特斯拉Tesla Model 3整体架构解析

一辆特斯拉 Model 3型车在硬件改造后解体

Sensors for ADAS applications

特斯拉Tesla Model 3整体架构解析

 

算力和功耗负荷能力第一             

汽车内部的计算能力是一个越来越重要的特征。为了实现最佳的驾驶员辅助和自动驾驶以及激活安全功能,需要大量的计算能力。             

为了优化自动驾驶,许多汽车原始设备制造商和生产商正在采用各种传感器,如摄像机、雷达、激光雷达和超声波传感器,以便车辆能够检测到周围环境。来自传感器的所有数据必须组合在一起,这就是控制单元发挥作用的地方。             

考虑到特斯拉所保持的“尖端”形象,如果普通大众认为3型车内的所有硬件部件在技术上都是市场上最先进的,那他们是可以原谅的。             

不过,System Plus首席执行官罗曼·弗劳克斯(Romain Fraux)解释说,从引擎盖下窥视一下,就会发现特斯拉 Model 3型车的主要设计目标是降低ADAS的成本,使这款车型“价格实惠”。              

对于3型汽车传感器,特斯拉使用了8个摄像头、1个雷达和12个超声波传感器。型号3不使用激光雷达,这与马斯克所谓的激光雷达是“傻瓜的差事”的说法是一致的SystemPlus分享了引擎盖下3型传感器和计算单元的亮点。

前置摄像机             

为了实现前向视觉,特斯拉公司开发了一种带有三个半导体图像传感器的三摄像头模块。Model 3还使用了两个前视侧摄像头、两个后视镜侧摄像头和一个后视摄像头。

特斯拉Tesla Model 3整体架构解析     

特斯拉 Model 3型的三前向相机配备了三个半AR0136A上的CMOS图像传感器,像素大小为3.75um,分辨率为1280×9601.2Mp。它提供了一个前图像采集系统高达250米,用于特斯拉 Model 3型驾驶员辅助自动驾驶仪控制模块单元。             

为了给特斯拉的三摄像头模块添加上下文,System Plus将其与最大的一级汽车供应商之一ZF设计的三摄像头模块进行了比较。ZF的s-Cam4有两种解决方案,一种是单摄像头,另一种是三摄像头。             

S-Cam4是ZF模块的三摄像头版本,具有OmniVisionCMOS图像传感器和MobileEyeQ4视觉处理器。             

特斯拉使用的印刷电路板安装技术与上图所示的宝马不同。宝马更喜欢三种不同的多氯联苯传感器的隔离组合。相比之下,特斯拉的三前向摄像头模块将所有CMOS传感器嵌入一个PCB中,而不需要处理SoC。             

ZF的s-Cam4包括Mobileye的视觉处理能力。             

通过从半导体上选择成熟的图像传感器,不增加后处理,特斯拉使其相机模块“不是关于有最新的图像传感器”,而是所有的成本,”系统加观察。该公司估计,ZF的三摄像头成本为165美元,而特斯拉的三摄像头成本为65美元。

特斯拉Tesla Model 3整体架构解析

 特斯拉已经开发了一个由自动驾驶仪和信息计算机组成的定制“液冷双计算平台”。“他们建立在同一模块的两个不同的董事会上,”System Plus首席执行官弗劳克斯解释道。             

一边是信息娱乐电子控制单元(ECU)或MCU。另一边是自动驾驶ECU。在最初安装在型号3上的HW2.5中,特斯拉的自动驾驶仪仍然由英伟达的SOC和GPU启用。             

特斯拉集成了几家制造商的完整模块,这些制造商与英伟达的高性能集成电路(用于GPU)、英特尔的处理器、NXP和英飞凌的微控制器、微米技术、三星和SK Hynix的内存和STMicroelectronics的音频放大器相关。

Radar

特斯拉Tesla Model 3整体架构解析

System Plus指出,特斯拉电脑的进化一直发生在自动驾驶仪的电子控制单元上。在HW2.5中,特斯拉合并了两个英伟达帕克SOC,一个英伟达帕斯卡GPU和一个英飞凌TriCore CPU。通过升级到HW3.0,特斯拉集成了两个新设计的特斯拉SOC、两个GPU、两个神经网络处理器和一个锁步CPU。             

一方面,zFAS奥迪A8的中央驾驶员辅助控制器“没有冗余,而且非常昂贵,”Fraux观察到。另一方面,特斯拉的版本,使用其两个soc,提供冗余。

HW2.5 vs. HW3.0

特斯拉Tesla Model 3整体架构解析

特斯拉Tesla Model 3整体架构解析

特斯拉Tesla Model 3整体架构解析 记得点击分享在看,给我

来源:布道师Peter

声明:本站部分文章及图片转载于互联网,内容版权归原作者所有,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!

上一篇 2021年4月1日
下一篇 2021年4月1日

相关推荐