GPU的车载应用

laoxiang21

一、背景

随着汽车智能化应用的深入，为提升用户在智能座舱内的用车体验，具有高清、流畅、实时的视屏显示功能被广泛应用，同时基于自动驾驶功能中的道路路况感知以及地图绘制等功能的应用需求，具有强大图形处理能力的GPU（Graphics Processing Unit，图形处理器）不再局限于计算机的桌面端和服务器等应用场景，而是开始逐渐渗透到车载电子系统中，并扮演起了至关重要的角色。

二、概述

GPU是一种异构的多核芯片，在实际应用中，此芯片通常并非为一个可独立运行的计算平台，其需要通过PCI-e总线与CPU进行协同工作，正是由于此架构的原因，GPU也常被看作是CPU的协处理器。GPU在组成上主要包括：运算单元、存取单元、分配单元、寄存器堆、PCI-e总线接口等组件，当下，其在车载应用中的主要功能是采用相关技术对图形/图像进行渲染以及实现AI和高性能的通用计算。


图1 CPU/GPU的异构架构及GPU主要组成
2.1.图形/图像渲染功能的车载应用

在车载应用中，整车通过雷达、摄像头等传感器对外围物体进行感知，并通过数据分析形成物体的相关点云图等三维数据，此数据信息输入GPU后，GPU的处理流程通常可分为五个步骤：

1）在其流处理器中构建物体的3D骨架；

2）由光栅化处理单元把矢量图形转化为一系列像素点；

3）由纹理映射单元实现物体的纹理填充，此步骤主要应用于仿真系统的环境渲染；

4）在流处理器中完成对图像的像素计算和处理，即着色处理；

5）最后再在光栅化处理单元中实现测试与混合任务。


图2 GPU图像渲染流程
2.2.通用计算

基于GPU的通用计算（General Purpose computing on GPU，GPGPU）指依托于GPU的强大计算能力，可在非图形处理领域进行更通用、更广泛的科学计算。此应用背景下，让传统的GPU弱化了负责图形处理加速的硬件组成，使之成为更适合高性能并行计算的专用芯片，此芯片可适用于智能座舱及自动驾驶领域具有大数据流、高精度要求的计算环境。

2.3.GPU微架构

GPU微架构主要由流处理器、纹理映射单元、光栅化处理单元、光线追踪核心、张量核心以及缓存等部件共同组成。其中：

流处理器（Stream Processor，SP）是GPU内的基本运算单元，负责顶点处理（Vertex Pipelines）和像素处理（Pixel Pipelines）任务；

纹理映射单元（Texture Mapping Unit，TMU）是GPU内的独立部件，其主要功能是通过旋转、调整和扭曲位图图像，以执行纹理的采样，并将纹理信息填充到3D模型上；

光栅化处理单元（Raster Operations Units，ROPs）可依照透视关系，将可视空间从三维立体形态压到二维平面内；

光线追踪核心（RT Core）是一种补充性的渲染技术，主要通过计算光线和渲染物体之间的反应，以得到正确的反射、折射以及阴影等全局照明结果；

张量核心（Tensor Core）通过深度学习超级采样（DLSS）以提高渲染的清晰度、分辨率等参数，同时可通过低精度混合运算，极大加速AI的运算速度，让视觉、自然语言处理、语言识别等过去CPU难以实现的功能也得以快速完成，是车载座舱实现语音交互功能的关键模块。


图3 GPU微架构及主要功能
三、GPU在自动驾驶芯片中的应用

3.1.Orin芯片

由英伟达在2021年12月推出的具有254 TOPS的自动驾驶芯片，其硬件架构主要包含存储、外围、CPU、GPU以及加速器五部分，此芯片可覆盖L2-L5级别的自动驾驶计算需求，单Orin芯片最高可提供6个CSI摄像头接口，并可通过虚拟通道将其增加到16个，并同时可承载4个800万像素的摄像头。


图4 Orin硬件架构
在驾/舱一体化方案中，采用双Orin芯片方案，一个用于自动驾驶及相关功能，另一个用于AI座舱功能，此方案下可以承载8个800万像素摄像头、5个激光雷达以及12个超声波雷达，以此实现对场景的360°感知。


图5 双Orin驾舱一体化方案
3.2.Thor芯片

由英伟达于2022年9月推出的具有2000 TOPS算力的驾/舱一体化芯片，该芯片采用面向高性能计算的Grace CPU，在GPU部分采用了RTX 40系列的Ada Lovelace架构和针对Transformer深度神经网络模型优化的Hopper架构。通过该芯片超高的算力水平，可实现将自动驾驶及智能座舱功能集成于一个芯片平台中，该芯片预计于2025年量产。

3.3.DRIVE Hyperion自动驾驶平台

该平台是基于Orin芯片进行构建的，使用该平台的同时，厂家还为开发者提供了适用于自动驾驶开发的软件包及12个外部摄像头、3个内部摄像头、9个毫米波雷达、12个超声波雷达和1个前置激光雷达的整套感知套件，通过该平台，主机厂可快速完成自动驾驶相关产品的开发。

四、GPU在车载应用中实现的功能

4.1.在车载信息娱乐系统中的应用

1）图形渲染与显示优化：GPU以其强大的图像处理能力，能够实时渲染高质量的3D地图、导航界面以及多媒体内容，以此提升用户的用车体验；

2）多屏互动与触控反馈：随着车内屏幕数量的增多，GPU能够支持多屏联动，实现无缝切换和同步显示，同时，通过优化触控响应速度和细腻的动画效果，带给用户更为直观、灵敏的交互感受。

4.2.在ADAS中的作用

1）实时视频处理：在车道偏离预警、前方碰撞预警、行人检测等ADAS功能中，GPU能够快速处理来自多个摄像头的高清视频流，进行实时图像识别与分析，以此提高了系统的反应速度和准确性；

2）地图绘制与定位精度：GPU强大的并行计算能力有助于实时构建和更新高精度的3D地图，这对于自动驾驶汽车实现精准定位和路径规划有着至关重要的作用。

4.3.是自动驾驶系统中的核心技术支撑

1）数据并行处理：自动驾驶涉及大量的感知、决策与控制算法，GPU凭借其特有的并行计算架构，能够显著缩短处理时间和提高算力，有效支撑复杂算法的高效运行；
2）虚拟仿真测试：在开发与验证自动驾驶系统阶段，GPU可用于搭建高性能的模拟环境，通过模拟各类驾驶场景和极端情况，以此降低开发成本，同时可缩短开发周期。