自动驾驶汽车中的计算机视觉挑战，第一部分

尽管技术进步不断加快，但自动驾驶还不是 100% 可靠的。要达到(并超越)人类驾驶车辆的能力，仍然需要克服一些挑战。

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，必须避免最轻微的误判。

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，它们将能够识别人的脸。

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。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。