面，Autoware的Premium会员esol试图用自己的eMCOS（微内核）取代linux，并跑在嵌入式系统上（micro-ros）。
不过微内核难度极高，这么多年成功的只有一个QNX，esol是一家年收入不到1亿美元的公司，做微内核资源恐怕不足。
在瑞萨R-Car H3（4个A57和4个A53，40kDMIPs）上跑Autoware。
最后来看Elektrobit的EB robins and Predictor。
Elektrobit是大陆汽车的子公司，也是全球最大汽车软件公司。其EB robins完全没考虑非车规级的底层系统。它是高度依赖Autosar的。
EB robins架构，Elektrobit只做自己最擅长的模块。Elektrobit也有自己完整的自适应Autosar模块。
EB robins对高精度实时升级地图、ADASIS V3和V2X考虑得最多。地图则来自TomTom的支持。ADASIS协会开发了EB robinos Provider & Reconstructor。
Elektrobit自然会继承母公司德国大陆汽车的电子地平线，所谓电子地平线基本可看做类似专用网的V2X。自动驾驶领域原型开发与HiL专家dSpace与Elektrobit关系密切，在其新型ADASIS v3 Horizon Reconstructor Blockset模块组中引入了Elektrobit的模块，EBrobinos Provider提供最新的基于SD和HD地图数据的电子地平线数据源，EB robinos Reconstructor重构并有效存储相关的电子地平线数据。
考虑到研发资源有限，同时也要考虑成本，EB robinos的目标似乎主要是高速公路的自动驾驶。
综合来看，阿波罗的势力最强，合作伙伴最多，但车规方面和嵌入式系统方面考虑还不够。英伟达在车规方面考虑最周全，但硬件有限制，有封闭性，也未考虑太多嵌入式应用。Autoware考虑嵌入式系统最多，车规方面较少。EB robinos未考虑底层的适配性，应用面窄。
【近期文章】
佐思汽研2020年多用户报告撰写计划表
《周彦武研究特辑：智能驾驶硬件指南》
「佐思研究年报及季报」
主机厂自动驾驶策略研究 | 汽车视觉产业研究 | 低速自动驾驶产业研究 | 商用车自动驾驶产业研究 | 新兴造车企业布局及智能网联功能对比分析 | 汽车MLCC研究报告 | 汽车分时租赁研究报告 | 5G自动驾驶专题研究 | 汽车仿真研究 | 高精度地图产业研究 | 域控制器研究 | 自动泊车与自主泊车研究 | 激光雷达研究 | 毫米波雷达研究 | 处理器和计算机芯片研究 | 红外技术及在夜视和DMS研究 | 中国毫米波雷达市场分析 | 汽车功率半导体研究 | HUD行业研究与供应商竞争力分析报告 | ADAS与自动驾驶Tier1研究 | 商用车自动驾驶研究 | 乘用车摄像头季报 | 自主车厂车联网产品分析 | T-Box市场研究报告 | 汽车网关产业研究 | 乘用车摄像头季报Q2 | 丰田汽车新四化布局 | 宝马集团新四化布局和战略研究 | 全球及中国车载语音行业 | 中国及全球汽车线束、连接器与线缆研究 | 戴姆勒新四化布局和战略研究 | 日产新四化研究 | 本田新四化研究 | 吉利新四化研究 | 大众集团新四化布局和战略研究
「佐思研究月报」
车联网月报 | ADAS/智能汽车月报 | 汽车座舱电子月报 | 汽车视觉和汽车雷达月报 | 电池、电机、电控月报
联系人: 廖棪 13718845418（同微信） 卞亚娟 18600021096（同微信
閱讀更多 佐思汽車研究 的文章
