智能座舱开发与实践

《智能座舱开发与实践》以汽车智能座舱为背景，层层递进引入座舱的技术背景、开发细节及其发展趋势。具体来说，本书介绍了智能座舱的定义、发展历程、场景设计方法以及相关的软件、硬件及算法基础。在此基础上，本书沿着座舱开发的技术路线，重点阐述了数据采集与管理、算法模型训练、感知软件开发、场景开发、场景测试以及开发流程提速等内容。本书还介绍了上述开发及测试所用的工具、示例代码以及相关案例，以帮助读者进行实践。另外，本书展望了座舱技术的未来发展趋势以及需要解决的问题。

《智能座舱开发与实践》适合对智能网联汽车以及智能座舱技术感兴趣的读者，无论是开发者、设计者、科研工作者还是刚入门的技术人员都能从本书中获取新知。本书还可以作为有相关知识背景的从业人员的参考用书。

客服人员微信：13070116286。

本书的作者及审稿人均为地平线机器人公司参与UNI-T及其他量产车型的一线工程师。他们从领域知识与实际经验出发，为本书带来智能座舱开发与实践的第一手资料，确保本书的读者不但可以掌握体系化的背景知识，还能学到各个开发环节的“干货”。

地平线机器人拥有多年智能座舱研发经验，其产品在国内主要车厂的多个车型上实现了量产。特别是在2020年6月份，搭载地平线征程二代芯片及智能座舱解决方案的长安UNI-T实现了量产及热卖，使得UNI-T成为历史上第一款搭载国产AI芯片的智能汽车。

1.内容直击技术热点：《智能座舱开发与实践》全面介绍了智能座舱的技术背景、开发细节及其发展趋势，内容详实全面成体系。

2.一线工程师帮你“避坑”：本书内容全部来自*款搭载国产 AI 芯片的长安UNI-T智能汽车的智能座舱研发团队，凝结了从实际项目研发中积累的宝贵经验。

3.普及计算机硬件及算法知识，助你轻松“跨界”：“什么是算法，与深度学习模型有什么关系？”“到底算法是怎么做检测的？”“为什么要用图形处理器（GPU）而不用中央处理

器（CPU）？”“为什么要开发 AI 芯片，到底什么是 AI 芯片？”……

自1885年德国人卡尔·本茨（Karl Benz）研制成功世界上第一辆汽车起，人们便在不断完善与丰富座舱：真皮座椅、电灯、顶篷以及气囊式喇叭等部件不断被加入座舱，用于延伸人与车、人与环境以及人与人的交互，进而改善驾驶体验与安全。

随着电子电气技术的发展及封闭式厢型轿车的热卖一，人们开始追寻座舱与生活空间的结合：1924年，世界上第一台车载收音机（Car Radio）诞生；20世纪50年代，相继诞生了第一台车载黑胶唱片播放器（Car Record Player）以及车载电话（Car Phone）；人们将生活中的习惯与设备搬入座舱，让座舱逐步成为人的“第三生活空间”（图1）。特别是进入21世纪后，随着人工智能、传感器、芯片以及云计算等技术的不断发展，更多智能化与个性化的功能被开发了出来，使得座舱可以更加主动地感知人的行为、表情及操作，进而实现更安全与更娱乐的场景。因此智能座舱（Intelligent Cockpit）这一概念迅速走红，频繁出现在各大车企及厂商的新车发布会及宣传活动中，作为提升舱内驾驶体验（In-vehicle Experience）的一部分，成为打造差异化竞争的亮点之一。顾名思义，智能座舱就是在传统车载座舱系统的基础上增加了智能化的属性，通过感知（语音、视觉等）、认知、决策、服务的过程使车辆能够主动服务驾驶员和乘客，提升座舱的科技感并带来更好的安全、便捷、趣味性体验。

