ADAS視覺(jué)方案及11家創(chuàng)業(yè)公司完全盤(pán)點(diǎn)

　　攝像頭是ADAS核心傳感器，相比毫米波雷達(dá)和激光雷達(dá)，最大優(yōu)勢(shì)在于識(shí)別（物體是車(chē)還是人、標(biāo)志牌是什么顏色）。汽車(chē)行業(yè)價(jià)格敏感，攝像頭硬件成本相對(duì)低廉，因?yàn)榻鼛啄暧?jì)算機(jī)視覺(jué)發(fā)展迅速，從攝像頭角度切入ADAS感知的創(chuàng)業(yè)公司數(shù)量也非?？捎^。

　　這些創(chuàng)業(yè)公司可以統(tǒng)稱(chēng)為視覺(jué)方案提供商。他們掌握核心的視覺(jué)傳感器算法，向下游客戶(hù)提供車(chē)載攝像頭模組，芯片以及軟件算法在內(nèi)的整套方案。前裝模式下，視覺(jué)方案提供商扮演二級(jí)供應(yīng)商的角色，與TIer1配合為OEM定義產(chǎn)品。后裝模式里，除了提供整套設(shè)備，也存在售賣(mài)算法的模式。本文中將對(duì)視覺(jué)ADAS功能、硬件需求、評(píng)價(jià)標(biāo)準(zhǔn)等進(jìn)行解析，并將參考Mobileye對(duì)國(guó)內(nèi)11家供應(yīng)商的產(chǎn)品進(jìn)行詳細(xì)解讀。

　　一、視覺(jué)ADAS可實(shí)現(xiàn)功能

　　因?yàn)榘踩涗?、停?chē)等需要，攝像頭在車(chē)上的大量應(yīng)用是行車(chē)記錄儀、倒車(chē)影像等輔助功能。一般通過(guò)安裝在車(chē)身各個(gè)位置的廣角攝像頭采集影像，經(jīng)過(guò)標(biāo)定和算法處理，生成影像或拼接形成視圖補(bǔ)充駕駛員視覺(jué)盲區(qū)，不用涉及整車(chē)控制，因此更加注重視頻處理，技術(shù)已經(jīng)成熟并逐漸普及。

　　目前在行車(chē)輔助功能中，攝像頭可用來(lái)單獨(dú)實(shí)現(xiàn)很多功能，并且按照自動(dòng)駕駛發(fā)展規(guī)律逐漸演進(jìn)。

　　這些功能更加強(qiáng)調(diào)對(duì)輸入圖像的處理，從拍攝的視頻流中提取有效目標(biāo)運(yùn)動(dòng)信息做進(jìn)一步分析，給出預(yù)警信息或直接調(diào)動(dòng)控制機(jī)構(gòu)。相比視頻輸出類(lèi)功能，強(qiáng)調(diào)高速下的實(shí)時(shí)性，這部分技術(shù)正處在發(fā)展上升期。

　　二、視覺(jué)ADAS軟硬需求

　　視覺(jué)系A(chǔ)DAS產(chǎn)品由軟硬件組成，主要包括攝像頭模組、核心算法芯片以及軟件算法。硬件方面考慮行車(chē)環(huán)境（震動(dòng)、高低溫等），大前提是要符合車(chē)規(guī)級(jí)要求。

　　（一）車(chē)載ADAS攝像頭模組

　　車(chē)載ADAS攝像頭模組需要定制化開(kāi)發(fā)。為了適應(yīng)車(chē)輛全天候全天時(shí)的需要，一般要滿(mǎn)足在明暗反差過(guò)大的場(chǎng)合（進(jìn)出隧道），很好平衡圖像中過(guò)亮或太暗部分（寬動(dòng)態(tài)）；對(duì)光線(xiàn)比較靈敏（高感光），避免給芯片帶來(lái)太大壓力（并不是一昧追逐高像素）。

