米乐M6

公司新闻

米乐M6 M6米乐自动驾驶中车载ECU开发测试的思考

  随着项目进展,最近又开始承担一部分测试验证工作。看到我司的测试能力和流程,忍不住深深叹了口气。

  回想起上次写关于测试的内容,起因还是蔚来的两位工程师在工作中发生事故,为两位同事感到悲伤和惋惜而动笔。时间就像驾车时的后视镜,越走越远,但也时刻提醒我们前路的方向。自我进入汽车行业之日起,我的工作角色不断变化,从测试到系统再到架构,但总绕不开“测试”这两个字。

  最近有感而发:系统工程师的归宿就是测试。这句话看似玩笑,却并不是空穴来风。纵观ASPICE开发流程,系统需求设计和系统测试是处在V模型的两端,分别处于ASPICE SYS.1和SYS.5的位置。从开发的角度来说,功能的需求提出者,一定需要对功能的表现去负责,因为只有提出者才能最清晰的知道期望的产品形态。所以每个系统工程师应该必备一身的测试技能。

米乐M6 M6米乐自动驾驶中车载ECU开发测试的思考(图1)

  是的,以上讨论的测试是基于ECU的系统测试。这个意义上的系统测试,一般是供应商的系统工程师在交付产品时进行的,ECU的软件以及硬件都已经成形,供应商在仿真环境或对手件在线的情况下完成的测试;或者主机厂的系统工程师在验收产品时,将零部件装车进行的系统级测试。在实际研发过程中,这种系统测试其实已经到了研发的结束阶段,多用来验证复杂工况下产品的性能。本人以前在主机厂做测试和系统时,主要就是负责这种系统测试。

  米乐 M6

  从软件出发,各模块的工程师应该对模块进行自测。比如感知、定位、规控等应用模块,M6 米乐以及中间件的更新,需要在提交前进行自测并提交报告。在模块自测通过后,软件部门leader有责任进行集成测试。完备的集成测试应该包括功能层面、性能层面、基础通讯、鲁棒性等,这部分可以通过流水线实现。每次软件释放后,需要注意生成的版本号,便于进行问题排查。

  以上的测试都是跑在仿真环境中的,接下来将软件版本刷入经过DV/PV实验的ECU板子中,验证软件在硬件中的表现。这个环节普遍是问题最多的,而且不易定位是软件问题还是硬件问题,往往需要工程师的经验来分析解决。

  当然,目前市面上有很多自动化测试设备能够帮助我们进行迭代测试,这类测试设备养活了一部分企业。国外的Vector是此中翘楚,近年来国内的昆易电子也发展的很不错。当年我第一个使用的HIL测试台架就是昆易的,说来有趣,本来是测试ECU,结果变成了“免费”帮供应商测试他们的台架.....嘿嘿,当然那已经是几年以前了,现在国产厂商发展的都十分不错。最近也接触了北汇的测试设备以及培训,他们在吉利系内部承接了很多项目。

  到最后,就可以将ECU放入整车环境中进行测试了。这里的整车环境可以是通过多个对手件接入台架组成的仿真环境,也可以是实车环境。实车环境更为逼真,趋近于客户使用,但在车上毕竟测试环境较为恶劣,工作效率也比较低。一般是在量产关键节点多个ECU一起装车后,由主机厂专业测试工程师去进行路试,然后上报各ECU的问题,由不同责任人处理。

米乐M6 M6米乐自动驾驶中车载ECU开发测试的思考(图2)

  以上这一大段,其实就是描述的MIL-SIL-HIL-VIL的测试链路。在老东家负责系统的时候,当时还带了几个应届生做ADAS产品测试,曾经反复思考过,应该如何做测试,做哪些测试,我们需要哪些工具和环境,如何做到快速迭代验证。现在想来,还是要结合现状,每个公司的需求不同,拥有的资源不同,研发目标不同,能够提供的测试条件自然不同。

  在自动驾驶领域,测试更需要专业和细致,就像是进入了“硬核”模式。目前我司的一款在研高配车型,装配12*Camera,3*Lidar,5Radar,12Uss,1*高精度定位盒子,接入域控制器。考虑一下,我们这款车上有那么多的传感器,你能想象测试的复杂性吗?但这正是挑战的魅力所在,对不对?在如此复杂的网络拓扑的情况下,如何做到精确快速稳定全面的检出问题,定位问题,是需要持续思考的。

米乐M6 M6米乐自动驾驶中车载ECU开发测试的思考(图3)

  自动驾驶领域的测试与普通软硬件测试存在着显著的差异,这些差异主要源于自动驾驶系统的复杂性、多样性以及其对安全性的特殊需求。

  到了我司,重算法重开发,现阶段没有专业的测试团队,也没有完善的测试流程,测试问题的闭环链路有待完善。往往是算法工程师去车上简单验证后就可以合入主线,而他人提报的问题,仅在本地验证后就能够关闭,等等这些问题很容易在后续的开发中埋下伏笔。有时候,实车测试和仿真测试的结果是南辕北辙。

