与硬件解耦持续推动软件定义汽车

　　高性能硬件需要能够兼容其他供应商提供的软件，软硬件解耦是指软件系统的设计完全独立于硬件，在软件框架中通过对硬件接口进行抽象化处理来兼容不同硬件设备，是移动出行产业的重要变革趋势之一。

　　推进“软件定义汽车”

　　软件是未来移动出行的关键。博世预计，到2026年，仅用于驾驶辅助系统和智能座舱的车载计算机销售额就将达到30亿欧元。整体而言，尽管外部环境依然充满变化和挑战，博世的业务发展仍保持积极态势。

　　“博世深谙软件之道，并正以其塑造未来移动出行。我们的技术将使软件定义汽车（简称SDV）化为现实，将这些智能化汽车投入日常移动出行。”博世集团董事会主席史蒂凡•哈通博士在2023年德国国际汽车及智慧出行博览会（IAA Mobility 2023）上表示。

　　博世提供的智能硬件既可以把软件嵌入零部件本身，也可部署在中央车载计算机中。作为汽车领域十大半导体制造商之一，博世不断投资研发及扩展其全球半导体制造网络，产品组合包括集成电路、微机电（MEMS）传感器、功率半导体和功率模块。

　　对于自主定义其汽车电子电气（E/E）架构的汽车制造商而言，博世拥有提供面向架构精准定制半导体功能范围的能力。博世在第六代雷达传感器中融入了人工智能技术，在探测距离、高速和角分辨率方面表现更佳，可实现SAE 0-3级的辅助和自动驾驶功能。软件正成为汽车电子系统开发，尤其是驾驶辅助系统开发的决定因素。鉴于此，博世正在拓展其在辅助与自动驾驶及泊车领域的产品组合，未来博世软硬件部件将分开销售。

　　SDV实现的重要前提是软硬件解耦，例如，在智能汽车SOA软件架构中，操作系统由系统软件和功能软件组成，处于上层应用软件和底层硬件之间（智能驾驶中间件也可称之为广义操作系统），一般采用分层的方法和结构由底层向上构建，以此来实现软硬件解耦，同时在车载网络中实现数据整合、交换、传输等功能。在整车E/E架构逐步升级的过程中，操作系统成为实现软硬件解耦的关键。

　　再如，汽车智能驾驶操作系统作为实现软硬件解耦的核心底层软件，帮助主机厂打破了传统供应链中大型汽车零部件供应商的“软硬件一体”交钥匙式的供给模式。汽车智能驾驶操作系统的发展可以使主机厂在对外采购硬件的同时，加大对上层应用软件的研发与投入，实现对核心技术的掌控，在软件定义汽车时代掌握更多话语权与决策权。

　　推出与硬件解耦的视觉感知软件模块

　　面对单调的驾驶环境、漫长的车程和令人心烦的堵车，用户都希望能在驾驶过程中除了关注路况还能有精力顾及别的事务。博世正为日益增强的自动驾驶功能打造技术基石，使用户能够在短时间内无需关注路况。在辅助驾驶向自动驾驶发展的过程中，基于视频图像的环境感知发挥着关键作用。可靠的车辆周边环境信息能够确保自动、安全且轻松的驾驶。博世不仅能提供软硬件协同的解决方案，还推出了与硬件解耦的视觉感知软件模块。

　　用户期待他们的车辆能像智能手机一般持续更新迭代，像手机应用程序一样下载车辆的新功能，无需硬件的更换。在辅助驾驶和自动驾驶领域，除雷达和超声波外，基于视觉的传感器是车辆感知周边环境的另一种方式。博世的软件可对包含博世新型摄像头在内的多个传感器捕捉到的图像数据进行处理，并将其应用于与驾驶和泊车相关的高级驾驶辅助功能。这为驾乘安全相关功能的增强拓展了更多可能，不仅包含驾驶或倒车时的自动制动，还有如自适应巡航、主动变道和泊车辅助等便利功能，以及用于高速公路、城郊和城市的自动驾驶功能。在目标物探测及分类方面，博世的软件主要通过基于深度神经网络等人工智能技术来实现。可通过世界各地的数据库对相关神经网络进行训练，从而在开发过程中将各国具体的本土需求纳入考量。

　　基于视频的车辆周围感知在从辅助驾驶到自动驾驶和停车的过渡中起着核心作用，利用这项技术，车辆周围的图像数据被各种摄像头传感器捕获并处理，相应的数据可以被随后的驾驶辅助和自动驾驶功能用于各种驾驶和停车应用。与硬件解耦的博世视觉感知软件模块是一种纯粹基于软件的解决方案，可用于不同的预选片上系统（SoC）。

