机器视觉系统推动汽车行业走向完全自主

无人驾驶汽车上路的竞赛已经开始。超过270万辆配备了部分自动化的乘用车和商用车已经投入运营，到2021年，全球汽车传感器市场预计将达到255.6亿美元。

对于全自动驾驶汽车的到来，人们的估计各不相同。研究公司波士顿咨询公司(BCG)预计，被SAE国际(SAE International)指定为4级高度自动化的汽车将在未来五年内出现，在这种汽车中，汽车可以在不需要人工干预的情况下做出决定。

大多数汽车制造商计划在未来2到15年内将自动驾驶技术作为其车型的标准。特斯拉的自动驾驶系统配备了8个摄像头，可提供360度视野，最远可达250米。特斯拉希望在2019年达到5级完全自动驾驶。

汽车制造商们正在把包括自动停车和盲点监测等功能的自动驾驶辅助系统作为开发自动驾驶汽车的基础。促进自动驾驶的核心传感器——摄像头、雷达、激光雷达和超声波——已经得到了很好的发展，但在尺寸、成本和操作距离方面仍在不断改进。

然而，该行业仍必须克服其他技术挑战。其中包括掌握深度学习算法，帮助汽车在不可预测的公共道路条件下行驶，以及处理生成数据的繁重处理需求。为了帮助他们开辟一条通往完全自动驾驶的道路，汽车制造商正将机器视觉软件公司作为市场上的重要参与者。

算法越来越聪明

机器视觉行业对户外环境并不陌生，在智能交通系统、自动车牌读取器和边境安全应用程序的硬件和软件开发方面拥有多年经验。虽然这类应用需要复杂的软件来解释雾和阳光眩光等不可控因素，但自动驾驶汽车会遇到并处理更多复杂程度不同的变量。

嵌入式视觉联盟(Embedded Vision Alliance)创始人杰夫·比尔(Jeff Bier)说:“自动驾驶应用程序对错误的容忍度很低，因此算法必须很健壮。”该联盟是一个行业合作伙伴，专注于帮助企业将计算机视觉融入所有类型的系统。“尽管形状、大小和光线都有变化，但要编写一个能够极高精度区分人和树的算法是非常困难的。”

比尔说，算法已经达到了一个平均水平，“它们在探测重要事物方面至少和人类一样好。”“这一关键进展使视觉技术能够部署到车辆上。”

AImotive是一家将深度学习算法应用于全自动驾驶汽车的软件公司。其硬件不可知的平台使用神经网络在任何类型的天气或驾驶条件下做出决策。它由四个引擎组成:

• 识别引擎使用相机图像作为主要输入。
• 定位引擎用三维地标信息补充传统地图数据
• 运动引擎从位置引擎获取定位和导航输出，以预测周围环境的运动模式。
• 控制发动机通过低级执行器指令(如转向和制动)引导车辆。

对于一辆自动驾驶汽车来说，要根据来自多个传感器的大量实时数据做出关键决策，处理器必须在消耗更少操作能力的同时，在计算能力上变得更强大。该领域的软件供应商正在开发专门的处理器架构，“可以轻松提高10到100倍的效率，使这些复杂的算法适应应用程序的成本和功耗范围，”Bier说。“就在几年前，这种程度的计算性能还被认为是超级计算机水平。”

根据英特尔的说法，为了做出安全、准确的决策，传感器需要每秒处理大约1gb的数据。谷歌的自动驾驶汽车项目Waymo正在其配备摄像头的无人驾驶克莱斯勒Pacifica小型货车上使用这家芯片制造商的技术，作为试点项目的一部分，这些货车目前正在凤凰城周围运送乘客。

然而，该行业仍然需要确定决策应该在哪里进行。Pleora Technologies市场经理Ed Goffin表示:“在我们与制造商的讨论中，关于这些系统将会是什么样子，我们有两种思路。“一种方法是在智能摄像头或传感器层面分析数据并做出决定，另一种方法是通过高速、低延迟的网络将数据反馈给中央处理系统。”

Pleora的视频接口产品已经在后者领域发挥作用，特别是在军用车辆的基于图像的驱动系统中。Goffin说:“在军事态势感知系统中，实时高带宽视频从摄像头和传感器传输到中央处理器，在那里进行分析，然后分发给驾驶员或机组人员，以便他们采取行动或做出决定。”“设计师需要在车内保护这种处理智能。由于摄像头很容易从车上掉下来，或者被灰尘或泥浆覆盖，所以它们需要在不中断人类决策过程的情况下，在现场易于更换。”

不走寻常路

在自动驾驶乘用车主导媒体报道的同时，其他自动驾驶汽车技术也在悄然崭露头角。2016年9月，沃尔沃开始在瑞典地下1320米的矿井中测试全自动FMX卡车。包括一个摄像头在内的六个传感器持续监测车辆周围环境，使其能够在狭窄隧道内的崎岖地形中避开障碍物。

与此同时，segrid的视觉制导车辆(vgv)在仓库和工厂的生产里程已超过75.8万英里。与传统的自动制导车辆(agv)不同，agv使用多个车载立体摄像机和视觉软件来捕获现有的设施基础设施作为定位导航的手段。agv依赖激光、电线、磁铁或地板胶带来操作。

正如比尔所指出的，Roomba机器人吸尘器配备了摄像头和图像处理软件，属于自动驾驶汽车的范畴。无论是在工厂还是在高速公路上运行，自动驾驶汽车都有望以安全、高效的方式运输货物和人员。关于全自动驾驶汽车何时会在美国上路的争论仍在继续。随着汽车行业克服技术挑战，政府安全法规和客户接受度将影响自动驾驶汽车到达的时间。

与此同时，汽车制造商和科技公司继续投入数十亿美元用于研发。在自动驾驶汽车领域，似乎每周都有新的公告、收购或里程碑。远景公司将会在这段旅程中。

韦恩哈丁是AIA的特约编辑。本文最初发表于视觉在线．AIA是先进自动化协会(A3)的一部分，是CFE媒体的内容合作伙伴。由CFE媒体制作编辑克里斯·瓦夫拉编辑，cvavra@cfemedia.com．

www.globalelove.com关键词:机器视觉，自动驾驶汽车

• 汽车公司都依赖于机器视觉公司来帮助开发更智能的自动驾驶汽车。
• 自动化的工具需要根据来自多个传感器的大量实时数据做出关键决策。
• 公司在发展更智能的算法和处理器，使用更少的能量来分析数据。

考虑一下这个

还有其他问题吗汽车和机器视觉行业在开发自动驾驶汽车时是否需要考虑这些问题?

原始内容可以在www.visiononline.org．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。