机动车辆中用于硬件验证的系统和方法
阅读说明：本技术 机动车辆中用于硬件验证的系统和方法 (System and method for hardware validation in a motor vehicle ) 是由 B·Q·白 D·C·德加齐奥 E·奈希 G·M·班威特 S·纳克拉 于 2019-06-01 设计创作，主要内容包括：一种机动车辆包括：至少一个传感器,该至少一个传感器被配置成检测车辆外部邻近区域中的特征；至少一个致动器,该至少一个致动器被配置成控制车辆转向、推进、换档或制动,以及自动驾驶系统,该自动驾驶系统可选择性地在标称模式和降级模式中操作。自动驱动系统被配置成响应于来自至少一个传感器的传感器信号生成用于至少一个致动器的致动器控制信号。自动驾驶系统包括计算加速器处理器。车辆进一步包括与自动驾驶系统通信的监控处理器。监控处理器被配置成提供由计算加速器处理器用于处理的测试输入,从计算加速器处理器接收测试输出,并且响应于测试输出不满足验证标准,在降级模式下控制自动驱动系统。(A motor vehicle includes: at least one sensor configured to detect a feature in a vicinity outside the vehicle; at least one actuator configured to control vehicle steering, propulsion, gear shifting, or braking, and an autonomous driving system selectively operable in a nominal mode and a degraded mode. The automated driving system is configured to generate an actuator control signal for the at least one actuator in response to a sensor signal from the at least one sensor. The autopilot system includes a computational accelerator processor. The vehicle further includes a monitoring processor in communication with the autonomous driving system. The monitoring processor is configured to provide test inputs for processing by the compute accelerator processor, receive test outputs from the compute accelerator processor, and control the automatic drive system in a degraded mode in response to the test outputs not meeting the validation criteria.)
技术领域
本公开涉及由自动驾驶系统控制的车辆，具体涉及配置成在驾驶循环期间自动控制车辆转向、推进和制动而没有人类干预的车辆。
背景技术
现代车辆的操作变得更加自动化，即，能够利用越来越少的驾驶员干预来提供驾驶控制。车辆自动化已被分类成数字级别，从零(对应于不具有完全人类控制的自动化)到五(对应于没有人类控制的完全自动化)的范围。各种自动驾驶员辅助系统，诸如巡航控制、自适应巡航控制和停车辅助系统对应于较低的自动化水平，而真正的“无人驾驶”车辆对应于较高的自动化水平。
发明内容
根据本公开的机动车辆包括至少一个传感器，该传感器配置成检测在车辆的外部邻近区域中的特征。车辆还包括至少一个配置成控制车辆转向、推进、换档或制动的致动器。该车辆附加地包括可选择性地在标称模式下和在降级模式下操作的自动驾驶系统。自动驱动系统配置成响应于来自至少一个传感器的传感器信号生成用于至少一个致动器的致动器控制信号。自动驾驶系统包括计算加速器处理器。车辆进一步包括与自动驾驶系统通信的监控处理器。监控处理器配置成提供由计算加速器处理器用于处理的测试输入，从计算加速器处理器接收测试输出，并且响应于测试输出不满足验证标准，在降级模式下控制自动驱动系统。