　　视频感知也被称为计算机视觉，能够基于视频对车辆周围环境进行检测和分类，从而实现驾驶辅助和自动驾驶功能，符合SAE 0-4级的驾驶和停车应用。该软件处理来自一个或多个摄像头传感器的原始视频数据，对物体进行分类，例如行人、骑自行车的人和其他车辆，以及有关周围环境的语义和地形信息。为了检测和分类物体，该软件使用了包括深度神经网络在内的人工智能方法，并在训练这些网络时访问全球数据库，以满足特定的局部要求。

　　与硬件解耦的博世视觉感知软件模块有3类：前置视频感知模块可用于SAE 0-2级的辅助驾驶和泊车功能；近距离感知模块用于停车和辅助驾驶期间的额外支持；360度视频感知模块拥有完整的360度感知功能，既可以实现SAE 2级功能，也可以实现SAE 3级和4级自动驾驶。

　　在以前的车辆架构中，用于环绕感测的摄像头已被用作嵌入式系统。这意味着摄像头是作为一个完整的包提供的，有自己的控制单元和嵌入式软件。然而，随着未来车辆架构变得更加集中，硬件和软件将相互分离。这使得像视频感知这样的软件解决方案可以独立于硬件使用。软件与硬件的分离使开发周期更快，系统配置更灵活。持续更新系统的能力确保了优化的性能和不同系统与SoC之间的平稳过渡——通过一个一致的接口到融合和功能层。除了将视频感知软件作为单独的解决方案外，博世还将摄像头作为单独的组件提供。

　　集中式E/E架构中的计算能力被“外包”给几台车载计算机，ADAS集成平台专门用于驾驶辅助和自动驾驶及自动泊车。高性能计算机是辅助、自动驾驶和停车功能的核心，从SAE 0-4级。凭借这种模块化的系统结构，博世使用户能够灵活地配置定制的、可扩展的解决方案，并从单一来源采购单个组件或完整的系统。

　　“我们发现了一种趋势，即客户不再选择购买供应商提供的全套传感器和软硬件产品，而是更倾向于选择能与友商产品兼容的软件或硬件解决方案。”博世智能驾驶体验业务单元负责人斯文·朗沃强调说，“这种情况下，行业在重视硬件兼容性的同时，也注重软件对于硬件和操作系统的独立性。”

　　展示硬件摄像头设备

　　博世的硬件摄像头设备在辅助驾驶系统中同样发挥着关键作用，因为它使车辆能够始终可靠地检测物体和人员。经典的图像处理算法与人工智能方法相结合，保证了目标检测的弹性。这也使它适合未来涉及基于视频的驾驶辅助系统的应用，例如自动驾驶。硬件摄像头设备视野开阔，侦测易受伤害的过路人士；具有高角分辨率；通过人工智能在芯片上进行稳健的感知和行为预测。

　　在辅助驾驶和自动驾驶过程中，车辆必须随时了解周围发生的情况，可靠地检测物体和人，并能够对这些做出适当的反应。在这方面，博世的硬件摄像头设备发挥了至关重要的作用：用于辅助和部分自动驾驶的多用途摄像头采用了创新的高性能片上系统（SoC），并配有博世图像处理算法微处理器，用于全面的场景解释和可靠的目标检测。

　　凭借其算法多路径方法和创新的片上系统，博世的硬件摄像头设备专门为高性能驾驶辅助系统开发。它使用如下技术路径一次性进行图像处理：第一种是目前已经在使用的传统方法。通过预编程算法，摄像头可以识别车辆、骑自行车的人或道路标记等物体类别的典型外观。第二种路径是摄像头使用光流和运动结构（SfM）来识别路边凸起的物体，如路边石、中央储备或安全屏障，跟踪相关像素的运动。第三条路径依赖于人工智能，得益于机器学习过程。摄像头学会了对物体进行分类，比如停在路边的汽车。最新一代的自动驾驶汽车可以通过神经网络和语义分割来区分路面和路边的路面。根据需要使用额外的路径，如经典的线扫描，光检测和立体视差。

　　多路径方法的优势在真实、复杂的交通情况下尤为明显，如在没有道路标志的情况下，摄像头可以可靠地检测道路边缘是否可以行驶，通过沥青上的线、路面的其他特征（如砾石、路边停放的车辆和安全屏障）进行导航。特别是在混乱的城市交通中，可以检测和分类部分遮挡的行人和骑自行车的人。

　　最新一代的前置摄像头为博世道路标识做出了重要贡献，传感器在驾驶时收集车道标记和道路标志等固定特征的数据，随后将其整合到博世物联网云中，并不断更新。这些信息为自动驾驶在高分辨率地图上建立了一个独立的层。由于光学字符识别，博世的摄像头能够正确无误地读取道路标志上的文字和字符（即使这些标志包括闪烁的LED），并显示给用户。