  系统工程师是项目开发中的关键角色,他们不仅需要具备深厚的系统知识,对架构和设计有深入的了解,还需要具备一系列的测试能力来确保系统的质量和可靠性。作为系统工程师的我们,更应该保持冷静,记录、分析、跟踪问题。以下是从我司实际情况角度出发考虑的一些建议。

  测试工具和自动化: 随着软硬件的复杂性增加,手动测试的效率和准确性都将受到挑战。因此,借助自动化测试工具,如Vector的CANoe、CANalyzer等工具,可以大大提高测试效率。此外,编写完善的自动化测试脚本和测试用例也是至关重要的。

  持续集成和持续测试: 通过建立持续集成和持续测试(CI/CD)的环境,可以确保软件在每次更改后都能快速得到验证,从而尽早发现和修复问题。

  故障注入和鲁棒性测试: 为了确保ECU在各种异常和故障情况下的稳定运行,可以进行故障注入测试,模拟各种可能的硬件故障、通讯中断等情况。

  模拟环境与实际环境的差异: 在仿真环境中,测试的条件是可控的,而实车测试的条件则更加复杂多变。为了桥接这两者之间的差距,可以考虑使用更为逼真的仿真工具,如IPG CarMaker等。

  文档和跟踪:记录测试过程、测试结果和问题跟踪是至关重要的。可以考虑使用问题跟踪工具如JIRA,并且定义清楚问题关闭的条件和责任人,确保每个问题都被妥善处理。

  团队培训和知识分享: 定期组织团队内部的技术分享和培训,可以确保团队成员对测试方法和工具的了解都保持在最新的状态。

  安全和法规考虑: 随着全球汽车行业对功能安全和相关法规要求的越来越高,ISO 26262等标准对车载软件的测试提出了更为严格的要求。考虑这些因素,会使得测试更为严格,但也更具有挑战性。比如NOP功能需要考虑R79的法规要求,而ACC/LCC等功能很早之前已经有了完善的法规定义。

  写到这里,其实是想说,我们在测试上还有很长的路要走。但也请记住,每一次的进步都是为了更好的未来。最后,预祝大家十一快乐,开车别忘了测...哦,是带上安全带!

  声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。举报投诉

米乐M6 M6米乐自动驾驶中车载ECU开发测试的思考(图4)

  汽车正步入技术发展成熟期,各国中央和地方***通过多种关键政策和决策,使其能够在社会中实现安全有效的运用。

  ,M6 米乐海外企业及机构占比近30%。百度公司副总裁邬学斌在Apollo生态合作伙伴联盟启动仪式上指出,

  近两年,智能手机价格在不断上涨,6GB+64GB成为中高端手机标配,8+128GB容量也是很主流配置了,这都对于内存、闪存芯片的要求越来越高。不止是手机领域,随着汽车走入智能化时代,

  中国智能产业高峰论坛(CIIS 2020)在嘉兴南湖举办。在11月15日举办的智能

  k随着汽车电子的日益复杂化以及汽车电子电气架构(EEA)的升级,人们对于联网智能汽车的需求也在逐步上升,大量先进技术往汽车上应用,如高级

  米乐 M6

  事故,和最近在Defcon上演示的如何干扰传感器,都充分说明了传感器在

  实现的基础,如果不能正确地感知周围环境,那么接下来的认知、决策与控制,都是空中楼台。

  习惯、运输行业并更广泛地影响社会。 我们不仅能够将汽车召唤到我们的家门口并在使用后将其送走,

  面临的挑战首先中国不同地域以及城镇之间在道路基础设施方面存在差异,包括路标、车道线、红绿灯等设置各有不同。中国特色

  死亡事故给全世界带来了极大的震惊,但这并不意味着基于坏消息之上的关注全然没有正面意义。在接受新浪科技采访

  系列报告之五:控制执行篇,转向制动电子需要报告的关注微信公众号:AI汽车人回复“

  和验证是一片雷区,无论是车内还是无法预知的道路条件,都构成了一个难点。芯片设计人员经常在完成错综复杂的汽车芯片设计之后,又意识到他们必须回头重新编写,有时甚至需要不停地重复,直到得到满意的结果。但是稍不注意,就会触雷。

  化、人工智能等技术的飞速发展,预计到2021年市场上会出现第一批完全没有方向盘等

  车辆的安全性更高,并可以大幅降低交通事故数量,减少人员伤亡。到2020年,大多数汽车制造商都将推出能够完全实现或部分实现

  、德两国企业家之间的高端座谈会,零距离交流、深层次洽谈【德国名企工厂考察】探访德国制造的奥秘,领略成功背后的智慧... …本次AI

  比其他类似功能的传感器价格低,定位精度更高。为此改变了传统UWB的被动定位方式拓扑结构,克服被动定位系统在

  的几个致命问题,颠覆性提出了寻ME主动定位系统,实现了以下功能:1. 广播式发射

  的到达时间发生变化,只要是纳秒级别的变化,误差就会在30厘米左右。因此,如果

  ,如果出现了汽车的过车等行为都会导致定位的误差变大,这个在高速运动的车上是比较致命的问题,所以这样的场景UWB

  ,基站采用无需联网离线供电安装,通过标签直接解算相对坐标(转换为WSG84坐标)提供给

  和三年以上的机器视觉领域项目实践经验,在计算机视觉与FPGA数字图像处理方面有较多的理论研究与项目实践

  完后可以给我上初中的弟弟玩,让他也能和我一样接触到电子研发。项目描述:

  ,并且在进行相关的技术研发。不过在该专利曝光之前,我们并不知道苹果还有

  技术已经有足够积累,虽然还不完美无缺,但是可以投入商用,科技都是在使用

  完善的,不能一遭被蛇咬,十年怕井绳,难道发生一次空难之后,以后飞机就停飞啦?技术流朋友,更加关注问题本身,有什么技术手段可以解决此类问题?对于这个问题,公说公有理婆说婆有理,元芳,你怎么看? `

  2021年7月,PIX 的产品持续获得市场和客户的认可,取得高速增长的佳绩,中标了单个项目在数百万元的

  ,汽车行业在其供应商的帮助下,正在将其它消费性市场中网络安全方面的经验教训进行整合

  研发能力,赢得全球竞争优势。下面就随汽车电子小编一起来了解一下相关内容吧。近期以来,谷歌母公司Alphabet旗下的

  技术走向商用?物联网为汽车MEMS传感器带来重大利好回溯传感器的发展历史,从上世纪80年代~90年代在汽车电子

  激光雷达环境感知能力”。RS-BoxLiDAR感知算法专业硬件平台RS-Box 由嵌入式硬件平台、独立操作系统

  技术的应用。而尝试新技术,前期必然可能会增加事故的伤亡率。然而特斯拉CEO埃隆穆斯克认为,如果仅仅是为了避免舆论压力或者害怕被卷进官司

  的两大模块,一个是毫米波雷达,一个是激光扫描雷达,激光扫描雷达太贵,以后有钱了再试,先在淘宝挑了一个最便宜的毫米波雷达模块

  的视频《基于slam算法的智能机器人》调研分析报告项目背景分析机器人曾经是科幻电影

  技术为人们勾勒出了一副美好的未来出行的画面:坐上没有方向盘的汽车,一觉睡到公司门口;甚至我们可能不再拥有一辆汽车,需要出门时共享

  自行车什么时候能实现「自己行走」呢?自行车属于欠驱动系统,如果不进行控制就无法实现稳定站立最近,B站野生技术协会野生钢铁侠、「华为天才少年计划」入选者、AI算法工程师稚晖君发布了一个「

  者首先需要掌握大量车辆碰撞数据,有较大把握了解潜在的碰撞风险,并对这些潜在碰撞进行多重模拟后,在确保安全的前提下才能开始进行路测。专家表示,我国人口稠密、交通

  汽车进入商业应用场合后,完全可以根据实际需要进行重构,例如,谷歌在新的试验车型

  (报告出品方/作者:国金证券,翟炜)报告综述产业链与市场空间:当前我国

  正处于 L2 向 L3 级别转化的阶段,预 计 2025 年 L2.5 级别

  ,至于一般家庭用户,通用还没有向他们进行销售的意向。而与深陷各种泥沼的Uber不同,Lyft在

  功能,其中包括谷歌,百度,苹果,特斯拉,福特等。但截至上个月底在加州的相关监管文件

  概念车,但为什么直至最近无人车才不再被视为科幻,而是眼下将实现的革命性科技产品?追其原因,主要在于,人工智能的显著进展,以及

  随着时代的演进与汽车工业技术、机器视觉系统、人工智能和传感器相关技术上不断创新与进步,无人

  公共车辆——出租车、拼车或公交车,能够将我们从公共交通站、市中心或办公区域带到想去的地方(最后一公里)。有没有更好的ADAS系统解决方案,对接口进行衔接?

  和智能网联技术的飞速发展,传统的汽车开放系统架构CP Autosar已经无法满足日益复杂的汽车电子系统的功能需求。尤其底层

  汽车已经行驶近30万公里了,非常的强大~~上次参加了重庆新能源汽车峰会,对会上富士通半导体宣讲的一款全景视频汽车实时监控技术平台似乎看到了

  高阶版本的增强和补充,通过车与车、车与人、车与交通基础设施、车与网络的互联互通,让对环境已经具备感知能力的

  验证。本文未经许可,不得转载本文摘自《边缘计算方法与工程实践》,作者张骏,英特尔资深专家,这本书内容还不错,推荐购买。

  汽车本质上是一台装有轮子的高性能计算机,它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行,它们需要立即对周围的环境做出

  中,David和Pall探讨了传感器融合、人工智能和互联及安全等关键技术可能如何促成

  汽车(AV)和电动汽车(EV)的未来的形成,和其他可能出现的趋势。在整个演讲

  ,需要消除很多法律、社会和结构障碍。尽管几乎我们所有人都在科幻或电影