1. 首頁 > 科技 > >

攝像頭|攝像頭才是自動駕駛感知，才是最牛的

數碼攝像頭自動駕駛

攝像頭|攝像頭才是自動駕駛感知，才是最牛的

文章圖片

攝像頭|攝像頭才是自動駕駛感知，才是最牛的

文章圖片

攝像頭|攝像頭才是自動駕駛感知，才是最牛的

文章圖片



我們理解世界是以人類的感知為基礎的 ， 我們建立的交通系統自然也是以人的感覺為基礎的 ， 人開車最主要依賴的感知途徑是眼睛 ， 所以想要在人類建立的交通系統中開車 ， “看見”就成為了重中之重 。 而自動駕駛感知系統中來模擬人的眼睛的硬件 ， 自然就是攝像頭 。
之前我們聊過激光雷達和毫米波雷達 ， 可能有朋友覺得我就是雷達吹或者視覺黑 。 這我可不認 ， 接下來我是要改吹攝像頭了嗎？當然也不是 。 聊過雷達之后 ， 我們再來聊聊在自動駕駛感知中 ， 占據主導地位的攝像頭不可或缺的原因、原理和分類 ， 以及未來發展等 。 攝像頭在我們生活中太過常見 ， 在聊它的成像原理和發展史就顯得有點多余了 。 但很多朋友可能沒有注意 ， 我們習以為常的攝像頭這兩年經歷了怎樣的飛速發展 。 當然我說的不是攝像頭硬件層面 ， 或者他借助手機實現大規模普及之類的 ， 而是攝像頭與人工智能的結合 。
人工智能的概念誕生于上世紀50年代 ， 雖然有一些爭議 ， 不過總體意思就是賦予人造機器以類似人類的智能 。 在60余年的發展中 ， 人工智能經歷了兩輪低谷和三輪高潮 ， 不管技術方向如何改變 ， 聽懂和看懂都是人工智能應用中最基礎的兩個方向 。 聽說讀寫是人類交流的主要途徑 ， 想要模仿人類技能 ， 人工智能首先需要學會的就是聽懂和看懂 ， 對應的基礎硬件也就是音響和攝像頭 。 近幾年隨著多層神經網絡和深度學習的發展 ， 以及對互聯網、大數據的合理應用 ， 人工智能技術有了長足進步 。
從2016年左右開始 ， 語音識別和圖像識別的準確率取得了質的飛躍 ， 于是智能音響、手機、語音助手、人臉識別等應用飛速的走入了我們的生活 ， 而在人工智能更深層次的應用中 ， 自動駕駛指數發展最快 ， 也是最被看好的領域之一 ， 可以說人工智能的發展一直伴隨著攝像頭的應用 ， 而攝像頭與人工智能的結合推動了自動駕駛的發展 。 因此長期以來攝像頭都占據的自動駕駛感知硬件C位 ， 也就不足為奇了 。
1961年也就是人工智能技術剛剛興起之時 ， 斯坦福大學研究院設置了一臺無人駕駛小車 ， Stanford Car ， 這臺車也是被普遍認可的 ， 世界上第一輛自動駕駛汽車 。 Stanford Car依賴車頂的一個攝像頭和早期的人工智能算法 ， 實現了感知、決策、規劃、控制的一系列流程 。 不過Stanford Car的發展也經歷了漫長的過程 ， 從1961年試制成功到1967年才學會識別地面的白線 ， 并沿著白線向前行駛 。 到1979年Stanford Car終于實現了立體識別感知 ， 成功的通過一個沒有人為干擾 ， 但充滿椅子的障礙物的環境 ， 但它的問題也很嚴重 ， 由于當時的算法尚不成熟 ， 芯片算力也還很有限 ， Stanford Car移動的非常緩慢 ， 最終Stanford Car項目因為進展緩慢被迫終止 ， 但是Stanford Car開創了自動駕駛的先河 ， 也樹立了攝像頭在自動駕駛中無法撼動的地位 。 此后不斷有新的自動駕駛項目上馬 ， 攝像頭幾乎從未缺席 。 【攝像頭|攝像頭才是自動駕駛感知，才是最牛的】包括如今經常被提及的純視覺和雷達路線之爭 ， 所謂的雷達路線也是包括攝像頭在內的多傳感器融合方案 。 畢竟在當下 ， 以及可預見的很長一段時間內 ， 不論是自動駕駛還是高階輔助駕駛 ， 都需要在專為人類設計的交通體系中運行 ， 能夠模擬人眼的攝像頭 ， 是不可或缺的感知硬件 。 也只有像ACC自適應巡航這種低階的輔助駕駛功能 ， 因為將更多地操作交給了人類駕駛員 ， 才可以依賴毫米波雷達實現 。

相關經驗推薦