在示例性实施例中，计算加速器处理器包括多个并行处理核，并且测试输入配置成利用多个并行处理核的阈值数量。
在示例性实施例中，测试输入包括图像帧、视频片段或LiDAR点云。
在示例性实施例中，监控处理器进一步配置成响应于所满足的资源利用标准来提供测试输入。在这样的实施例中，响应于车辆换档到PARK，可以满足资源利用标准。
在示例性实施例中，监控处理器定义自动驾驶系统的CPU。
在示例性实施例中，自动驾驶系统包括主控制处理器，其中主控制处理器不同于监控处理器。
根据本公开的实施例的验证计算加速器处理器的方法包括定义用于验证的参考组件集。参考组件集包括具有多个并行处理核的参考计算加速器处理器。该方法还包括定义测试样式。该方法附加地包括经由参考组件集处理测试样式以获得参考输出。该方法进一步包括测量由处理测试样式利用的多个并行处理核的数量。该方法附加地包括：响应于处理满足预定义阈值的测试样式所利用的多个并行处理核的数量，将测试样式和与参考输出相关联的验证标准存储在非瞬态数据存储器中。非瞬态数据存储器与监控处理器通信。监控处理器与包括目标计算加速器处理器的目标组件集通信。目标组件集可选择性地在标称模式下和在降级模式下操作。该方法进一步包括经由监控处理器向目标组件集提供测试样式。该方法附加地包括经由目标组件集处理测试样式以获得测试输出。该方法进一步包括，响应于测试输出不满足验证标准，在降级模式下自动控制目标组件集。
在示例性实施例中，目标组件集定义了机动车辆的自动驾驶系统的至少一部分。
在示例性实施例中，测试样式包括图像帧、视频片段或LiDAR点云。
在示例性实施例中，响应于满足资源利用标准，向目标组件集提供测试样式。在这样的实施例中，目标组件集可以定义机动车辆的自动驾驶系统的至少一部分，并且可以响应于车辆被换档成PARK而可以满足资源利用标准。
在示例性实施例中，该方法附加地包括，响应于处理不满足预定义阈值的测试样式所利用的多个并行处理核的数量，重新定义测试样式。
在示例性实施例中，预定义阈值基本上对应于多个并行处理核的全部。
在示例性实施例中，验证标准包括执行时间或吞吐量时间。
根据本公开的实施例提供了许多优点。例如，本公开提供了一种用于测试机动车辆中的硬件的系统和方法，包括对于已知诊断方法是不适合的大规模并行处理器。
结合附图，从以下优选实施例的详细描述中，本公开的上述和其他优点和特征将变得显而易见。
附图说明
图1是根据本公开的一个实施例的包括自主控制车辆的通信系统的示意图；
图2是根据本公开的一个实施例用于车辆的自动驾驶系统(ADS)的示意性框图；
图3是根据本公开的一个实施例的控制系统的示意图；
图4是根据本公开的一个实施例的控制车辆的方法的流程图；并且
图5是根据本公开的一个实施例的定义测试样式的方法的代表流程图。
具体实施方式
本文描述了本公开的实施例。然而，应当理解的是，所公开的实施例仅仅是示例，并且其它实施例可以采取各种和可替换的形式。附图不一定成比例；一些特征可以被放大或最小化以显示特殊组件的细节。因此，本文公开的具体的结构和功能细节不应被解释为限制性的，而仅仅是代表性的。参考任何一个附图示出和描述的各种特征可以与一个或多个其他附图中展示的特征相组合，以产生没有明确示出或描述的实施例。所示特征的组合提供了典型应用的代表性实施例。然而，与本公开的教导一致的特征的各种组合和修改对于特殊的应用或实施方式是期望的。
图1示意性地示出了包括用于机动车辆12的移动车辆通信和控制系统10的操作环境。用于车辆12的通信和控制系统10通常包括一个或多个无线载波系统60、陆地通信网络62、计算机64、诸如智能电话的移动设备57和远程访问中心78。
在图1中示意性示出的车辆12在所示实施例中被描绘为客车，但是应当理解的是，任何其他车辆包括摩托车、卡车、运动型多功能车(SUV)、娱乐车辆(RV)、船舶、飞机等，也可以使用。在各种实施例中，车辆12包括推进系统13，其可以包括内燃发动机、电机(诸如牵引马达)、和/或燃料电池推进系统。
