特斯拉model 3的硬件进化
特斯拉 Model 3是一款3年前的车型。然而，随着软件升级和硬件换代（从HW2.5到HW3.0），特斯拉承诺保持特斯拉Model 3的相关性，并为未来的全自动驾驶做好准备。
至少，这是他们的承诺。
在硅谷，一群略微狂热并精通技术的消费者迷恋上了特斯拉，他们欲罢不能。他们喜欢这辆车，喜欢它的电力驱动，他们近乎虔诚地关注着埃隆·马斯克的推特。
最重要的是，他们钦佩特斯拉清洁，优雅的车辆架构，设计从零开始。通过无线(OTA)软件升级，特斯拉可以增加新功能，甚至几乎神奇地升级车辆性能。其他汽车主机厂（他们的汽车与传统平台关联）都没有设计出如此广泛的基于软件的汽车更新方法。
特斯拉的粉丝们对特斯拉备受争议的“自动驾驶仪”功能的担忧相对较少。他们的关注点既不在于它能做什么，也不在于它不能做什么。他们更愿意关注特斯拉的自动驾驶仪有一天能变成它所承诺的样子。除了一系列软件升级外，特斯拉还在去年推出了一项硬件换代计划——从特斯拉的HW2.5升至HW3.0。
在HW3.0中，伊隆·马斯克在一条推文中声称: “所有正在生产的汽车都拥有全自动驾驶所需的硬件、计算机和其他部件。”我们将看到马斯克所说的“全自动驾驶”到底是什么意思
让我们感兴趣的是特斯拉吹嘘的到HW3.0的过渡。今天的Model3引擎盖下是什么，它将如何转换？
Model 3是2017年年中首次生产的一个更小、更经济的电动车。由于去年特斯拉推出了自主研发的SoC芯片，特斯拉向Model 3的客户承诺，如果他们购买了全自动驾驶(FSD)软件包，他们将得到一个HW2.5到HW3.0换代的简捷服务中心预约。
需要澄清的是，现在的FSD软件包还不能使特斯拉能够在完全没有人工干预的情况下行驶。目前，这是一系列的自动驾驶系统的升级。此外，据马斯克上个月在推特上发布的声明，目前7000美元的FSD 套餐预计将在7月1日增加约1000美元。
在SystemPlus Consulting公司 (南特，法国)最新的“引擎盖下”系列中，我们更深入的观察了特斯拉Model 3的内部，重点是汽车传感器和特斯拉在Model 3上采用的自动驾驶ECU。
图1 特斯拉Model 3传感器和计算机布置
价格优先
汽车内部的计算能力是一个越来越重要的特性。要实现最佳的驾驶辅助和自动驾驶并激活安全功能，需要大量的计算能力。
为了优化自动驾驶，许多汽车主机厂和一级供应商都采用了各种传感器，如摄像头、雷达、激光雷达和超声波传感器，这样车辆就可以检测所处的环境。所有传感器获取的数据都必须融合到一起，这就是控制单元发挥作用的地方。
鉴于特斯拉所保持的“先锋”形象，如果大众认为Model3内部的所有硬件在技术上都是市场上最先进的，那也是情有可原。不过，探究一下引擎盖下的情况就会发现，特斯拉设计Model3初衷在于降低ADAS的成本，让这款车型“买得起”，SystemPlus CEO Romain Fraux解释道。
在Model 3传感器方面，特斯拉使用了8个摄像头、1个雷达和12个超声波传感器。Model 3没有使用激光雷达，这正应了马斯克的著名说法，即激光雷达是“傻子做的事”。
在以下内容中，System Plus分享了Model 3的传感器和计算单元的亮点。
ADAS应用的传感器
图2 特斯拉Model 3 ADAS应用的传感器
特斯拉Model 3上的传感器包括：8个摄像头，可以在半径250米的范围内提供汽车周围360度的可视性；12个超声波传感器，完善这套视觉系统。它们共同实现了对远处硬物和软物的检测，而且精度几乎是之前系统的两倍。这套系统还加入了一个处理能力更高的前视雷达系统。它的冗余波长提供周围环境更多的数据，可以穿过大雨、大雾、灰尘，甚至超越前车。
在摄像头方面，有四个摄像头面向前方，支持雷达，并且具有不同的特性。主摄像头覆盖距离250米，但视角很窄，其他摄像头覆盖距离较短（150米、80米和60米），但视角更广，可以观察汽车周围的环境，是用来读取路标的摄像头。另外4个摄像头面向汽车的侧面和后部，可以看到100米以外的情况。
声纳则是利用超声波来探测汽车周围8米半径内的障碍物。它可以在任何速度下工作，还可以监控盲区。声纳收集到的数据也会被自动驾驶系统用来处理超车时的自动变道。最后，GPS用于汽车定位。
前置摄像头
在前视视角方面，特斯拉开发了三摄像头模式，采用了三个安森美半导体的图像传感器。Model 3还使用了两个前视侧摄像头、两个后视侧摄像头和一个后视摄像头。
