摘要：为了解决目前车载图像处理计算平台对外依赖严重、环境适应能力差以及国产化率低的问题，在本文中采用华为Atlas200AI 加速板卡作为主要硬件设备进行智能车载图像处理计算平台的设计与研究。通过搭建全自主国产化硬件结构，研发出高精度的边缘图像处理算法，完成对车辆上摄像头所获取视频信息的实时采集、分析和综合，符合车规级以及军工级别的使用要求。本论文介绍了该平台硬件选择方案、体系框架设计思路、相关软件编程等内容并进行了相应的实验测试工作来证明此系统是切实可行并且具有很强优势的。实验结果表明：该系统可以在-40℃低温条件下稳定运行，可实现最大 20 米距离的视频拍摄效果，国产化比例达到 100% ，可以明显增强无人驾驶汽车判断决策鲁棒性，在军队、矿井下、工厂内部等多种特殊环境下无人车的应用有着重要的意义，具备较高的技术水平和实用价值。

关键词：Atlas200 ；车载图像处理；计算平台；国产化；边缘算法

引言：

伴随着汽车智能化、网联化的发展，无人车在各种领域中的应用越来越普遍，在特种行业以及一般工业领域中都有涉及。车载图像处理计算平台是无人车的重要感知部件之一，直接影响着无人车对于周围环境的认知能力和决策的安全性。目前我国大部分车载图像处理平台使用的是来自英伟达、英特尔等国外公司的 AI 芯片，存在着核心技术受制于人、对环境适应能力较差、不能胜任特殊工况等问题。而国际形势的变化也促使国产替代成为一种必然趋势。华为Atlas200AI 加速卡具有高效能、低功耗、微型化的优点，为车载图像处理平台的国产化进程提供强有力的保障。因此本文的研究对象就是基于Atlas200 的智能车载图像处理计算平台的设计与实现，克服了硬件国产化、环境适应性和图像处理算法等一系列难题，研制出适用于多种场合下的高效率计算平台来缓解目前行业的困境并促进特种无人车辆的技术进步和发展。

一、平台研究基础与核心需求

（一）研究背景与行业痛点

目前无人驾驶技术分为结构化道路及非结构化道路两种应用场景，而非结构化道路场景例如矿山、化工园区、军事领域等对于无人车需求更加迫切，但是工作条件恶劣、工况复杂，对车载图像处理平台要求也更高。现有车载图像处理平台有三大痛点问题：第一是核心芯片依赖进口，国产替代率低，存在供应链安全隐患；第二是对环境适应能力弱，在低温、强电磁干扰等恶劣条件下无法正常运行；第三是图像处理能力弱，不能满足远距离成像以及复杂的环境下进行图像优化、合成的需求[1]。

根据行业调研数据显示，目前我国特种无人车上使用的车载图像处理平台中，进口芯片占80% 以上，国产化平台只有约 15% ，而且大部分达不到车规级及军用标准；另外现有的平台工作温度一般都在 -20℃到 60℃之间，在矿山、戈壁等严寒环境下就不起作用了，严重阻碍无人车在特种领域的普及应用 [2]。

（二）核心需求分析

结合军事、 ①² 山、化工等行业应用场景的实际需要，基于Atlas200 的智能车载图像处理计算平台应具备以下四个方面的特点：第一是国产化程度高，主要部件以及外围电路全部使用国产器件，国产化率 100% ，摆脱对外购芯片的依赖；第二是环境适应能力强，在-40℃到85℃之间可以稳定运行并且储存，有较强的抗电磁干扰能力，符合车规级及军用标准；第三是图像处理迅速，可连接车载以太网摄像机，具有去雾、低照度增强、高清编解码等功能，能进行 20 米远距离成像；第四是集成度高，结构紧凑小巧，安装便捷方便后期维护检修，能够适用于各种类型特种无人车[3]。

二、平台总体设计与实现

（一）硬件架构设计

该平台基于华为 Atlas200AI 加速板卡进行运算决策，充分考虑车辆应用场景的特点以及特种行业的高标准严要求，打造国产化、高可靠性、低功耗硬件结构，整体分为计算模块、采集模块、接口模块、防护模块四个部分，各部分之间采用标准总线相互连接配合工作，在图像获取、即时分析及传输方面形成一个完整闭环系统，保证每一个环节都符合车规级和军用级别的稳定性和及时性需求，为无人车环境感知提供强有力的硬件保障[4]。

计算模块是整个系统的主控运算单元，采用华为 Atlas200AI 加速卡，该卡搭载了华为自研昇腾 310AI 芯片组，使用 7nm 工艺制造而成，在硬件层面上集成了高性能 CPU 运算引擎、AI推理引擎以及图像处理引擎，可以实现对图像信息进行并行运算、特征提取及感知融合运算等功能，其算力为 8TOPS，功耗只有 15W，体积小巧紧凑，非常适合应用于车内有限的空间当中，而且低能耗的设计还可以减少整车供电的压力，提高整车续航里程。采集模块主要是为了满足特殊场合下的图像采集需求，采用了国产高可靠性车载以太网摄像机，这款摄像机采取的是工业级封装方式，具有良好的抗震性和抗冲击性，支持 1080P 高清视频实时采集，帧率为 30fps 左右，经过镜头优化设计以及图像传感器调试之后可以在 20 米以外的距离上清晰地看到物体的轮廓，可以清楚地观察到矿山、军用等场景下远距离障碍物或者目标的具体情况，符合大吨位特种车辆对于远视距探测的要求。