车辆12还包括变速器14，其配置成根据可选择的速度比将动力从推进系统13传输到多个车轮15。根据各种实施例，变速器14可以包括步进比自动变速器、无级变速器或其他合适的变速器。车辆12附加地包括车轮制动器17，其配置成向车轮15提供制动扭矩。在各种实施例中，车轮制动器17可以包括摩擦制动器、再生制动器系统(诸如电机)、和/或其他适当的制动系统。
车辆12附加地包括转向系统16。尽管出于说明的目的被描绘为包括方向盘，但是在本公开范围内设想的一些实施例中，转向系统16可以不包括转向轮。
车辆12包括配置成与其他车辆(“V2V”)和/或基础设施(“V2I”)无线通信的无线通信系统28。在示例性实施例中，无线通信系统28配置成经由专用短程通信(DSRC)信道进行通信。DSRC信道指的是为汽车使用和一组相应的协议和标准专门设计的单向或双向短程到中程无线通信信道。然而，配置成经由附加的或替代的无线通信标准(诸如IEEE802.11和蜂窝数据通信)进行通信的无线通信系统也被认为在本公开的范围内。
推进系统13、变速器14、转向系统16和车轮制动器17与控制系统22或在其控制下通信。尽管出于说明的目的被描绘为单一单元，但是控制系统22可以包括多个离散控制器。控制系统22可以包括与各种类型的计算机可读存储设备或介质通信的微处理器或中央处理单元(CPU)。例如，计算机可读存储设备或介质可以包括只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是一种永久性或非易失性存储器，当CPU断电的时候，可以被使用于存储各种操作变量。计算机可读存储设备或介质可以使用多种已知存储设备中的任何一种来实施，诸如PROMs(可编程只读存储器)、EPROMs(电可擦除可编程只读存储器)、EEPROMs(电可擦除可编程只读存储器)、闪存或能够存储数据的任何其他电、磁、光或组合存储设备，其中一些存储设备代表控制系统22在控制车辆时使用的可执行指令。
控制系统22包括用于自动控制车辆中的各种致动器的自动驾驶系统(ADS)24。在示例性实施例中，ADS24是所谓的四级或五级自动化系统。参照自动驾驶系统的、动态驾驶任务的所有方面的驾驶模式特定性能，四级系统指示高度自动化，即使人类驾驶员没有适当地响应请求以干预。参照自动驾驶系统在可以由人类驾驶员管理的所有道路和环境条件下的动态驾驶任务的所有方面的全时间性能，五级系统指示全自动化。在示例性实施例中，ADS24配置成控制推进系统13、变速器14、转向系统16、以及车轮制动器17，以分别控制车辆推进、转向以及制动，而没有经由响应于来自多个传感器26的输入的多个致动器30的人工干预，该多个传感器可以包括全球定位系统、雷达、激光雷达、光学相机、热照相机、超声波传感器和/或适当地附加的传感器。
图1示出了可以与车辆12的无线通信系统28通信的若干联网设备。可以经由无线通信系统28与车辆12通信的联网设备中的一个是移动设备57。移动设备57可以包括计算机处理能力、能够使用短程无线协议通信的收发器以及可视智能电话显示器59。计算机处理能力包括可编程设备形式的微处理器，其包括存储在内部存储器结构中的一个或多个指令，并被应用于接收二进制输入以创建二进制输出。在一些实施例中，移动设备57包括能够接收GPS卫星信号并基于这些信号生成GPS坐标的GPS模块。在其他实施例中，移动设备57包括蜂窝通信功能性，使得移动设备57使用一个或多个蜂窝通信协议在无线载波系统60上执行语音和/或数据通信，如本文所讨论的。可视智能电话显示器59还可以包括触摸屏图形用户界面。
无线载波系统60优选地是蜂窝电话系统，其包括多个发射塔70(仅示出一个)、一个或多个移动交换中心(MSC)72，以及将无线载波系统60与陆地通信网络62连接所需的任何其他网络组件。每个手机信号塔70包括发送和接收天线以及基站，其中来自不同发射塔的基站直接或者经由诸如基站控制器的中间装备连接到MSC72。无线载波系统60可以实施任何合适的通信技术，例如包括模拟技术，诸如AMPS，或者数字技术(诸如CDMA(例如，CDMA2000))或者GSM/GPRS。其它发射塔/基站/MSC布置也是可能的，并且可以与无线载波系统60一起使用。例如，基站和发射塔可以共同位于同一地点，或者它们可以彼此远离地定位，每个基站可以负责单个发射塔，或者单个基站可以服务于各个发射塔，或者各个基站可以联接到单个MSC，这里仅列举一些可能的布置。