图 1　座舱与生活空间的结合

目前，“软件定义汽车”已成为行业的共识，除了专门的软件及科技公司外，主机厂也纷纷成立了自家的软件部门或公司，成为赋予传统汽车智能化、网联化的关键。在学术界，中国计算机学会（China Computer Federation，CCF）推荐的人机交互类顶级期刊和会议如TOCHI（ACM Transactions on Computer-Human Interaction）及CHI（ACM Conference on Human Factors in Computing Systems）中有越来越多的论文专门探讨座舱内人机交互的相关场景及算法。在部分高校，越来越多的学生与研究人员选择智能座舱作为自己的研究方向（如感知算法与场景开发）。智能座舱是一个集硬件、软件、算法、大数据、云计算以及生命周期管理等不同学科为一体的复杂系统，开发难度大，周期长，需要不同团队配合完成。特别是对于刚进入这个行业的“新玩家”来说，不但需要快速掌握相关背景知识与开发技术，还要不断通过场景创新来打造差异化竞争，其中难度可想而知。

本书撰写的背景是2021年初，地平线机器人正式于内部立项Halo 3.0项目，该项目的初衷一方面是打造基于地平线征程三代芯片的座舱解决方案及定点，另一方面就是开放赋能。为此，项目团队核心成员在年初的几个月里，先后前往十多个城市密集访问了包括外资在内的各类主机厂（OEM）、一级供应商（Tier1）、软件服务供应商、算法公司、芯片公司、相关研究院及高校，与他们的工程师、研发人员、设计人员、销售人员、实习生、教师及学生等面对面交流，听取一线的反馈与诉求。在沟通的过程中，我们发现除了少部分人拥有两年以上座舱开发工作经验外，大部分人员都呈现出以下特点：①刚进入该领域；②对座舱相关的背景知识了解得比较分散；③缺少成体系的培训课程与教材。他们还普遍反映目前网络上关于智能座舱的知识比较分散，在深度与实操方面都比较薄弱，因此在实际工作中依然是摸索着前进，会“踩很多坑”。

地平线机器人拥有多年智能座舱研发经验，其产品在国内主要车厂的多个车型上实现了量产。特别是在2020年6月份，搭载地平线征程二代芯片及智能座舱解决方案的长安UNI-T实现了量产及热卖，使得UNI-T成为历史上第一款搭载国产AI芯片的智能汽车。基于以上背景，地平线机器人邀请参与UNI-T及其他量产车型的一线工程师为本书作者或审稿人。他们从领域知识与实际经验出发，为本书带来智能座舱开发与实践的第一手资料，确保本书的读者不但可以掌握体系化的背景知识，还能学到各个开发环节的“干货”。

本书详细介绍了智能座舱开发过程中的重要环节，从而形成了座舱产品的知识闭环。第1章概述了智能座舱的定义和发展历程、场景分类以及场景设计原则。第2章详细介绍了智能座舱的技术架构及整体开发流程。第3章和第4章分别介绍了智能座舱开发中涉及的硬件基础知识及算法（机器视觉及语音识别），解决了很多调研时被问到的诸如“什么是算法，与深度学习模型有什么关系？” “到底算法是怎么做检测的？”“为什么要用图形处理器（GPU）而不用中央处理器（CPU）？”“为什么要开发AI芯片，到底什么是AI芯片？”“为什么摄像头成像这么差，为什么要这么安装？”等问题。第5~9章详细讲述了座舱开发实践：数据采集标注管理—常见座舱算法的研发—感知软件开发—场景应用开发—测试。第10章介绍了如何加速上面的闭环，从而提高座舱产品的迭代效率。最后，本书在第11章从场景、硬件、算法等方面介绍了智能座舱的发展趋势，帮助读者解读未来。