接口模块使用国产高性能接口控制器，兼容多种车型常用的通信协议类型，包括以太网、CAN 总线、RS485 等，其中以太网接口最高传输速率达千兆级别，能够完成图像数据的快速传递，CAN 总线接口符合车规级标准要求，可以与无人驾驶汽车的整体控制机构、转向系统和制动系统相互联通，保证图像处理的结果及时返回给车辆的决策中枢。防护模块主要用来应对特殊场合中的复杂条件，选用国产优质电磁屏蔽材料，在线路布设方面进行了改进并且增加了屏蔽层的设计方案来增强平台的电磁防护水平，屏蔽效果大于等于40dB，可抵抗住工厂内电磁辐射、车内电子产品产生的电磁干扰等多种类型的电磁信号；同时还经过高低温环境试验以及结构改造使电路板以及元器件具备耐寒能力，在-40℃到 +85℃之间能正常运行，从根本上解决了目前市面上的产品在低温或者是强磁场环境中容易出现故障的现象[5]。

为保证平台国产化率 100% ，摆脱对外购元器件依赖，保证供应链安全，平台所有硬件元器件全部采用国产优质产品，在核心计算模块、采集设备、接口芯片、防护材料等方面均进行严格筛选，详细选型清单、供应商名称以及主要技术指标如下表所示，所有选型都经过了严格的性能测试及兼容性测试，能够充分满足车用环境下的可靠性与稳定性需求。

平台硬件元器件全部采用国产器件，其选用情况如下表所示：

表1 平台硬件元器件选型表

（二）软件算法开发

软件算法是平台实现图像处理功能的基础，在车载图像快速处理以及多种传感器信息融合这两方面进行了重点研究，充分利用了 Atlas200AI 加速板卡的强大计算能力，专门针对汽车环境设计出适用于该场景的高精度边缘端图像处理算法，从图像采集、预处理、特征提取到融合输出等全过程进行优化改进，主要解决特殊环境下图像质量不高、处理时延大、识别准确率低等问题，大大提高了图像处理的速度及精确度，为无人车做出正确的判断提供了有力保障。在算法的设计上也充分考虑到了Atlas200 硬件结构的特点，对算法进行了精简压缩使其可以更有效地利用硬件上的计算资源并做到合理地调度使用避免造成不必要的损耗。

图像预处理算法是提高图像质量的重要一环，主要包含去雾以及低照度增强两个方面内容，专门用于解决特殊场合下出现的雾天、夜晚或者阴天等恶劣条件下造成的成像模糊及细节丢失等问题。对于雾天情况下的图像进行去雾操作使用改进暗通道先验方法来进行，相比于传统的暗通道先验方式增加了自适应阈值调节策略并对雾浓度估计函数进行了优化使得可以准确地区分出雾天图像中的雾区和物体区域从而有效地消除雾天图像上的朦胧感和模糊效果并且不会造成过度假设而产生图像畸变现象，在保证了图像清晰程度的同时也提高了对比度水平；针对夜间、隧道等低照度环境下的图像进行低照度增强处理的方法采用了多尺度Retinex算法来实现，将图像分为光强部分与反射率部分分别对其进行调整与加强从而改善夜间拍摄所得图像缺乏层次感的问题并补偿由于光线不足所引起的采集模糊以及噪音过大问题，使图像中目标物轮廓及纹理信息更为明显易见，便于之后的目标检测环节获取优质的数据源。为了减少视频传输带宽消耗以及降低存储空间需求，高清视频编码解码过程选用国产 H.265 编解码器替代传统 H.264 标准，该技术可以在保持原有画质的基础上把压缩率提升至原来的两倍左右，大大降低了网络传输时占用的宽带资源同时也减少了对硬盘等介质的需求量，进一步增强了系统实时响应速度以确保视频流能及时送达控制端。

多传感器融合算法是提高平台感知可靠性的重要环节，使用加权融合的方式，充分利用车载以太网摄像头及激光雷达、毫米波雷达等其它传感器的数据特性建立多源信息融合模型。该方法先对接收到的不同类型的传感器的数据进行预处理，比如数据校正、滤除噪声以及时间同步等步骤来消除不同传感器间的系统误差和时序差异；再利用特征匹配的方法将不同传感器发现的目标准确对应起来，并根据不同传感器的探测精度以及适用环境等情况给各个传感器赋予相应的权重，在光线较好的情况下增加摄像机所占的比例，在恶劣天气条件下增加激光雷达所占比重；最后经过综合计算得到一个统一精确的结果从而弥补单一传感器探测不足的问题。经过不断调试改进优化融合算法使得融合过程延时小于 50 毫秒保证了感知信息可以及时传递到无人车控制器当中并且目标识别率大于等于 95% ，大大提高了无人车控制系统的健壮性和稳定性防止由于单个传感器出现故障而造成错误决策问题的发生保障特种无人驾驶汽车能够在各种环境下稳定行驶。