除了使用无线载波系统60，可以使用卫星通信形式的第二无线载波系统来提供与车辆12的单向或双向通信。这可以使用一个或多个通信卫星66和上行链路发射站67来完成。例如，单向通信可以包括卫星无线电服务，其中节目内容(新闻、音乐等)由发射站67接收，打包以便上传，并且然后发送到卫星66，其向用户广播节目。例如，双向通信可以包括使用卫星66来中继在车辆12和站67之间的电话通信的卫星电话服务。除了无线载波系统60之外或者代替无线载波系统60，可以利用卫星电话。
陆地网络62可以是连接到一个或多个陆线电话的传统的陆基电信网络，并将无线载波系统60连接到远程访问中心78。例如，陆地网络62可以包括公共交换电话网(PSTN)，诸如用于提供硬接线电话、分组交换数据通信和互联网基础设施的公共交换电话网。陆地网络62的一个或多个部分可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、诸如无线局域网(WLAN)的其他无线网络或提供宽带无线访问的网络(BWA)或其任意组合来实施。另外，远程访问中心78不需要经由陆地网络62连接，而是可以包括无线电话装备，使得它可以直接与无线网络(诸如无线载波系统60)通信。
虽然在图1中示出为单个设备，但是计算机64可以包括经由私有或公共网络(诸如因特网)可访问的多个计算机。每个计算机64可以用于一个或多个目的。在示例性实施例中，计算机64可以配置为由车辆12经由无线通信系统28和无线载波60可访问的网服务器。其他计算机64可以包括，例如：服务中心计算机，其中诊断信息和其他车辆数据可以经由无线通信系统28或第三方存储库从车辆上传到或从中提供车辆数据或其他信息，无论是通过与车辆12、远程访问中心78、移动设备57或这些的一些组合进行通信。计算机64可以维持可搜索的数据库和数据库管理系统，其允许录入、移除和修改数据以及接收在数据库内定位数据的请求。计算机64还可以用于提供互联网连接(诸如DNS服务)，或者作为网络地址服务器，其使用DHCP或其他合适的协议来向车辆12分配IP地址。除了车辆12之外，计算机64可以与至少一个补充的车辆通信。车辆12和任何补充的车辆可以统称为车队。
如图2所示，ADS24包括多个不同的控制模块，至少包括用于确定车辆附近检测到的特征或物体的存在、定位、分类和路径的感知系统32。感知系统32配置成接收来自各种传感器(诸如图1中所示的传感器26)的输入，并且合成和处理传感器输入以生成用于ADS24的其他控制算法的输入的参数。
感知系统32包括传感器融合和预处理模块34，其处理和合成来自各种传感器26的传感器数据27。传感器融合和预处理模块34执行传感器数据27的校准，包括但不限于LIDAR到LIDAR校准、照相机到LIDAR校准、LIDAR到底盘校准以及LIDAR光束强度校准。传感器融合和预处理模块34输出预处理的传感器输出35。
分类和分割模块36接收预处理的传感器输出35，并执行物体分类、图像分类、交通灯分类、物体分割、地面分割和物体跟踪过程。对象分类包括但不限于识别和分类周围环境中的物体，包括交通信号和标志的识别和分类、RADAR融合和跟踪来考虑传感器的安置和视野(field of view，FOV)，以及经由LIDAR融合消除城市环境中存在的许多误报的误报拒绝，诸如井盖、桥梁、架空树或灯杆，以及具有高RADAR横截面但不影响车辆沿其路径行驶的能力的其他障碍物。由分类和分割模型36执行的附加物体分类和跟踪过程包括但不限于自由空间检测和高级跟踪，其融合来自RADAR轨迹的数据、LIDAR分割、LIDAR分类、图像分类、物体形状拟合模型、语义信息、运动预测、光栅图、静态障碍图和其他来源，以产生高质量的物体轨迹。分类和分割模块36附加地执行交通控制设备分类和交通控制设备与车道关联和交通控制设备行为模型的融合。分类和分割模块36生成包括物体识别信息的物体分类和分割输出37。
定位和映射模块40使用物体分类和分割输出37来计算参数，包括但不限于在典型驾驶场景和挑战性驾驶场景两者中估计车辆12的位置和取向。这些具有挑战性的驾驶场景包括但不限于具有许多汽车的动态环境(例如，密集交通)、具有大规模障碍物的环境(例如，道路工程或建筑工地)、山丘、多车道道路、单一车道道路、各种道路标记和建筑物或其缺乏(例如，住宅区与商业区)、以及桥梁和立交桥(车辆的当前路段的上方和下方)。
