未来车辆中的传感器将比分心的驾驶员更专注

什么是计算机视觉？

计算机视觉涉及对物体的识别和通过特定相机对外界的分析。不久前，还无法想象计算机视觉可以应用于汽车领域。现在，它得到了人工智能这一强大的信息技术新支柱的支持。

计算机视觉有不同的用途，例如识别人、动物和物体；了解障碍物的存在；识别道路标志和交通信号灯；确定人员和车辆的方向；识别和读取车辆牌照。这是一个极其关键的应用程序，因为人命攸关，必须避免所有的误判。

教计算机看我们周围的世界是一项复杂的挑战。未来，车辆不仅将学会识别人的轮廓或无生命的障碍物，而且由于传感器的高分辨率，它们将能够识别人脸。

对相机实时采集的图像进行处理是计算机视觉的核心要素，近年来取得了重大进展。许多公司一直在开发专门用于图像采集和智能处理的芯片，图像是车辆驾驶决策系统的主要输入。

例如，Arm开发了Mali-C71AE，这是一款用于多摄像头汽车视觉系统的图像信号处理器。应用包括360°环视、物体检测、车道定位、道路标志识别、镜子更换、倒车摄像头和乘客监控。Mali-C71AE支持需要在ADAS应用中达到 ISO 26262 ASIL B 诊断要求的视觉系统。

Ambarella开发了CVflow 芯片架构，该架构基于对核心计算机视觉算法的深刻理解。与通用CPU和GPU不同，这家总部位于加利福尼亚州圣克拉拉的公司声称其CVflow包括一个专用的视觉处理引擎，该引擎采用高级算法描述进行编程，允许该架构以极快的速度将性能扩展到每秒数万亿次操作。并且低功耗。

情境意识

多年来，物体检测芯片在计算能力、运行速度和高分辨率图像分析方面变得更加强大。高分辨率和灵敏度是汽车计算机视觉的两个基本要素。

第一个可以更好地识别物体，而第二个可以在光线不足的情况下进行检测。对防驾驶机器视觉的要求相当高。其中之一是系统的快速响应时间，它必须在几毫秒内接收和分析来自图片的响应。

今天，3D 视觉对于计算机视觉来说无疑是有用的。通过分析3D图像，系统可以检测关于汽车轨迹、任何障碍物和其他车辆运动的可靠和精确的信息。一些类型的传感器目前包括超声波、激光、雷达、光、声学和光学系统。未来，由于车对车系统允许汽车之间进行智能交换，汽车将学会相互交流和交谈。

人工智能系统通过复杂和快速的算法，可以识别汽车周围的一切，这要归功于对不同类型传感器网络的检测。

经过深入分析，人工智能系统会发送并发出适当的命令，以确保安全驾驶。换句话说，它计算巡航速度并为可能的紧急制动准备命令，或者确保汽车不超过速度限制。所有情况还必须通过视觉和听觉警报传达给驾驶员。

识别几乎不可见的物体

处理信息的主要障碍是能够获得清晰且非常高分辨率的图像。人眼可能是现存最复杂的摄像机，它能够自动适应不同的光线和操作条件，结合高质量的光学器件，可以将极其详细的信息发送到大脑。

技术正在取得巨大进步，但数码摄像机需要很长时间才能匹配并超越人性提供的可能性。以下是一些以尽可能高的精度进行图像处理的关键要素：

•    扫描和采集速度

•    非常高分辨率的相机

•    即使在不利的照明条件下也能获得灵敏度

这些功能适用于自动化数字系统。为了改善所获得的结果，在安全性方面也采用了更高分辨率和更远距离的传感器。这些传感器具有非常高的分辨率，相当于 2,000–3,000 行图像，是迄今为止使用的传统方法获得的质量的 10 倍。这些传感器收集的信息是可靠的，与现实世界的信息一致，同时不受任何外部干扰。

远程雷达传感器

远程雷达传感器可以在数百米的距离内检测到其他车辆，并允许系统在危急情况下及时干预。最近的进展有望走得更远。研究人员尝试了一种新方法来检测道路上的元素，即使它们部分或完全隐藏在其他物体后面。使用神经网络方法，系统可以通过仅分析可见部分来重建人和物体的隐藏部分。

普林斯顿大学的一个研究小组正在研究应用多普勒雷达来检测和跟踪隐藏物体，而韩国光州科技学院正在开发一种神经网络，可以让机器在自己的空间内管理被遮挡的物体.

这可能会让位于“几乎是人类”的传感器，因为人脑可以重建障碍物的缺失部分，只观察和分析一些可见元素并处理分层数据库。在实践中，这是一个真正的视觉演绎，可以实现 100% 的自动驾驶。

汽车中的人工智能：挑战和解决方案

聚焦对象是图像处理中最困难的任务之一。该系统必须处理连续移动的高分辨率图像，距离和角度随时间变化很大，光学条件会立即连续变化。

为了在所有安全方面模仿人类行为，需要解决几个问题。例如，用于自动驾驶的人工智能仍然需要改进。这可能在未来使用量子计算机成为可能。

系统还需要具有更高速度、分辨率和灵敏度的精密、高性能传感器才能获得最高质量的图像。如果地平线上没有非常复杂的光学和声学传感器以提高分辨率和范围以获取尽可能高质量的信息，那么这些改进将毫无用处。

收集的数据和信息是一项关键资产，必须用于填充庞大的数据库。只有将不同要求以协同方式结合起来，才能实现人人安全驾驶。此外，为了尽可能接近理想的自动驾驶，需要多样化的360˚ 传感器——光学、声学、雷达和其他类型——来实现比人类更多的大量“感官”。

人工智能，最苛刻的动作，例如面部识别和动物、植物和物体的识别，应该会得到改善。遗传算法，结合面部特征等要素的数学分析，可以为保障安全提供可靠的支持。一些研究正在通过步行方式和平均步幅来识别人。

还有其他有用的方面，例如驾驶辅助、在危险情况下提供帮助、检查驾驶员是否容易入睡或根据驾驶员的驾驶风格调整驾驶室设置。通过实施高水平的预测性维护，人工智能还可以及早检测发动机或车辆其他基本部件的可能故障。

结论

自动驾驶汽车市场将在未来几年呈指数级增长

自动驾驶汽车的安全水平接近100%还需要一段时间。公司主要致力于尽可能提高道路安全性，并显着增加自动驾驶模式的行驶公里数，并减少人类直接驾驶的公里数。

模仿人类驾驶员的行为是一项挑战。未来大多数车辆将连接到网络，但根据研究人员的说法，要谈论真正的自动驾驶，我们将不得不等待大约20 年。即便如此，行业革命仍在进行中，由真正的AI管理的车辆将为人类提供全面服务。

自动驾驶汽车是汽车行业创新的关键驱动力，并具有增长潜力。传感器将支持信息采集，但算法和系统管理方法对于执行数据分析、处理和决策方面最严格的任务将更为重要。