地平线感知算法——比Mobileye更开放的视觉感知解决方案

  • 时间:
  • 浏览:1
  • 来源:排列3娱乐平台-排列3下注平台_排列3注册平台

Mobileye作为ADAS行业的龙头企业,目前占有全球超过1000%的视觉感知芯片市场份额。与此一块儿,Mobileye一手建立的封闭式视觉感知生态也成为了行业主流形式。有条件的开放和相对收敛的感知API需求,曾帮助Mobi

      Mobileye作为ADAS行业的龙头企业,目前占有全球超过1000%的视觉感知芯片市场份额。与此一块儿,Mobileye一手建立的封闭式视觉感知生态也成为了行业主流形式。有条件的开放和相对收敛的感知API需求,曾帮助Mobileye建立标准化的感知接口方案,并快速将产品推向全球,攻城略地。

  刚刚,时过境迁。随着当前视觉ADAS功能的持续升级迭代,行业期待出现更加开放的方案,帮助OEM和Tier1打造差异化且更具适应性的ADAS功能。

  驾驶场景的多样化性和地域性呼唤开放的正确处理方案

  曾经有一家国内主机厂尝试基于Mobileye的视觉感知正确处理方案开发自主泊车方案。项目实施过程中,时需识别停车场入口处的栏杆。但Mobileye的封闭性方案不支持客户对感知算法进行自主更新,因为开发遇阻。

  这反映了主机厂面临的困境。一方面,Mobileye的视觉感知正确处理方案依然是目前最心智性性成熟 是什么期的方案,从产品心智性性成熟 是什么期度、项目风险管控和质量管理深度图,都有刚刚 刚刚 优势,主机厂无法拒绝。整体来讲,属于保守有余,进取过低的态势。但买车人面,你这个 封闭方案又像一有一一3个黑匣子。不可能 无法进行差异化和定制化开发,因为性能同质化;况且在本土化的驾驶场景下,无法完正满足要求。这就限制了主机厂做出更打上去取的产品方案,长期以往会降低产品竞争力。

  而中国驾驶场景的特殊性,决定了时需有本土化的感知正确处理方案,不能满足ADAS/自动驾驶的功能要求。

  一块儿,为了满足ADAS/自动驾驶对感知的高可靠性要求,也时需更加开放的感知正确处理方案,类似于,不可能 亲戚亲戚亲戚朋友不能识别更为充裕的目标,更多的语义分割种类,这么 亲戚亲戚亲戚朋友就还会 获得更为充裕的语义信息,使得各个不同的类别还会 做到交叉验证,类似于,路肩、人行道对于可行驶区域的判断有明确的辅助验证作用,路侧的固定目标,如交通标识牌、路灯等对于定位有很大的帮助。

  假设在下雪天,道路被积雪覆盖,如可判断路肩在哪里呢?电影《非诚勿扰》里描述了一有一一3个对白情节:

  “嗨,你来过(北海道),你一定知道公路那两边箭头有那些用?”答:“哦,冬天,北海道的雪很厚,箭头指示亲戚亲戚亲戚朋友无须开出路肩。”

  刚刚我我亲戚亲戚亲戚朋友还会 识别公路两边的箭头,就还会 推理出来可行驶区域的边界。感知技术的发展趋势时需更为开放的正确处理方案

  感知技术的发展,关键趋势还会 总结为以下四点:

  • 从简单场景到多样化场景

  • 从高频目标到一般目标

  • 从2D感知到3D感知

  • 从面向实况的感知到面向预测的感知

  所有那些趋势都使得感知的充裕度和多样化度进一步提升,供应商无法使用一有一一3个标准的感知正确处理方案来满足时需,开放成为必由之路。

  软件定义汽车时代,车企时需更为开放的正确处理法律方式

  智能化是未来品牌差异化的核心偏离 ,主本来 通过增加软件功能来实现。软件的后部署将是大势所趋,这因为,多数软件功能将是在汽车出厂事先交付的,软件迭代OTA将是新常态。你这个 趋势对于出行服务运营商来说尤其重要,各种不同的场景服务需求都时需基于现有车队的功能,通过不停升级迭代来满足。