定位和映射模块40还结合了作为由车辆12在操作期间执行的经由车载映射功能获得的扩展映射区域的结果而收集的新数据，以及经由无线通信系统28将映射数据“推送”到车辆12。定位和绘图模块40利用新信息(例如，新车道标记、新建筑结构、建筑区域的增加或移除等)更新先前的映射数据，同时保持未受影响的映射区域不变。可以生成或更新的映射数据的示例包括但不限于，屈服线分类、车道边界生成、车道连接、次要和主要道路分类、左转弯和右转弯分类以及交叉车道创建。定位和映射模块40生成定位和映射输出41，该定位和映射输出包括车辆12相对于检测到的障碍物和道路特征的位置和取向。
车辆测距模块46从车辆传感器26接收数据27，并生成车辆测距输出47，该车辆测距输出包括车辆航向和速度信息。绝对定位模块42接收定位和映射输出41以及车辆测距信息47，并生成车辆定位输出43，该输出用于如下所述的单独计算。
物体预测模块38使用物体分类和分割输出37来生成参数，包括但不限于检测到的障碍物相对于车辆的定位、检测到的障碍物相对于车辆的预测路径以及交通车道相对于车辆的位置和取向。关于物体(包括行人、周围车辆和其他移动物体)的预测路径的数据被输出为物体预测输出39，并用于如下所述的单独计算中。
ADS24还包括观察模块44和解释模块48。观察模块44生成由解释模块48接收的观察输出45。观察模块44和解释模块48由远程访问中心78允许访问。解释模块48生成解释输出49，其包括由远程访问中心78提供的附加输入(如果有的话)。
路径规划模块50处理并合成从在线数据库或远程访问中心78接收的物体预测输出39、解释输出49和附加的路线信息79，以确定要遵循的车辆路径，从而在遵守交通法规并避免任何检测到的障碍物的同时维持车辆在期望的路线上。路径规划模块50采用算法，其配置成避免车辆的附近的任何检测到的障碍物，将车辆维持在当前交通车道上，并且将车辆维持在期望的路线上。路径规划模块50输出车辆路径信息作为路径规划输出51。路径规划输出51包括基于车辆路线、相对于路线的车辆定位、交通车道的定位和取向以及任何检测到的障碍物的存在和路径的命令车辆路径。
第一控制模块52处理并合成路径规划输出51和车辆定位输出43，以生成第一控制输出53。在车辆的远程接管操作模式的情况下，第一控制模块52还包含由远程访问中心78提供的路线信息79。
车辆控制模块54接收第一控制输出53以及从车辆测距46接收的速度和航向信息47，并生成车辆控制输出55。车辆控制输出55包括一组致动器命令，以实现来自车辆控制模块54的命令路径，包括但不限于转向命令、换档命令、节气门命令和制动命令。
车辆控制输出55被传递到致动器30。在示例性实施例中，致动器30包括转向控制、换档控制、节气门控制和制动控制。例如，如图1中所示，转向控制器可以控制转向系统16。例如，如图1中所示，换档控制器可以控制变速器14。例如，如图1中所示，节气门控制可以控制推进系统13。例如，如图1中所示，制动控制器可以控制车轮制动器17。
现在参考图3，进一步详细地示出了控制系统22的一个方面。在这个实施例中，自动驾驶系统24包括与计算加速器处理器82(其可以替代性地称为加速器)通信的CPU80。虽然为了说明的目的，下文仅讨论了一个CPU80和一个加速器82，但是如图所示，ADS24可以包括附加的CPUs80和/或加速器82，以提供冗余。
计算加速器处理器是指配置用于大规模并行计算的处理器的类别，诸如图形处理单元(GPUs)、矢量处理器或现场可编程门阵列(FPGAs)。传统的CPUs具有用于顺序串行处理而优化的相对少量的处理器内核，而计算加速器处理器包括更多数量的更小、更高效的内核，这些内核在并行中用于执行多个更简单的计算而优化。因此，计算加速器处理器可能非常适合于执行图像识别中使用类型的复杂统计计算。
在所示实施例中，加速器82配置成在CPU80的控制下执行感知系统32的一个或多个功能。加速器82从传感器26和从CPU80接收数据，确定由传感器26感测的物体的属性，并将物体属性传递给CPU80用于后续处理，例如物体识别。
