與基本的駕駛輔助系統相比，自動駕駛系統要復雜得多，因為前者無需從司機手中接管車輛的控制權。面對復雜的道路狀況，我們如何能放心地將更多駕駛權分享給座駕？這對自動駕駛系統的算法和算力提出了非常高的要求。

對此，Snapdragon Ride高速公路自動駕駛系統圍繞Snapdragon Ride自動駕駛軟件棧和Snapdragon Ride自動駕駛硬件平臺兩個關鍵模塊進行設計和優化。

自動駕駛軟件棧

感知 首先，我們運用攝像頭和雷達來感知周圍環境。目前的公路自動駕駛系統在車身四周配備多達8個攝像頭和6個雷達，提供360度全覆蓋感知。

我們部署了30多個深度學習網絡對攝像頭和雷達傳感器的數據進行分析，并完成各項功能。例如二維和三維障礙物的檢測和分類、車道類型檢測和分類、信號燈狀態識別、可用空間估算等。這些深度學習網絡可在驍龍處理器的專用加速器上運行。

對于天氣狀況、環境狀況、覆蓋范圍這些可能會干擾傳感器的不確定因素，我們以融合算法來應對。例如，系統會以不同方式對已知障礙物和突然出現的障礙物進行標記，從而在不確定的情況下進行決策，提供安全舒適的駕駛體驗。

高精度定位 第三代視覺增強高精定位（VEPP 3.0）算法結合了Qualcomm多頻全球導航衛星系統（MF-GNSS）解決方案以及攝像頭、慣性測量單元（IMU）和控制器局域網（CAN）傳感器輸入的數據，幾乎在任何時間和地點都能實現車道級高精度定位。

此外，我們的地圖融合算法通過采用粒子濾波器來執行多假設跟蹤，并運用VEPP 3.0、前置和側置攝像頭提供的數據來識別道路的定位特征。只需一個相對高精度地圖，即可實現厘米級的精確定位。

行為預測和規劃 行為預測算法能夠綜合考察道路規則、車道類型、車輛動力學等因素，并夠充分利用同一道路上其他人收集的數據，對每個與本車相關的動態主體可能采取的操作及意圖進行預判。從而為本車的操作做出決策。

自動駕駛硬件平臺

數量龐大的攝像頭和雷達等傳感器，以及多頻全球導航衛星系統、30多個深度學習網絡，這些都需要強大的算力進行支持。考慮到實際交通狀況的復雜程度、自動駕駛所需的計算能力也越來越高。

Snapdragon Ride硬件平臺支持單個安全系統芯片、多個安全系統芯片或安全系統芯片以及安全加速器，滿足不同級別的自動駕駛要求。

例如，單個驍龍自動駕駛系統芯片能夠提供每秒30萬億次（TOP）的速度，支持SAE L2到L3級別的解決方案；而結合ADAS SoC和自動駕駛安全加速器的多SoC解決方案，則能夠以130W的低功耗實現最高每秒700+萬億次的性能，可以為L4到L5級別的自動駕駛解決方案（機器人出租車）提供支持。 然而，TOPS等性能指標并不足以評估汽車計算系統的有效性。為此，Qualcomm開發集成式解決方案會協助客戶深入洞察，在設計一個面向實際使用的自動駕駛系統時，可能會遇到的復雜問題。并提供切實有效的工具進行應對。

對于熱能效等重要議題，Qualcomm在電源管理和優化設計方面的優勢，為打造無需復雜水冷系統的自動駕駛解決方案提供了保障。我們借助先進的神經處理引擎、高吞吐量數據管道和性能優化工具，在單個系統級芯片內實現最佳能效和顯著優化的散熱解決方案，從而打造出符合公路自動駕駛性能要求的解決方案。

我們的綜合平臺采用開放式軟件，不僅為客戶提供更大的自定義空間，也讓該等軟件和硬件更加透明，能夠幫助汽車制造商將產品快速推向市場。

通過Snapdragon Ride平臺，原始設備制造商和汽車設計商將看到，無需從零開始，也能打造出舒適便利的自動駕駛汽車。