  在未来,OEM交付的汽车将都有一有一一3个功能固化的产品,本来 一有一一3个持续进化的机器人,在汽车整个生命周期内,硬件平台不能持续支持软件迭代升级。软件开发的时延和差异化的功能,将决定这场智能化竞争的成败。

  为了提升软件开发时延,从系统构架的深度图看,服务导向的系统构架(SOA)将成为主流,这时需打造一有一一3个全新的感知正确处理方案,满足3个方面的要求:深度图开放、一致刚刚完善的工具链、拥有强大算力储备、极强的可扩展性,以满足不同等级车型平台的要求。

  开放的感知里面结果助力国内的ADAS功能不断进化

  目前,对于感知算法API,行业内还是较为封闭的。刚刚 刚刚 功能较难落地(比如信息娱乐域关于ADAS功能的增强现实显示功能),偏离 因为是不可能 感知算法只提供给智能前视摄像头模块内部管理使用,不愿提供给刚刚 子系统使用因为的。而地平线感知里面结果还会 做到全开放。且不可能 地平线算法的低级语义非常充裕,全开放的感知里面结果不能支持客户在应用层开发更加多样化的功能。

  截止目前,地平线算法还会 支持10类动态目标和53类静态目标。其中动态目标包括:成年人、儿童、骑行者等3类行人,以及轿车、SUV、面包车、卡车、客车、摩托车以及老年代步车7类;而静态目标则包括8类车道线、2类红绿灯以及43类交通标识。比Mobileye更充裕的感知信息,给客户实现差异化功能提供了坚实的感知基础。

  图1 地平线算法所提供的充裕感知信息

  开放而全面的工具链,践行“深度图赋能”理念

  为了增加视觉算法迭代的敏捷性,不能更好地支持国内各种极端的感知场景,地平线推出了AI芯片工具链Horizon OpenExplorer(地平线“天工开物”),包括数据、训练和设备部署工具,类似于模型训练工具、检查验证工具、编译器、模拟器、嵌入式开发包等(图9),形成闭环。数据产生模型,模型还会 被部署到设备上运行,运行过程中又还会 指导模型的调优,甚至分类分类整理新的数据。曾经的有一种 自我进化的开发模式,还会 提升开发时延,降低开发门槛,保证开发质量。基于你这个 模式还会 减少约1000%的开发人力,节省1000%的开发时间,更重要的是,不可能 开发门槛被降低了,开发者的规模甚至还会 扩大一有一一3个数量级。

  地平线会持续对开发工具进行升级,为客户提供半自动化的正确处理流程。主要包括:数据工具与模型,模型与端上设备之间的闭环迭代;充裕的模型/系统参考原型,简洁易用直观方便的交互手段;标准化开发流程,打上去持续的测试,集成,部署机制。

  图9 地平线“天工开物”芯片工具链

  更具体地将,地平线的模型训练工具不能支持TensorFlow等主流的深度图学习框架,帮助用户买车人训练模型;编译器支持将开源训练框架模型格式转换为芯片上的二进制格式;嵌入式开发包则不能支持客户调用算法库开发买车人的应用,让客户买车人在芯片商快速部署应用。整个工具链包不能覆盖完正的开发链路(图10)。而经过地平线编译器的优化,不能极大缓解算法的访存瓶颈,提高芯片的计算时延(图11)。

  图11 经过地平线编译器自动优化的算法,性能提升巨大

  近来,地平线与韩国SK电讯公司相互公司合作 开发了动态众包高精地图正确处理方案。SK利用地平线的工具链,开发了韩国道路的视觉感知算法,,证明了工具链的易用性和可靠性。

  简言之,地平线的开放是从提供系统参考正确处理方案,到全面开放感知结果,再到工具链的全栈正确处理方案的深度图次、多维度的全面开放,充分赋能汽车行业的智能化发展。不可能 客户主张时延最大化的分工相互公司合作 理念,地平线就提供软硬件一体芯片方案;不可能 客户青睐能力最大化,希望使用买车人的算法,地平线就为客户提供纯芯片和整套工具链,帮助客户实现足够深入的开发自由度,践行“深度图赋能”的长期承诺。

       (本内容属于网络转载,文中涉及图片等内容如有侵权,请联系编辑删除)