图3 特斯拉Model 3 前置摄像头（三摄像头）
Model 3共采用了8个安森美在2015年发布的120万像素图像传感器。“它们的成本很低。它们既不是新的，也不是高分辨率的，”Fraux指出。
从同一供应商处采购全部8个图像传感器意味着“特斯拉一定是想获得更好的采购价格，”Fraux指出。
三摄像头对比
图4 特斯拉Model 3 前置摄像头：与其他前置三摄像头对比
特斯拉Model 3驾驶辅助自动驾驶控制模块单元的三个前置摄像头采用了三颗安森美AR0136A的CMOS图像传感器，像素尺寸为3.75 um，分辨率为1280×960 1.2Mp。它们组成的前视影像捕捉系统，最大可拍摄250米。
为了突显特斯拉三摄像头模块的意义，SystemPlus将其与最大的汽车一级供应商之一的采埃孚设计的三摄像头模块进行了对比。采埃孚的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是采埃孚模块的三摄像头版本，采用Omnivision CMOS图像传感器和Mobileye'a EyeQ4视觉处理器。
特斯拉采用的PCB安装技术与宝马不同。宝马更倾向于在三块不同的PCB上隔离传感器。相比之下，特斯拉的三个前视摄像头模块将所有CMOS传感器嵌入到一个PCB中，没有系统芯片。
采埃孚的S-Cam4包含了Mobileye的视觉处理能力。
System Plus注意到，通过选择安森美半导体的成熟图像传感器且不增加任何后处理，特斯拉使其摄像头模块“不在于拥有最新的图像传感器，而全在于成本”。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。
图5 特斯拉Model 3 摄像头和CMOS图像传感器
图6 特斯拉Model 3 长短距离雷达
特斯拉选择了大陆集团的成熟雷达模块。大陆公司的ARS4-B内部是由恩智浦半导体提供的77GHz雷达芯片组和32位MCU。System Plus的Fraux指出，虽然有几家芯片公司——包括联发科和德州仪器——声称进入汽车雷达市场，但恩智浦和英飞凌是无可争议的两大公司。大陆集团是雷达模块厂商中的一个重要角色。其ARS4-B“至少可以在包括奥迪Q3、大众途观在内的15款汽车上找到”。
大陆集团ARS4-A雷达系统可用于前车碰撞预警、紧急制动辅助系统、碰撞缓解或自适应巡航（ACC）。一个重要的内容是同时测量长距离，最远可达250米，精度为+/-0.2米；短距离，最远可达70米，相对速度和两个物体之间的角度。
该系统由两块电子板组成，包括一个恩智浦半导体微控制器和一个博通以太网收发器。射频(RF)板采用非对称结构，采用PTFE/FR4混合基板，配备平面天线。
采用恩智浦半导体77 GHz多通道雷达收发芯片组作为高频发射器和接收器。其由4个接收器、2个发射器和一个相关的压控振荡器（VCO）组成。
特斯拉计算机单元
图7 特斯拉Model 3 计算单元
特斯拉开发了一个“液冷双计算平台”，由其自动驾驶仪和计算机组成。System Plus的CEO Fraux解释说，它们被安装在同一模块的两块不同的电路板上。
一边是信息娱乐电子控制单元（ECU）或MCU。而另一边，则是自动驾驶ECU。最初安装在Model 3上的HW2.5中，特斯拉的自动驾驶还是由Nvidia的SoC和GPU来实现的。
特斯拉整合了多家厂商与Nvidia的GPU相关的高性能集成电路的完整模块，处理器是英特尔的，微控制器是恩智浦和英飞凌的，内存是美光科技、三星和SK海力士的，音频放大器是意法半导体的。
自动驾驶ECU的发展历程
图8 特斯拉Model 3 自动驾驶硬件发展历程和计算单元
System Plus注意到，特斯拉电脑的进化一直在自动驾驶ECU上进行着。在HW2.5中，特斯拉整合了两颗Nvidia Parker SoC、一颗Nvidia Pascal GPU和一颗英飞凌TriCore CPU。到了HW3.0，特斯拉整合了两颗全新设计的特斯拉SoC、两颗GPU、两颗神经网络处理器和一颗同步CPU。
一方面，zFAS奥迪A8的中央驱动辅助控制器—“不带任何冗余，而且真的很贵，”Fraux注意到。另一方面，特斯拉的版本，使用两个SoC，提供冗余。
HW2.5和HW3.0对比
图9 特斯拉Model 3 自动驾驶ECU：HW2.5和HW3.0
Fraux表示，与HW2.5（4681个元件）相比，特斯拉在同样大小的电路板上为HW3（4746个元件）塞进了更多的元件。
