1. 课程导入与平台全景

在智能驾驶与高级辅助驾驶（ADAS）系统中，车载视觉感知是安全决策的第一道防线。摄像头采集的原始图像必须在极短时间内完成去噪、畸变校正、特征提取、目标检测与跟踪，最终输出可供规划控制使用的结构化信息。这一过程对算力、实时性和功能安全提出了严苛要求。TI Jacinto 系列正是面向此类场景打造的车规级异构计算平台，而 TDA4VM 与 TDA4VH 则是其中最具代表性的两代产品。

Jacinto 平台的定位可以概括为：以异构计算为核心，将通用计算、实时控制、数字信号处理与深度学习加速集成于单一 SoC，在满足 ASIL-D 功能安全等级的前提下，支撑多路摄像头输入的前视、环视、侧视感知任务。它并非单纯的 AI 加速芯片，而是一个完整的视觉感知与域控制计算底座。

芯片家族与异构计算架构

TDA4VM 与 TDA4VH 同属 Jacinto 7 家族，前者面向主流 ADAS 应用，后者在算力与接口带宽上进一步增强，适用于更高阶的自动驾驶域控制器。两者共享相似的异构架构，主要计算单元包括：

• Arm Cortex-A72：应用处理器集群，运行 Linux 或 QNX，负责系统调度、感知后处理、网络通信与上层应用逻辑。
• Arm Cortex-R5F：实时处理单元，运行 AUTOSAR 或 RTOS，承担传感器采集控制、安全监控与低延迟任务，是功能安全的关键执行者。
• C7x DSP：TI 自研的数字信号处理器，擅长向量运算与图像预处理，如畸变校正、色彩空间转换、光流计算等。
• MMA 深度学习加速器：矩阵乘法加速单元，专为卷积神经网络推理设计，支撑目标检测、语义分割等模型的高效运行。

这些单元通过片上高速互连与共享内存协同工作，形成“采集—预处理—推理—后处理—输出”的流水线。理解各单元的分工与数据流向，是后续开发与部署的基础。

车载部署全流程概览

从拿到一块 TDA4VM 开发板到最终在车辆上稳定运行，整个部署流程可以划分为五个阶段，每个阶段都有明确的输入、操作与验收标准。

第一阶段：环境搭建与 SDK 获取。TI 提供 Processor SDK RTOS 与 Linux SDK，包含引导加载、驱动、固件与示例工程。开发者需要在 Ubuntu 主机上安装交叉编译工具链，通过 UART 与以太网连接开发板，完成 U-Boot 与内核的烧录。验收标准是串口能进入 Linux 控制台，且网络可通。

第二阶段：模型训练与转换。感知模型通常在 PyTorch 或 TensorFlow 中训练，随后通过 TI 的 Edge AI 工具链进行量化与编译。量化将 FP32 权重转为 INT8，以适配 MMA 加速器。此阶段的关键是校准集的选择——需覆盖白天、夜间、雨天等场景，否则量化误差会导致漏检。验收标准是模型在目标数据集上的 mAP 下降不超过 2%。

第三阶段：异构任务划分与集成。将预处理放在 C7x DSP，推理放在 MMA，后处理放在 A72，采集控制放在 R5F。各核之间通过共享内存与 IPC 通信。此阶段需要关注数据搬运开销，尽量使用零拷贝与 DMA。验收标准是单帧端到端延迟满足系统要求，例如 30fps 下不超过 33ms。

第四阶段：功能安全与实时性验证。R5F 需配置为锁步模式，关键监控任务周期执行。使用 TI 的 Safety Diagnostic Library 进行自检。验收标准是通过故障注入测试，确认系统能在规定时间内进入安全状态。

第五阶段：实车标定与路测。将开发板接入车辆电源与摄像头，进行外参标定与在线调优。记录典型场景下的检测结果，分析误检与漏检原因，迭代模型与参数。验收标准是在目标场景下满足功能定义中的性能指标。