視覺是人類觀察世界、認識世界的重要功能手段，人類從外界獲得的信息約75%來自視覺系統，特別是駕駛員駕駛需要的信息90%來自視覺。在目前汽車輔助駕駛所採用的環境感知手段中，視覺傳感器比超聲、激光雷達等可獲得更高、更精確、更豐富的道路結構環境信息。在自動駕駛領域，一個前提性的問題就是路況識別和車輛、障礙物的距離、速度檢測，解決了這個問題才可能去控制汽車駕駛。
在第四屆“芯動北京”中關村IC產業論壇上，北京核芯達科技有限公司CEO李慎威介紹了該公司的技術方向。核芯達由半導體產業資深老兵李慎威與北汽產投、Imagination、翠微股份聯合發起。作為第一家由中國國有整車企業與國際芯片巨頭合資成立的汽車芯片設計公司，核芯達將專注於面向自動駕駛的應用處理器和麪向智能駕艙的芯片研發，為以北汽集團為代表的國內車企在汽車芯片領域提供先進解決方案。特別是在定位技術上，核芯達偏愛SLAM技術。
SLAM——自動駕駛導航裏的熱門技術
李慎威講到，在自動駕駛中，3D定位技術是至關重要的，試想下，如果沒了GPS，汽車該靠什麼定位？SLAM的核心技術就是讓你一邊開車的同時進行3D建模，從而判斷物體，這是核芯達未來要投資的重點。
SLAM 是同步定位與地圖構建 (Simultaneous Localization And Mapping) 的縮寫，最早是由 Hugh Durrant-Whyte 和 John J.Leonard 在1988年提出的。SLAM與其説是一個算法不如説它是一個概念更為貼切，它被定義為解決“機器人從未知環境的未知地點出發，在運動過程中通過重複觀測到的地圖特徵（比如，牆角，柱子等）定位自身位置和姿態，再根據自身位置增量式的構建地圖，從而達到同時定位和地圖構建的目”的問題方法的統稱。
SLAM技術的核心步驟，大體上而言，SLAM包含了：感知、定位、建圖這三個過程。
感知——機器人能夠通過傳感器獲取周圍的環境信息。
定位——通過傳感器獲取的當前和歷史信息，推測出自身的位置和姿態。
建圖——根據自身的位姿以及傳感器獲取的信息，描繪出自身所處環境的樣貌。
雙目立體視覺，強光下變現更優異
除此之外，在現在的機器視覺方面，結構光、TOF、雙目立體視覺三大主流技術：
TOF：簡單來講，通過光的飛行時間來計算距離。
結構光：通過紅外激光器，將具有一定結構特徵的光線投射到被拍攝物體上，再由專門的紅外攝像頭進行採集反射的結構光圖案，根據三角測量原理進行深度信息的計算。
雙目立體視覺：原理類似於萊卡相機，對近距離和遠距離有一些視差的補償。核芯達對這個技術很是看好，原因就在於不容易受到強光干擾，成本較低也沒有什麼專利困擾。李慎威解釋，人對亮到全黑環境會有一個適應過程，人在這方面的過程非常慢，如果從暗到亮，這個適應是比較快的。對於TOF和結構光則會有一些短板，近期特斯拉與一輛側躺的白色卡車相撞事件就是一個很好的例子。機器視覺並沒有計算出來前方有物體存在。
在研發芯片過程中，核芯達計劃利用雙目立體視覺的優勢進行設計，再搭配最新的GPU，以及人工智能加速器，持續推進ADAS及智能駕駛感知芯片的開發。
據悉，核芯達開發的基於智能駕艙和麪向L2-L4多級別環境感知方案，預計將分別於2021和2022年實現成功流片、量產。目前，擁有獨立IP的自主智能駕駛及智能駕艙芯片仍然稀缺，相關領域的突破對於國內智能汽車產業發展意義重大，市場空間廣闊。
【來源：電子工程世界】
聲明：轉載此文是出於傳遞更多信息之目的。若有來源標註錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯繫，我們將及時更正、刪除，謝謝。 郵箱地址：[email protected]