在HW3.0中，处理器数量从4个Tesla SoC缩减到2个（Nvidia、英飞凌）。
HW3.0中Tesla SoC使用了14nm的处理器，而Nvidia的HW2.5上用的是16nm的。在HW3.0推出时，Fraux注意到：“这是第一次在汽车上使用14nm FinFET工艺。”
图10 特斯拉Model 3 自动驾驶处理器发展历程
图11 特斯拉Model 3 自动驾驶处理器发展历程分析
汽车行业很少看到有汽车制造商为它们的汽车设计自己的专用芯片。这是“一个很大的风险，”Fraux说，“除非你内部有一个天才的硬件设计团队。”他补充说。考虑到如今的汽车市场，做出这个决定不会容易。
然而，特斯拉并不孤单。有不少汽车主机厂都有志于像特斯拉一样，开发自己的自动驾驶处理器。
但是，花大量的研发经费，只为自己的车型设计自己的专用芯片，真的值得吗？
“如果你想保持良好的利润并进行量产，这可能是有意义的，”Fraux指出。在过去的几年里，随着越来越多的电子元件进入汽车，许多汽车主机厂认识到：像Nvidia和英特尔这样的领先芯片厂商习惯于为他们的SoC、CPU和GPU保持大的利润率，这确实让他们感到震惊。如果主机厂不想在未来五年内继续与芯片厂商进行价格谈判，他们可能会发现自己开发SoC更容易掌握自己的命运。
System Plus估计，特斯拉的HW2.5，由三颗Nvdia的芯片和英飞凌的MCU组成，成本为280美元。相比之下，特斯拉HW3.0采用两颗特斯拉SoC，成本为190美元。
Fraux指出：“假设一家汽车制造商在自己的处理器上花费1.5亿美元的设计成本，组件价格不变，年产量为40万台，快速估算一下，你可以在四年内收回投资。”
好书推荐：
<推荐理由：中译本在原著的基础上增加了缩略语词汇总表等5个附录，便于读者查阅。原著是集合当今世界雷达各方面造诣最深的专家、学者编撰而成的，受到全世界雷达工程师、设计师和技术人员的欢迎。中译本的审稿人员和译者亦是国内雷达界享有盛誉的院士和专家。因此本书应该成为国内雷达领域的权威参考书。>
2. Camera: 《数字图像处理》
<推荐理由：本书是图像处理理论与以MATLAB为主要工具的软件实践方法相结合的第一本书。特色在于重点强调如何通过开发新代码来加强软件工具。介绍MATLAB编程基础知识之后，讲述了图像处理的主干内容，包括灰度变换、线性和非线性空间滤波、频率域滤波、图像恢复与配准、彩色图像处理、小波、图像数据压缩、形态学图像处理、图像分割、区域和边界表示与描述，以及目标识别>
<推荐理由：本书是数字图像处理领域的一本新著，是1977年问世的《数字图像处理（第一版）》的重要修订与扩充。较上一版，啬了关于小波变换、图像形态学和彩色图像处理的章节，并新增了500多幅图像、200多幅图表。该书是近20年来此领域最权威的教材之一。全书共分12章，首先介绍了数字图像基础、空间域和频域的图像增强；然后讨论了图像复原、彩色图像处理、小波变换及多分辨率处理和图像压缩；最后讲述了形态学图像处理、图像分割、表示与描述和对象识别等。本书侧重于对数字图像处理基本概念和方法的介绍，并为本领域的进一步学习和研究奠定了坚实的基础。全书概念清楚、深入浅出、图文并茂，并且反映了近10年来数字图像处理领域的最新发展情况。》
3. Sensor Fusion:《多传感器数据融合手册》
<推荐理由：本书包含了来自于不同学科的很新数据融合概念和技术。由世界靠前的融合领域研究者和学者贡献，全书共34章，大致分为两部分，涵盖了基础理论和很近的理论进展，以及多传感器数据融合应用。每章自身完整，可单独或者与书中其他章节相结合阅读。在部分中，至23章致力于多传感器数据融合算法设计方面优选水准和新的进展，提供了很优融合和多传感器滤波方面的新材料和成果。在第2部分，第24到34章主要展示多传感器数据融合在不同领域的发展，比如医疗应用、导航、交通（流量）分析等。》
驾驶辅助系统手册
<推荐理由：本书全面的讲述了驾驶员辅助系统的重要知识，并介绍了驾驶员辅助系统在主动安全性和舒适性方面的系统组成和工作原理。书中的内容由德国汽车工业和学术界的96位专家 共同编写。本书的内容也正是很多读者所关心的新课题，而紧凑的章节内容，即使对于一名非常忙碌的从业人员来说也能够有时间进行阅读。相信本书必然会成为国内汽车智能驾驶和智能辅助驾驶行业技术人员以及高校汽车相关专业学者了解和掌握驾驶员辅助系统技术以及审视未来相关技术发展所不可或缺的工具书。>