視覺是人類觀察世界、認(rèn)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(tǒng)，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采用的環(huán)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(jié)構(gòu)環(huán)境信息。在自動駕駛領(lǐng)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(guān)村IC產(chǎn)業(yè)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(shù)方向。核芯達由半導(dǎo)體產(chǎn)業(yè)資深老兵李慎威與北汽產(chǎn)投、Imagination、翠微股份聯(lián)合發(fā)起。作為第一家由中國國有整車企業(yè)與國際芯片巨頭合資成立的汽車芯片設(shè)計公司，核芯達將專注于面向自動駕駛的應(yīng)用處理器和面向智能駕艙的芯片研發(fā)，為以北汽集團為代表的國內(nèi)車企在汽車芯片領(lǐng)域提供先進解決方案。特別是在定位技術(shù)上，核芯達偏愛SLAM技術(shù)。
SLAM——自動駕駛導(dǎo)航里的熱門技術(shù)
李慎威講到，在自動駕駛中，3D定位技術(shù)是至關(guān)重要的，試想下，如果沒了GPS，汽車該靠什么定位？SLAM的核心技術(shù)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(gòu)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與其說是一個算法不如說它是一個概念更為貼切，它被定義為解決“機器人從未知環(huán)境的未知地點出發(fā)，在運動過程中通過重復(fù)觀測到的地圖特征（比如，墻角，柱子等）定位自身位置和姿態(tài)，再根據(jù)自身位置增量式的構(gòu)建地圖，從而達到同時定位和地圖構(gòu)建的目”的問題方法的統(tǒng)稱。
SLAM技術(shù)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(huán)境信息。
定位——通過傳感器獲取的當(dāng)前和歷史信息，推測出自身的位置和姿態(tài)。
建圖——根據(jù)自身的位姿以及傳感器獲取的信息，描繪出自身所處環(huán)境的樣貌。
雙目立體視覺，強光下變現(xiàn)更優(yōu)異
除此之外，在現(xiàn)在的機器視覺方面，結(jié)構(gòu)光、TOF、雙目立體視覺三大主流技術(shù)：
TOF：簡單來講，通過光的飛行時間來計算距離。
結(jié)構(gòu)光：通過紅外激光器，將具有一定結(jié)構(gòu)特征的光線投射到被拍攝物體上，再由專門的紅外攝像頭進行采集反射的結(jié)構(gòu)光圖案，根據(jù)三角測量原理進行深度信息的計算。
雙目立體視覺：原理類似于萊卡相機，對近距離和遠(yuǎn)距離有一些視差的補償。核芯達對這個技術(shù)很是看好，原因就在于不容易受到強光干擾，成本較低也沒有什么專利困擾。李慎威解釋，人對亮到全黑環(huán)境會有一個適應(yīng)過程，人在這方面的過程非常慢，如果從暗到亮，這個適應(yīng)是比較快的。對于TOF和結(jié)構(gòu)光則會有一些短板，近期特斯拉與一輛側(cè)躺的白色卡車相撞事件就是一個很好的例子。機器視覺并沒有計算出來前方有物體存在。
在研發(fā)芯片過程中，核芯達計劃利用雙目立體視覺的優(yōu)勢進行設(shè)計，再搭配最新的GPU，以及人工智能加速器，持續(xù)推進ADAS及智能駕駛感知芯片的開發(fā)。
據(jù)悉，核芯達開發(fā)的基于智能駕艙和面向L2－L4多級別環(huán)境感知方案，預(yù)計將分別于2021和2022年實現(xiàn)成功流片、量產(chǎn)。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(guān)領(lǐng)域的突破對于國內(nèi)智能汽車產(chǎn)業(yè)發(fā)展意義重大，市場空間廣闊。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
