0
| 本文作者： 朱玉龍 | 2016-07-13 13:12 | 專題：新智駕說：自動駕駛那些事兒｜朱玉龍專題 |
雷鋒網按：本文作者朱玉龍， 汽車行業工程師。朱校長每天分享一篇業界文章，內容雖短，亦是一種認真探討后的分享，希望對汽車從業者們有所幫助。
接上篇文章《聊一聊電動汽車的消防滅火》，本文主要探討現在的ADAS和未來的自動駕駛，在使用視覺系統作為環境入口的長處、短處和需要克服的難點。
視覺系統在車道線識別LDW、信號燈識別TSR、行人識別里面作為必要手段。其中AEB里面的行人識別將會對視覺系統提出更高的要求。
備注：
車道線識別和居中，可以與高精度地圖和定位居中互補
TSR可以與V2I的通信進行互補
行人識別是真的很難，靠多線Lidar代價太高
視覺系統的核心優勢在“人”和物體的區分，是優先級的區分
視覺系統分辨率遠遠高于其他類型的傳感器=》提供道路環境的細節=》建立完整的環境模型
視覺系統可識別物體的形狀和外觀=》讀取外部信息
這里重點拿V2I來說下，理論上，在一個完整的V2X的世界里面，是完全可以用互聯互通與視覺系統進行完美互補的。
今天交流一圈下來，網聯難免有理想化的成分，把兩個完美的融合在一起，本身需要大量的心力，你不做你是不知道那么多的。
當然，視覺還有大殺器，基于視頻流，通過環視建立外部環境模型。
1）E2E DNN
2）分層DNN學習
這個方向就需要大量的運算能力，通過各個層級進行學習，從新司機到老司機的過程……
在產業初期，建立一個完備的駕駛行為學習機制，也需要內部的視覺系統進行記錄和比對。
人臉看眼神分沒分心需要記錄
選配：方向盤操作需要記錄（這個也可以傳感器記錄）
選配：油門和剎車操作（這個也可以通過傳感器記錄）
本質上這種其實是一種學習模式，建立模型之后對比和學習。
概括來說，系統的面臨的問題包括，以下有些能解決，有些能改善，有些則沒辦法，外部的基本可以做個歸類
1、干擾和限制比較多
1）隧道口車輛與隧道重影
2）正面強光炫目
3）Camera前方的水滴
擋風玻璃外霧、雪、灰塵、粉塵或霜附著、
擋風玻璃內凝露水滴或灰塵
4）各種奇怪的車型
2、環境的影響比較大
惡劣天氣（如暴雨，暴風雪或濃霧）
能見度差，霧霾，煙或水蒸汽
雨天道路車輛倒影
環境照度比較低（黑夜&隧道）+前車無燈
3、外部環境車輛和車道線、標識的情況
車輛傾斜和不同的角度場景
掉色的車道線、在雨雪覆蓋下難以辨識的車道線可能無法識別
前車覆雪，使得車輛顏色均勻
路面在坡度比較傾斜的地方
其他，還有個有趣的事情，是以下兩個案子。
這個圖像反了。
這個來自系統外，系統用剎車燈開關來采集人介入剎車，奈何開關失效自動把系統關了
camera內部及camera處理芯片的失效問題后面找資料展開。
1）視覺系統的軟硬件提升好快，很多東西需要持續更新
2）V2X我覺得我們單獨可以拿出來好好對比一下，明天我們再來仔細看看，如何在系統中看待這兩個東西
雷鋒網注：本文為作者系列更新文章，轉載請聯系授權并注明出處和作者，不得刪減內容。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