另外，为了帮助读者深入理解，每章正文之后均有练习题。其中，带“*”的习题是具有一定难度的。

感谢本书作者团队在每日忙碌的研发工作外为本书所做的贡献，章节具体分工如下：

第1章：孙浚凯；第2章：杨聪、孔祥斌、张宏志、牛建伟；第3章：杨聪、胡玉祥、陶冶、刘磊；第4章：赵亚滨、严阳春、赵澄玥、潘复平；第5章：石磊林、李易、卢爽、李威宇；第6章：杨聪、冯玉玺、徐亮、王昱、张致恺、陈书未、胡玉祥、李文鹏、田川、宫一尘；第7章：陈驰、秦畅、陈洪锋；第8章：刘国伟；第9章：蒋明玥、刘星然、黄萌、孙杰；第10章：杨聪；第11章：朱长宝、武锐、李彦勇。

为了确保本书质量，我们还成立了审稿委员会，具体名单如下：

孔祥斌，张宏志，储刘火，赵原，孙韶言，陈前洋，牛建伟，朱长宝，杨聪，陶冶，武锐，潘复平

（注：因部分委员也为本书作者，这里采用交叉审稿）

本书在编写过程中，得到了许多专家及相关平台的帮助，包括但不限于：

地平线公司的王蕾及王文锋为本书第6章提供了相关素材。

地平线公司的蔡彤为本书第5.2.3节“标注体系建设”提供了材料。

英国赫瑞瓦特大学（Heriot-Watt University）的John See教授为本书第10章提供了素材。

美国微软公司的李轶鹏博士为本书第10章提供了材料。

地平线公司实习生吴宇彬为本书第10章提供了相关素材。

地平线公司张冉在本书创作过程中进行了大量细致的协调工作。

另外，在本书编写过程中，我们还同步举行了Halo在线课堂，以在线讲课与直播的方式将部分实践内容分享给我们曾访问过的各类企业。我们对这些课程进行了录像，与授课用的材料、代码一同上传到地平线开发者论坛（https://developer.horizon.ai/），并将会按计划公开这些课程与材料。为描述方便，本书介绍图片相关内容时直接使用了对应的色彩名称，对应到纸面上即灰色。