三、平台性能测试与验证

（一）测试方案设计

为了检验平台的各项性能指标，在实际应用的情况下制定了多种测试方法，主要是对平台国产化程度、环境适应性和图像处理能力和稳定性进行检测，测试条件分为实验室测试以及外场环境测试两种情况，使用的仪器有高低温试验箱、电磁干扰测试仪、图像质量分析仪等。

测试指标严格遵循车规级及军用标准设计，涉及国产化率、工作温度范围、电磁屏蔽效果、图像采集距离、图像处理时延、目标识别准确率等内容，保证平台适用于特种行业的使用场景。

（二）测试结果与分析

经过多次试验，系统各项功能指标均符合设计标准，在此给出测试结果如下表所示：

表2 平台性能测试结果表

试验结果表明，本项目所开发的系统完全符合设计需求，国产化率 100% ，解决了“卡脖子”技术难题，在极寒条件下能正常运行，电磁屏蔽效果良好，适用于特殊场合恶劣条件；图像处理时延小、识别精度高，可进行远距离视频拍摄以及快速解析，可以给无人驾驶汽车带来良好的感知保障。

四、结论与展望

（一）研究结论

本文依托华为 Atlas200AI 加速模块，研制出一种全自主国产化智能汽车视觉计算平台，在硬件结构设计以及软件算法开发方面攻克了现有汽车视觉计算平台国产化程度低、环境适应性差、图像处理能力弱等行业难题。得到如下结论：以Atlas200 为核心的硬件框架可以做到 100% 国产化，符合车规级及军用标准，不再需要进口芯片；改进后的图像预处理和多传感器融合算法提高了该平台的图像处理能力和响应速度，可以在恶劣条件下工作；该平台的各项性能指标均达到要求，适用于军队、矿山、化工等多个行业的特种无人车辆，有很好的应用前景和推广意义。

（二）未来展望

未来将对平台的功能改进以及应用扩展进行深入的研究：一方面是对图像处理算法的改进，在复杂环境下提高目标检测准确率及响应速度，满足更多恶劣环境的需求；另一方面是扩大平台的应用范围，通过 5G 技术实现多个平台之间的联动配合，增强无人车集群化作战的能力；最后就是促进平台产业化落地，加强与上下游企业的合作，形成完整的产业链条，为中国特种无人驾驶汽车的技术自主可控、高质量发展做出贡献。

参考文献

[1] 庄小亚. 基于车载高分辨率图像与改进U-Net 的路面裂缝智能检测算法研究[J]. 实验室检测 ，2025，3（23）：19-21.

[2] 冀风州. 智能车载全景系统的图像快速拼接算法[D]. 南京林业大学，2025.

[3] 张在岩. 基于车载CCD 图像的路面病害智能检测与评价方法研究[D]. 辽宁工程技术大学 ，2024.

[4] 叶东东. 异构数据驱动下车联网边缘智能的联合资源优化[D]. 广东工业大学，2021.

[5] 曹芷晗. 基于边缘智能的车联网自适应数据处理方法研究[D]. 华侨大学，2021.

作者简介：李航平，男，汉族，陕西周至人，中共党员，毕业于陕西省航空职业技术学院，大学，计算机与信息管理专业；总经理，宝鸡高创新材料生产力促进中心有限公司总经理，陕西宇微同芯科技有限公司总经理，陕西省优秀技术经理人。主要科研亮点：（1）参与发明专利 2 项（均已授权，ZL201510460936.7 ；ZL201510459504.4）；（2）参与实 用 新 型 专 利 4 项（ 均 已 授 权，ZL201520227182.6 ；ZL201520230303.2 ；ZL201520227181.1 ；ZL201520230302.8）；（3）承担课题：a）《宝鸡新材料产业信息共享公共服务平台》，国家火炬计划项目，项目编号：2015GH601590 ；b）《大数据环境下宝鸡新材料产业服务平台研发建设》，陕西省攻关项目，项目编号：2016GY-252 ；c）《宝鸡市小微企业创业创新基地运营模式研究》，宝鸡市软科学项目：16RKX2-4。d）《基于区域块链的技术成果交易平台》，陕西省重点研发计划工业领域一般项目，项目编号：2019GY-213。王圆，女，毕业于西北大学工商管理；总经理兼宝鸡高创新材料生产力促进中心有限公司经理，陕西省中级技术经理人。主要负责公司科技项目的组织、立项、检查、科技项目申报、项目经费审查等工作。主经业绩：参与建立“大数据环境的新材料产业创新服务平台”，平台主要从管理咨询、成果转让服务、技术服务、信息服务、平台服务等运营和经营中获取收益，此平台的建设，为公司的发展提供了创新动力，满足用户个性化的自动性服务要求。