智能辅助驾驶系统在车联网中的应用

□ 文/徐飙

智能辅助驾驶系统在车联网中的应用

□ 文/徐飙

在汽车产业升级三大端口：无人驾驶、新能源、车载网络中，无人驾驶和新能源针对的都是汽车最基本的需求，驾驶和能耗。无人驾驶当然会彻底改变开车习惯，从而在根本上改变用户需求，最终促成车联网的形成。

从技术发展来看，无人驾驶还有很远的距离，必须从智能辅助驾驶，一步步接近无人驾驶。智能辅助驾驶系统目前已经在宝马、沃尔沃等高端车型；在国内，智能辅助驾驶系统也将逐步实现广泛商用。

基于深度学习的智能辅驾系统

上海趋视信息科技有限公司在美国成立的人工智能算法研究中心，于2016年推出了第一个ADAS辅助驾驶系统算法版本，内置了趋视科技自动3D场景建模和深度学习算法模块，在行业内的评测中获得了专家的好评。

趋视智能辅助驾驶系统的算法技术主要围绕一个核心目的：让普通民众也能享受智能视频分析技术发展的成果。现有的相关产品主要存在两个问题：成本高昂或性能远远不足。国外的龙头企业Mobileye目前占有了大部分市场份额，但使用他们技术的前装系统价格很高，比如Tesla的辅助驾驶系统4000美元起价，后装系统包括安装费用也需要1500美元左右。即使在这样高昂的价格下，性能也不是完全可靠。国内许多厂商也推出了不同的智能驾驶辅助系统，虽然价格相比低很多，但性能基本达不到实用程度。趋视的目标是打造一个所有拥车人士都可承受的实用产品。这种可承受性不是通过降低性能来达到，也是通过技术创新来实现。

首先，趋视的智能辅助驾驶系统是一个完全基于单个光学相机的智能系统， 因此系统不存在多传感器数据融合问题，在硬件成本及系统集成可靠性上有先天优势。

第二，趋视开发出国际领先的基于移动平台的相机自动标定技术。不但避免了专业人员安装和调试的要求，节省了相关的成本，还能自动检测相机的意外移动，并做出实时系统调整。在基于光学相机的智能辅助驾驶系统中，有关车辆行驶状态的物理数据，比如车速，车辆本身相对车道线的位置，和周围车辆的距离等，都是根据图像中的目标检测结果， 参照相机的内，外定标参数计算出来的。因此相机定标参数的准确性非常重要。现有智能辅助驾驶系统一般使用特定相机，因此默认已知相机焦距等内部参数，另外还要通过专业人员通过专门的流程来测量相机的诸如高度，仰角等外部定标参数，并确保相机在使用中位置角度不会变化。这些高标准的安装要求不可避免地会大大增加使用成本。趋视的全自动定标技术通过不间断的实时比对图像中检测到的目标和他们的实际物理尺寸来反推相机的内、外参数，不但不需要使用特定相机，还能对使用中相机的位置和角度的意外变动进行自动检测，并在系统内部进行算法的自动调整。这项技术使得智能辅助驾驶系统可以作为智能手机的一个移动应用，从而得到大大推广。

第三，基于视频的智能辅助驾驶系统运算量往往相当巨大，现在国际主流厂商都需要采用专用芯片进行相关数据处理。趋视科技致力于开发高效算法来解决问题，而不是依赖于硬件性能的提高。从这点出发，趋视在智能分析模块中大量使用树结构专家系统和深度学习相结合，利用专家系统来增加深度学习的针对性，利用图像特征来降低深度学习的维数，从而在得到深度学习的统计鲁棒性同时保持系统的逻辑性和高效性。趋视已在通用X86芯片平台上实现了基于1080P视频的实时智能辅助驾驶系统，现在正在进一步移植到通用Android和IOS移动平台上。

最后，智能辅助驾驶系统最根本的一点还是系统可靠性。这也是趋视科技在研发中最关注的一点。我们本着宁缺勿烂的原则，在智能辅助驾驶重现阶段主要专注于防疲劳驾驶，以保护驾驶员和乘客。我们的目地就是提供一个可靠的防疲劳智能辅助驾驶系统。为保证可靠性，我们在技术上有以下特点：

不仅准确测量车辆偏移及与周围车辆车距，还实时监控与路边的距离；

支持前后双相机，不仅监视路况，也同时监视驾驶员的关注度；

不仅支持白天等光照良好时的情况，更注重夜间及天气状况不佳时的情景。

智能辅驾系统将逐渐进入商用

目前ADAS辅助驾驶系统在国际上已经应用在宝马，沃尔沃等高端车型中，国内汽车行业还没有广泛应用辅助驾驶系统。汽车行业是一个长周期行业，一种车型要应用一种新技术，至少需要长达2-3年、各种路况的测试通过。目前为止，国内还没有一家人工智能企业配合国内汽车厂商完成其汽车辅助驾驶系统的全面测试，更谈不上真正意义的商用了。趋视科技已经与国内领先的汽车厂商上汽通用展开了交流和技术评估工作，趋视科技的辅助驾驶技术初步得到了厂商的肯定，将和车厂一起进入一个全方位的测试工作，相信不久的将来，消费者就会驾驶上应用趋视科技汽车辅助驾驶系统的汽车了。

人工智能技术的应用必须遵循如下的三个阶段：商业尝试、商业落地、数据应用。而目前人工智能行业还仅仅处在第一个阶段即商业尝试阶段。商业尝试表明很多应用方向对人工智能技术都有渴望，但是，并不代表人工智能技术已经满足了这些行业的应用需求。主要问题仍然在人工智能的准确度。人工智能无法提供一个百分百准确的系统，一定存在漏报和误报两种可能，而行业的应用需求上到底能够接受怎样的漏报和误报呢？比如人脸识别，肯定有识别不出来（漏报）或者识别错误（误报）的情况，但是，对于用户来说，一天能够接受多少次漏报和误报呢？如果一天识别错误几百次，用户是否还有信心使用这样的系统？人工智能到底是给用户带来便捷还是带来了麻烦，因为用户要大量精力去处理错误情况。这也是人工智能在尝试阶段必须解决的问题。

在汽车辅助驾驶方面，以色列的MOBILEYE公司成功将基于视觉的汽车辅助驾驶技术应用在宝马、沃尔沃等高端车型中，得到了这些车厂的认同。MOBILEYE的智能辅助驾驶系统也进入了商业落地的阶段，也标志着基于视觉的辅助驾驶技术能够实现商业落地。

至于其他的人工智能视觉技术及方向，仍然在努力尝试中，广泛意义的人脸识别技术目前可能很难进入商业落地，但是，小范围，局域化的人脸识别技术是有可能实现商业落地的，当然，这还需要有核心技术实力的厂商不断的努力和尝试。

展望2017年，趋视科技美国研发中心会加大ADAS辅助汽车驾驶方面的投入，在美国邀请更多的算法专家加入，尽快完成各种道路状况的路测评估和算法优化演进。另外，趋视科技仍然会对行为分析算法进行一轮大幅度升级，大幅提高识别准确率，满足更多行业的应用。人脸识别方面，趋视将抛弃传统的静态人脸照片比对模式，开创全动态人脸识别新思路和新算法，大幅提升动态人脸识别的准确率。

作者单位：上海趋视信息科技有限公司