本书涉及知识点较多，错漏在所难免，还请广大读者批评指正，以便本书再版时参考。如有疑问，欢迎通过电子邮件与我联系：[email protected]。

本书配备习题答案，可联系客服人员微信（13070116286）下载。

杨聪

2021年9月10日

前言

第章　智能座舱概述 1

1.1　智能座舱定义 1

1.2　智能座舱发展 2

1.3　智能座舱场景 8

1.3.1　消费品的设计原则 8

1.3.2　特斯拉的第一性原理 12

1.4　案例：长安UNI-T智能座舱及场景设计 15

1.5　练习题 18

第章　智能座舱技术架构及整体开发流程 19

2.1　技术架构 19

2.1.1　整体架构 20

2.1.2　车端 23

2.1.3　车云结合 25

2.2　开发流程 34

2.2.1　整体流程 34

2.2.2　开发工具 36

2.3　座舱项目管理流程 43

2.3.1　管理体系的演变 43

2.3.2　管理流程范围介绍 43

2.4　案例：基于AI Express开发人脸结构化 48

2.5　练习题 49

第章　智能座舱硬件基础 50

3.1　芯片技术的演化与发展 50

3.1.1　芯片制造 52

3.1.2　图形处理器（GPU） 58

3.1.3　片上系统（SoC） 60

3.1.4　域控制器（DCU） 64

3.1.5　案例：BPU及地平线征程系列芯片 65

3.2　车载传声器 66

3.2.1　传声器类型 66

3.2.2　传声器阵列安装方式 67

3.2.3　案例：车载多音区的实现方式 68

3.3　车载摄像头 69

3.3.1　摄像头类型 69

3.3.2　摄像头安装方式 70

3.3.3　案例：用于DMS的方向盘转向柱摄像头 71

3.4　基于芯片的硬件设计 71

3.4.1　一体机方案 71

3.4.2　ECU方案 72

3.4.3　案例：基于地平线芯片的硬件接入案例 72

3.5　练习题 76

第章　智能座舱算法基础 78

4.1　深度学习 78

4.1.1　卷积神经网络 80

4.1.2　损失函数 87

4.1.3　模型训练及测试 88

4.1.4　模型压缩 90

4.1.5　案例：VarGNet网络结构设计 96

4.2　机器视觉 99

4.2.1　分类 100

4.2.2　检测 103

4.2.3　分割 107

4.2.4　关键点 110

4.2.5　案例：人体关键点检测 112

4.3　语音识别 115

4.3.1　声学模型 117

4.3.2　语言模型 127

4.3.3　解码器 132

4.3.4　案例：“小安，你好！” 137

4.4　练习题 139

第章　智能座舱数据 140

5.1　座舱数据采集 140

5.1.1　采集环境搭建 140

5.1.2　采集文档 142

5.1.3　采集数据管理 142

5.2　座舱数据标注 144

5.2.1　数据标注方法 145

5.2.2　数据标注文档 152

5.2.3　标注体系建设 153

5.3　案例：疲劳数据采集与标注 158

5.4　练习题 164

第章　智能座舱算法研发 165

6.1　座舱算法研发流程 165

6.2　常见座舱算法（视觉篇） 167

6.2.1　视线 168

6.2.2　手势 172

6.2.3　行为 176

6.2.4　情绪 179

6.2.5　疲劳 185

6.3　常见座舱算法（语音篇） 189

6.3.1　语音前端 189

6.3.2　语音后端 197

6.4　常见座舱算法（多模篇） 211

6.5　案例：安全带算法研发 216

6.6　练习题 223

第章　智能座舱感知软件开发 224

7.1　感知软件开发流程 224

7.1.1　开发环境搭建 224

7.1.2　开发流程概述 225

7.2　芯片工具链 226

7.2.1　AI计算单元 226

7.2.2　AI芯片工具链 229

7.2.3　地平线AI工具链举例 231

7.3　感知软件开发框架 235

7.3.1　通信及底层组件 235

7.3.2　模型集成框架 241

7.4　案例：打电话识别开发实践 244

7.4.1　模型编译和管理 244

7.4.2　感知软件开发 246

7.5　练习题 252

第章　智能座舱场景应用开发 253

8.1　场景应用全貌 253

8.2　场景应用框架 257

8.2.1　通信 259

8.2.2　组件 262

8.2.3　工程模式 275

8.2.4　对外能力输出 281

8. 3　场景开发示例 285

8.3.1　场景可视化配置 285

8.3.2　冲突处理 287

8. 4　案例：抽烟场景应用开发实践 289

8.4.1　开发环境搭建 289

8.4.2　场景应用开发 291

8. 5　练习题 293

第章　智能座舱场景测试 294

9.1　座舱场景测试流程 294

9.2　座舱场景测试工具 295

9.2.1　图像测试工具 295

9.2.2　语音测试工具 300

9.3　座舱场景测试标准 302

9.3.1　车载视觉测试标准 303

9.3.2　车载语音测试标准 309

9.4　案例：抽烟识别场景测试 316

9.5　练习题 317

第章　智能座舱生命周期 318

10.1　机器学习生命周期 318

10.2　长尾问题及快速迭代 321

10.2.1　长尾问题 321

10.2.2　快速迭代 323

10.3　流程自动化 328

10.4　案例：基于AirFlow的自动模型迭代 330

10.5　练习题 333

第章　智能座舱的未来发展趋势 334

11.1　座舱传感器趋势 335

11.1.1　摄像头 335

11.1.2　传声器 337

11.2　感知算法趋势 338

11.2.1　视觉技术趋势 339

11.2.2　语音技术趋势 340

11.2.3　声学技术趋势 342

11.2.4　多模融合技术趋势 344

11.3　AI芯片趋势 346

11.4　云服务趋势 351

11.5　生态发展趋势 352

11.6　练习题 353

附录　术语与符号列表 354

参考文献 360