　　攝像頭模組是基礎(chǔ)。好比一張底子不錯(cuò)的照片才有修飾美化的余地，保證拍攝圖像夠用的基礎(chǔ)上，算法才能更好地發(fā)揮效力。

　　另外在參數(shù)上，ADAS與行車(chē)記錄儀對(duì)攝像頭的需求不同。用于行車(chē)記錄儀的攝像頭需要看清車(chē)頭周?chē)M可能多的環(huán)境信息（后視鏡位置看向兩個(gè)前輪，水平視角約要110度）。ADAS的攝像頭更講究為行車(chē)時(shí)預(yù)留更多判斷時(shí)間，需要看得更遠(yuǎn)。類(lèi)似相機(jī)鏡頭廣角和長(zhǎng)焦，兩項(xiàng)參數(shù)不能兼得，ADAS在硬件選取時(shí)只能取其平衡。

　?。ǘ┖诵乃惴ㄐ酒?/p>

　　圖像相關(guān)算法對(duì)計(jì)算資源有很高的要求，因此芯片性能講究。如果在算法上疊加深度學(xué)習(xí)來(lái)幫助識(shí)別率提升，對(duì)硬件性能的要求只增不減，主要考慮的性能指標(biāo)是運(yùn)算速度、功耗、以及成本。

　　目前用于ADAS攝像頭的芯片多數(shù)被國(guó)外壟斷，主要供應(yīng)商有瑞薩電子（Renesas Electronics）、意法半導(dǎo)體（ST）、飛思卡爾（Free scale）、亞德諾（ADI）、德州儀器（TI）、恩智浦（NXP）、富士通（Fujitsu）、賽靈思（Xilinx）、英偉達(dá)（NVIDIA）等，提供包括ARM、DSP、ASIC、MCU、SOC、FPGA、GPU等芯片方案 。

　　ARM、DSP、ASIC、MCU、SOC是軟件編程的嵌入式方案，F(xiàn)PGA因?yàn)閷?duì)硬件直接編程，和嵌入式相比處理速度更快。

　　GPU和FPGA并行處理能力強(qiáng)。圖片這樣的文本，尤其在使用深度學(xué)習(xí)算法需要多個(gè)像素點(diǎn)同時(shí)計(jì)算，F(xiàn)PGA和GPU會(huì)更有優(yōu)勢(shì)。兩類(lèi)芯片的設(shè)計(jì)思路類(lèi)似，都是為了處理大量簡(jiǎn)單重復(fù)的運(yùn)算。GPU的性能更強(qiáng)但耗能也更高，F(xiàn)PGA因?yàn)榫幊毯蛢?yōu)化都是直接在硬件層面進(jìn)行的，能耗會(huì)低很多。

　　因此在平衡算法和處理速度，尤其是用于前裝并且算法穩(wěn)定時(shí)，F(xiàn)PGA被視為一個(gè)熱門(mén)方案。FPGA是個(gè)好選擇。但同時(shí)，F(xiàn)PGA對(duì)技術(shù)要求也很高。原因在于計(jì)算機(jī)視覺(jué)算法是C語(yǔ)言，F(xiàn)PGA硬件語(yǔ)言是verilog，兩種語(yǔ)言不同，將算法移植到FPGA的人既要有軟件背景，又要有硬件背景。在人才最貴的今天，是筆不小的成本。

　　現(xiàn)階段可用于傳統(tǒng)計(jì)算機(jī)視覺(jué)算法的車(chē)規(guī)級(jí)芯片有多種選擇，但是適用于傳統(tǒng)算法疊加深度學(xué)習(xí)算法的低功耗高性能芯片，還沒(méi)有真正出現(xiàn)。

　?。ㄈ┧惴?/p>

　　ADAS視覺(jué)算法的源頭是計(jì)算機(jī)視覺(jué)。

　　傳統(tǒng)的計(jì)算機(jī)視覺(jué)識(shí)別物體大致可以分為圖像輸入、預(yù)處理、特征提取、特征分類(lèi)、匹配、完成識(shí)別幾個(gè)步驟。