由于计算加速器处理器的大规模并行性，复杂的计算通常被分解成许多离散的简单计算，然后根据资源可用性将其分配给独立的处理器内核或管道。因此，计算加速器处理器可能类似于黑盒，因为跟踪加速器的输入和从那里输出之间的任何单独计算步骤的结果可能具有挑战性。因此，传统的硬件验证方法不太适合评估计算加速器处理器的性能。
控制系统22提供有监控器处理器84。在图示的实施例中，监控器处理器84被提供为与形成ADS24的硬件单元不同的硬件单元，例如微处理器或与CPU80和加速器82分离的CPU。在示例性实施例中，监控处理器84是具有自诊断能力的高完整性处理器，例如通常类似于传统的自动汽车电子控制单元。监控处理器84与CPU80和第一计算机可读存储设备86通信。加速器82与第二计算机可读存储设备88通信。在其他实施例中，下文描述的监控处理器84的功能可以由CPU80或自动驾驶系统24的其他处理器来执行，使得不提供分离处理器。
第二计算机可读存储设备88提供具有多个测试样式。每个相应的测试样式代表为可以由传感器26捕获的原始数据，例如图像帧、包括多个图像的视频片段、LiDAR点云或任何其他代表数据。下文将参照图5讨论定义测试样式的方法。每个测试样式中的数据指示ADS24能够分类的类型的一个或多个物体的存在，诸如汽车、行人、自行车或道路家具。另外，计算机可读存储设备被提供有与每个相应测试样式相关联的附图标记。第一计算机可读存储设备86同样被提供有测试样式的附图标记，并且另外具有用于每个测试样式的识别标签。识别标签指示每个测试样式中存在哪种类型的物体。
现在参考图4，以流程图的形式示出了根据本公开的验证硬件的方法。该方法开始于框100，例如在ADS24处于标称操作模式中的驱动循环开始时。标称模式是指当没有检测到诊断条件(如不期望的硬件或软件行为)时的操作模式。在所示实施例中，该方法包括由监控处理器84执行的第一部分102、由CPU80执行的第二部分104和由加速器82执行的第三部分106。然而，在其他实施例中，该方法的各方面可以适当地以不同的方式分布在多个处理器中。
如在操作108处所示，确定是否满足测试启动标准。测试标准通常对应于执行诊断的足够水平的系统资源。在示例性实施例中，响应于主车辆变速器被转换到驻车状态，可以满足测试启动标准。然而，在其他实施例中，可以使用替代准则。作为示例，响应于系统资源监控器指示CPU80和加速器82的利用率低于阈值，可以满足测试标准。在其他替代实施例中，加速器的处理可以配置成使得测试样式可以与正常数据处理一起被传递到加速器82。在这样的实施例中，可以标记测试样式数据以允许测试样式和实时传感器数据之间的区分。
如果操作108的确定是否定的，即不满足测试启动标准，则控制保持在操作108处。因此，除非并且直到满足测试启动标准，否则算法不会继续。
如果操作108的确定是肯定的，即满足测试开始标准，则测试启动，如在框110处所示。
如框112所示，选择测试模式标识符并将其传递给CPU80。测试样式标识符可以包括例如存储在第一计算机可读存储设备86中的附图标记中的一个。在示例性实施例中，经由随机数生成器选择测试样式标识符。然而，在其他实施例中，测试样式标识符可以以其他方式选择，例如以顺序排列。
测试请求和测试样式标识符从CPU80传递到加速器82，如在框114处所示。
加速器82获得对应于测试样式标识符的测试样式(例如经由第二计算机可读存储设备88)，处理在测试样式中的数据，并且将任何所得的物体数据传递至中央处理器80，如在框116所示。
CPU80处理物体数据，生成物体数据中的物体列表，并将结果发送到监控处理器84，如在框118处所示。
监控处理器评估测试结果是否满足成功的测试完成准则，如在操作120处所示。可以至少部分基于存储在第一计算机可读存储设备86中的数据来做出这种确定。在示例性实施例中，成功的测试完成准则包括检测测试样式中的对象，对物体进行分类，识别物体的正确属性，以及在预定时间段内完全处理测试样式。当然，在其他实施例中，可以使用其他准则和/或附加的准则。
如果操作120的确定是肯定的，即测试结果满足成功的测试完成准则，则控制返回到操作108。因此，只要测试结果表明加速器82和CPU80按预期操作，主车辆就继续根据标称操作模式操作。
