智能輔助駕駛系統在車聯網中的應用

□ 文/徐飆

智能輔助駕駛系統在車聯網中的應用

□ 文/徐飆

在汽車產業升級三大端口：無人駕駛、新能源、車載網絡中，無人駕駛和新能源針對的都是汽車最基本的需求，駕駛和能耗。無人駕駛當然會徹底改變開車習慣，從而在根本上改變用戶需求，最終促成車聯網的形成。

從技術發展來看，無人駕駛還有很遠的距離，必須從智能輔助駕駛，一步步接近無人駕駛。智能輔助駕駛系統目前已經在寶馬、沃爾沃等高端車型；在國內，智能輔助駕駛系統也將逐步實現廣泛商用。

基于深度學習的智能輔駕系統

上海趨視信息科技有限公司在美國成立的人工智能算法研究中心，于2016年推出了第一個ADAS輔助駕駛系統算法版本，內置了趨視科技自動3D場景建模和深度學習算法模塊，在行業內的評測中獲得了專家的好評。

趨視智能輔助駕駛系統的算法技術主要圍繞一個核心目的：讓普通民眾也能享受智能視頻分析技術發展的成果?，F有的相關產品主要存在兩個問題：成本高昂或性能遠遠不足。國外的龍頭企業Mobileye目前占有了大部分市場份額，但使用他們技術的前裝系統價格很高，比如Tesla的輔助駕駛系統4000美元起價，后裝系統包括安裝費用也需要1500美元左右。即使在這樣高昂的價格下，性能也不是完全可靠。國內許多廠商也推出了不同的智能駕駛輔助系統，雖然價格相比低很多，但性能基本達不到實用程度。趨視的目標是打造一個所有擁車人士都可承受的實用產品。這種可承受性不是通過降低性能來達到，也是通過技術創新來實現。

首先，趨視的智能輔助駕駛系統是一個完全基于單個光學相機的智能系統， 因此系統不存在多傳感器數據融合問題，在硬件成本及系統集成可靠性上有先天優勢。

第二，趨視開發出國際領先的基于移動平臺的相機自動標定技術。不但避免了專業人員安裝和調試的要求，節省了相關的成本，還能自動檢測相機的意外移動，并做出實時系統調整。在基于光學相機的智能輔助駕駛系統中，有關車輛行駛狀態的物理數據，比如車速，車輛本身相對車道線的位置，和周圍車輛的距離等，都是根據圖像中的目標檢測結果， 參照相機的內，外定標參數計算出來的。因此相機定標參數的準確性非常重要?，F有智能輔助駕駛系統一般使用特定相機，因此默認已知相機焦距等內部參數，另外還要通過專業人員通過專門的流程來測量相機的諸如高度，仰角等外部定標參數，并確保相機在使用中位置角度不會變化。這些高標準的安裝要求不可避免地會大大增加使用成本。趨視的全自動定標技術通過不間斷的實時比對圖像中檢測到的目標和他們的實際物理尺寸來反推相機的內、外參數，不但不需要使用特定相機，還能對使用中相機的位置和角度的意外變動進行自動檢測，并在系統內部進行算法的自動調整。這項技術使得智能輔助駕駛系統可以作為智能手機的一個移動應用，從而得到大大推廣。

第三，基于視頻的智能輔助駕駛系統運算量往往相當巨大，現在國際主流廠商都需要采用專用芯片進行相關數據處理。趨視科技致力于開發高效算法來解決問題，而不是依賴于硬件性能的提高。從這點出發，趨視在智能分析模塊中大量使用樹結構專家系統和深度學習相結合，利用專家系統來增加深度學習的針對性，利用圖像特征來降低深度學習的維數，從而在得到深度學習的統計魯棒性同時保持系統的邏輯性和高效性。趨視已在通用X86芯片平臺上實現了基于1080P視頻的實時智能輔助駕駛系統，現在正在進一步移植到通用Android和IOS移動平臺上。

最后，智能輔助駕駛系統最根本的一點還是系統可靠性。這也是趨視科技在研發中最關注的一點。我們本著寧缺勿爛的原則，在智能輔助駕駛重現階段主要專注于防疲勞駕駛，以保護駕駛員和乘客。我們的目地就是提供一個可靠的防疲勞智能輔助駕駛系統。為保證可靠性，我們在技術上有以下特點：

不僅準確測量車輛偏移及與周圍車輛車距，還實時監控與路邊的距離；

支持前后雙相機，不僅監視路況，也同時監視駕駛員的關注度；

不僅支持白天等光照良好時的情況，更注重夜間及天氣狀況不佳時的情景。

智能輔駕系統將逐漸進入商用

目前ADAS輔助駕駛系統在國際上已經應用在寶馬，沃爾沃等高端車型中，國內汽車行業還沒有廣泛應用輔助駕駛系統。汽車行業是一個長周期行業，一種車型要應用一種新技術，至少需要長達2-3年、各種路況的測試通過。目前為止，國內還沒有一家人工智能企業配合國內汽車廠商完成其汽車輔助駕駛系統的全面測試，更談不上真正意義的商用了。趨視科技已經與國內領先的汽車廠商上汽通用展開了交流和技術評估工作，趨視科技的輔助駕駛技術初步得到了廠商的肯定，將和車廠一起進入一個全方位的測試工作，相信不久的將來，消費者就會駕駛上應用趨視科技汽車輔助駕駛系統的汽車了。

人工智能技術的應用必須遵循如下的三個階段：商業嘗試、商業落地、數據應用。而目前人工智能行業還僅僅處在第一個階段即商業嘗試階段。商業嘗試表明很多應用方向對人工智能技術都有渴望，但是，并不代表人工智能技術已經滿足了這些行業的應用需求。主要問題仍然在人工智能的準確度。人工智能無法提供一個百分百準確的系統，一定存在漏報和誤報兩種可能，而行業的應用需求上到底能夠接受怎樣的漏報和誤報呢？比如人臉識別，肯定有識別不出來（漏報）或者識別錯誤（誤報）的情況，但是，對于用戶來說，一天能夠接受多少次漏報和誤報呢？如果一天識別錯誤幾百次，用戶是否還有信心使用這樣的系統？人工智能到底是給用戶帶來便捷還是帶來了麻煩，因為用戶要大量精力去處理錯誤情況。這也是人工智能在嘗試階段必須解決的問題。

在汽車輔助駕駛方面，以色列的MOBILEYE公司成功將基于視覺的汽車輔助駕駛技術應用在寶馬、沃爾沃等高端車型中，得到了這些車廠的認同。MOBILEYE的智能輔助駕駛系統也進入了商業落地的階段，也標志著基于視覺的輔助駕駛技術能夠實現商業落地。

至于其他的人工智能視覺技術及方向，仍然在努力嘗試中，廣泛意義的人臉識別技術目前可能很難進入商業落地，但是，小范圍，局域化的人臉識別技術是有可能實現商業落地的，當然，這還需要有核心技術實力的廠商不斷的努力和嘗試。

展望2017年，趨視科技美國研發中心會加大ADAS輔助汽車駕駛方面的投入，在美國邀請更多的算法專家加入，盡快完成各種道路狀況的路測評估和算法優化演進。另外，趨視科技仍然會對行為分析算法進行一輪大幅度升級，大幅提高識別準確率，滿足更多行業的應用。人臉識別方面，趨視將拋棄傳統的靜態人臉照片比對模式，開創全動態人臉識別新思路和新算法，大幅提升動態人臉識別的準確率。

作者單位：上海趨視信息科技有限公司