　　有兩處尤其依賴(lài)專(zhuān)業(yè)經(jīng)驗(yàn)：第一是特征提取。在識(shí)別障礙時(shí)可用特征很多，特征設(shè)計(jì)尤其關(guān)鍵。判斷前方障礙物是不是車(chē)，參考特征可能是車(chē)尾燈，也可能車(chē)輛底盤(pán)投在地面的陰影等。第二是預(yù)處理和后處理，預(yù)處理包括對(duì)輸入圖像噪聲的平滑、對(duì)比度的增強(qiáng)和邊緣檢測(cè)等。后處理是指對(duì)分類(lèi)識(shí)別結(jié)果候選進(jìn)行再處理。

　　科研中的計(jì)算機(jī)視覺(jué)算法模型運(yùn)用到實(shí)際環(huán)境中，不一定就能表現(xiàn)得很好。因?yàn)榭蒲械贸龅乃惴〞?huì)增加諸如天氣、道路復(fù)雜情況在內(nèi)的條件限制，現(xiàn)實(shí)世界里除了關(guān)注復(fù)雜環(huán)境的算法表現(xiàn)，還要考慮各種環(huán)境下算法的魯棒性（是否穩(wěn)定）。

　　算法上比較重要的一個(gè)變化是深度學(xué)習(xí)的滲透。

　　深度學(xué)習(xí)讓計(jì)算機(jī)模擬人類(lèi)思考的神經(jīng)網(wǎng)絡(luò)，可以自己學(xué)習(xí)判斷。通過(guò)直接向計(jì)算機(jī)輸入標(biāo)定后的原始數(shù)據(jù)，比如挑選一堆異形車(chē)圖片，然后丟給計(jì)算機(jī)讓它自己學(xué)習(xí)什么是一輛車(chē)。這樣就可以免去計(jì)算視覺(jué)特征提取、預(yù)處理等步驟，感知過(guò)程可以簡(jiǎn)化為輸入圖片-輸出結(jié)果兩步。

　　業(yè)內(nèi)比較一致的觀點(diǎn)認(rèn)為，在感知方面，深度學(xué)習(xí)將會(huì)彎道超車(chē)傳統(tǒng)視覺(jué)算法。目前深度學(xué)習(xí)的算法模型已經(jīng)開(kāi)源，而且算法種類(lèi)不多，因此有降低門(mén)檻大量?jī)?yōu)秀結(jié)果涌現(xiàn)的可能。但是受限于沒(méi)有合適的車(chē)端平臺(tái)，離產(chǎn)品化還有一段距離。

　　業(yè)內(nèi)對(duì)深度學(xué)習(xí)在ADAS應(yīng)用的看法都比較客觀冷靜。不少觀點(diǎn)認(rèn)為深度學(xué)習(xí)算法是一個(gè)黑箱（Blackbox）算法，類(lèi)似人感性決策的過(guò)程，可以很快輸出一個(gè)結(jié)果，很難在發(fā)生事故后反查原因，因此在使用深度學(xué)習(xí)時(shí)要加入理性決策部分，并且分區(qū)塊設(shè)計(jì)。

　　也有觀點(diǎn)認(rèn)為傳統(tǒng)計(jì)算機(jī)視覺(jué)算法比我們想象的“智能”，在不斷尋找車(chē)輛圖片共性和差異的過(guò)程中，也能檢測(cè)出一些異形車(chē)輛。并且在疊加深度學(xué)習(xí)算法后，傳統(tǒng)計(jì)算機(jī)視覺(jué)算法也可以幫助減少深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的層數(shù)，簡(jiǎn)化算法。

　　可以肯定的是，無(wú)論哪種算法，數(shù)據(jù)都是用來(lái)訓(xùn)練測(cè)試的寶貴資源，而且不是單純的越多越好，而是越有效越好（符合實(shí)際用車(chē)環(huán)境并保證多樣化）。