如果操作120的确定是否定的，即测试结果不满足成功的测试完成准则，则诊断计数器递增，如在框122处所示。诊断计数器指示已经发生的许多诊断条件，并且可以包括来自其他诊断协议的结果。
如在操作124处所示，做出确定诊断计数器是否超过预定阈值。阈值是正整数，并且可以根据允许的多个诊断条件来选择，同时维持对ADS24将按照期望执行的高置信度。
如果操作124的确定是否定的，即诊断计数器没有超过阈值，则控制返回到操作108。因此，只要诊断计数器不超过阈值，主车辆就继续根据标称操作模式操作。
如果操作124的确定是肯定的，即诊断计数器确实超过阈值，则激活降级操作模式，如在框126处所示。在图3所示的示例性实施例中，降级操作模式可以包括隔离CPU80和加速器82并利用冗余CPU和加速器，或者仅隔离加速器并利用冗余加速器。在替代实施例中，例如，在不提供冗余CPU和/或加速器的低级自主车辆中，降级操作模式可以包括停止对主车辆的自主控制并将控制返回给人类操作员。
现在参考图5，以流程图的形式示出了根据本公开的定义测试样式的方法。在一个示例性实施例中，这种方法可以离线执行，例如，在类似于上文相对于图3描述的参考硬件上执行，并且从那里获得的测试样式随后被部署到多个主车辆上用于硬件验证，如上文相对于图4所讨论的。
定义用于评估的组件列表，如框200所示。在示例性实施例中，组件包括加速器和相关联的数据存储器，例如，加速器82和第二计算机可读存储介质88。
定义具有复杂特性的测试样式，如框202所示。在示例性实施例中，测试样式包括代表典型传感器数据的图像帧、视频片段或LiDAR点云。测试样式包含一个或多个特征，其可以使用用于评估的组件来识别。
确定覆盖所有并行流水线上的处理的线程数量，如框204所示。如上所述，加速器指的是大规模并行处理器，因此可能需要诸如相对大量的线程来确保所有内核都被激活。
然后，通过加速器和其他组件处理测试样式用于评估(如果有的话)，如框206所示。
如操作208所示，做出确定是否使用了足够数量的内核和足够数量的并行电路。该确定可以使用硬件剖析器或任何其他合适的诊断工具来做出。在示例性实施例中，响应于利用的加速器的所有内核和并联电路，满足该确定。然而，在一些实施例中，如果适当的用于给定的应用，可以使用较小的量。
如果操作208的确定是否定的，则控制返回到框204，并且可以重新评估所需要线程的数量。
如果操作208的确定是肯定的，则做出确定是否使用了足够量的存储器，如操作210所示。该确定可以使用硬件剖析器或任何其他合适的诊断工具来做出。在示例性实施例中，响应于利用的加速器的所有存储器，满足该确定。然而，在一些实施例中，如果适当的用于给定的应用，可以使用较小的量。
如果操作210的确定是否定的，则控制返回到框202，并且可以定义新的测试样式。在示例性实施例中，新的测试样式比先前的测试样式更复杂和/或包括更大量的数据，例如，附加的图像帧。
如果操作210的确定是肯定的，那么多次处理测试样式，以计算平均执行时间和吞吐量时间，如框212所示。
然后，图像、预期输出和诸如平均执行时间和吞吐量时间的其他验证准则被存储，用于与硬件组件的目标集一起使用，例如，如上文讨论的部署在主车辆的第一计算机可读存储介质86和第二计算机可读存储介质88中。
如可以看出，本公开提供了一种用于测试机动车辆中硬件的系统和方法，包括对于已知诊断方法不适合的大规模并行处理器。
虽然以上描述了示例性实施例，但是这些实施例并不旨在描述权利要求所涵括的所有可能的形式。说明书中使用的词语是描述的词语而不是限制的词语，并且应当理解的是，在不脱离本公开的精神和范围的情况下可以进行各种改变。如先前所述，可组合各种实施例的特征以形成本公开的可能未明确地描述或示出的其它示例性方面。虽然关于一个或多个期望的特性，已将各种实施例描述为提供优点或优于其它实施例或现有技术实施方案，但是本领域的普通技术人员认识到，一个或多个特征或特性可能会被折中以实现期望的整体系统属性，这取决于特定的应用和实施方式。这些属性可以包括但不限于成本、强度、耐用性、生命周期成本、市场性、外观、包装、尺寸、适用性、重量、可制造性、组装容易性等。因此，相对于一个或多个特征而言，被描述为比其他实施例或现有技术实现方式更不是期望的实施例并不在本公开的范围之外，并且对于特殊的应用而言可能是期望的。