虹科面向自动驾驶和多传感器的数据采集处理方案收藏

网友投稿 284 2024-01-22


   自动驾驶根据驾驶员的干预程度进行分类,从Level 0(无自动化)到Level 5(全自动)要实现 Level 5 自动驾驶,就需要以前所未有的速度来收集,存储和处理数据    比如应用于自动驾驶车辆的传感器(高清摄像机、激光雷达)会产生大量的连续的数据流,在复杂的场景下可高达 40Gb/s 或 18TB/h,这要求计算机具备超级算力。

虹科面向自动驾驶和多传感器的数据采集处理方案收藏

由于将 40Gb/s 的无线数据流直接从车辆传输到数据中心非常不切实际,所以必须在行驶中的车辆上安装数据记录仪,并保证它在汽车应用极为恶劣的条件下能够可靠运行    目前的嵌入式设备和边缘计算机还无法做到这一点,而虹科打破常规,推出了专门为车载、要求坚固和高性能应用设计的数据采集处理平台,使用全球独创液冷技术(通过与车辆液体冷却系统连接的创新技术),可控制高达1kW设备的功耗发热。

这是一项拥有专利技术长达10年的黑科技产品,无需风扇散热,使得产品结构紧凑更可靠,适合在车载运行条件下应用,产品都已通过汽车认证,具体如下:DynaCOR 50-35:高性能计算机,用于AI 深度学习、边缘计算等(双14核 Intel Xeon CPU)

DynaCOR 40-34:坚固的网络存储NAS单元,16TB NVMe @ 4.4GB / sDynaCOR 40-35:坚固的网络存储NAS单元,123TB NVMe @ 80Gbit / sDynaNET 100G-01:坚固的16 端口超高速以太网交换机(16x 40/56 / 100GbE)

DynaNET 10G-01:坚固的52 端口高速以太网交换机(48x 1GbE + 4x 10GbE)

数据记录—— 便捷可靠    使用HPEC搭建一个流线型数据收集应用用到的产品:DynaCOR 40-34、DynaNET 10G-01    在这个案例中,传感器收集到的数据流通过以太网交换机DynaNET 10G-01与DynaCOR 40-34连接,16TB的大容量和4.4GB/s 写入速度以及多个40/56 GbE接口能够保证数据存储稳定。

最后通过CAN总线与汽车进行通信

高算力结构——超深度学习    Level 5自动驾驶需要收集,存储和处理的数据量是前所未有的庞大如今的嵌入式设备和边缘计算机都无法满足下面展示的案例可以完全满足自动驾驶所需要的庞大存储和计算能力,能够帮助深度学习更进一步。

   传感器数据流由DynaNET 10G-01聚合,然后输入主交换器DynaNET 100G-01在此条件下DynaCOR使用2x56GbE链路,每个设备的总带宽为112Gb / s,可以动态分配 假设连续的实时传感器数据流(最高40Gb / s)将被定向到第一个DynaCOR接口,而将第二个将用于计算和消息处理,则是非常合理的。

   DynaNET 100G-01和DynaNET 10G-01的第3层网络,可实现非常精细的流量管理这最大程度地减少延迟并确保将数据流定向到正确的设备,避免数据缺失和类似的其他网络问题    由于DynaNET 100G-01提供了16个端口,每个端口能够支持40/56 / 100Gb / s,并且DynaCOR 40-34和DynaCOR 50-35都具有双重40 / 56Gb / s接口,因此可以混合和匹配多达使用40 / 56Gb / s链路的15个DynaCOR,或使用80 / 112Gb / s链路的多达7个DynaCOR。

一个或两个40GbE链路可用于连接到一个或两个DynaNET 10G-01的传感器网络    通过混合和匹配构建基块,有可能达到极限配置,例如:高达256TB的NMVe存储容量(使用16个存储设备),或高达16TFLOP(CPU)+ 248TFLOP(GPU,FP32)的计算性能,以及两者之间的任何性能组合。

   值得注意的是,每个DynaCOR均具有2个GbE接口,即使在这些极端情况下也可以直接连接传感器。 此外,DynaCOR 50-35可以配置NVME存储,提供额外的灵活性。

冗余结构——助力Level 5    尽管上个案例已经可以足够支持Level 5自动驾驶的算力和通信需求,但是为了确保安全,还需要有冗余结构来保证系统的完整性运转    在自动驾驶的最后一个示例中,我们展示了如何通过添加两个以上的交换机来实现冗余体系结构。

尽管这是一种简单化的方法,不能完全反映实际情况下如何实现真正的冗余体系结构,但它仍然说明了如何在普通车辆中创建非常复杂的计算和存储基础结构,同时又保持良好的物理约束力由空间,操作条件和总允许功率决定

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:机器视觉自动化检查项目的六个关键因素!收藏
下一篇:高铁车轮制动盘OCR自动化应用案例收藏
相关文章

 发表评论

暂时没有评论,来抢沙发吧~