• 視覺ADAS功能、硬件需求、評價標準資料下載

    資料大?。?/em> 189.52KB

    所需積分: 0

    下載次數:

    用戶評論: 0條評論,查看

    上傳日期: 2021-04-18

    上 傳 者: 發燒友他上傳的所有資料

    資料介紹

    標簽:汽車(347)激光雷達(1547)adas(1224)車載(288)
    攝像頭是ADAS核心傳感器,相比毫米波雷達和激光雷達,最大優勢在于識別(物體是車還是人、標志牌是什么顏色)。汽車行業價格敏感,攝像頭硬件成本相對低廉,因為近幾年計算機視覺發展迅速,從攝像頭角度切入ADAS感知的創業公司數量也非??捎^。 這些創業公司可以統稱為視覺方案提供商。他們掌握核心的視覺傳感器算法,向下游客戶提供車載攝像頭模組,芯片以及軟件算法在內的整套方案。前裝模式下,視覺方案提供商扮演二級供應商的角色,與TIer1配合為OEM定義產品。后裝模式里,除了提供整套設備,也存在售賣算法的模式。本文中將對視覺ADAS功能、硬件需求、評價標準等進行解析,在《【車云報告】adas視覺方案入門盤點(下篇)》內容中將參考Mobileye對國內11家供應商的產品進行詳細解讀。 視覺ADAS供應鏈體系 一、視覺ADAS可實現功能 因為安全記錄、停車等需要,攝像頭在車上的大量應用是行車記錄儀、倒車影像等輔助功能。一般通過安裝在車身各個位置的廣角攝像頭采集影像,經過標定和算法處理,生成影像或拼接形成視圖補充駕駛員視覺盲區,不用涉及整車控制,因此更加注重視頻處理,技術已經成熟并逐漸普及。 目前在行車輔助功能中,攝像頭可用來單獨實現很多功能,并且按照自動駕駛發展規律逐漸演進。 這些功能更加強調對輸入圖像的處理,從拍攝的視頻流中提取有效目標運動信息做進一步分析,給出預警信息或直接調動控制機構。相比視頻輸出類功能,強調高速下的實時性,這部分技術正處在發展上升期。 二、視覺ADAS軟硬需求 視覺系ADAS產品由軟硬件組成,主要包括攝像頭模組、核心算法芯片以及軟件算法。硬件方面考慮行車環境(震動、高低溫等),大前提是要符合車規級要求。 (一)車載ADAS攝像頭模組 車載ADAS攝像頭模組需要定制化開發。為了適應車輛全天候全天時的需要,一般要滿足在明暗反差過大的場合(進出隧道),很好平衡圖像中過亮或太暗部分(寬動態);對光線比較靈敏(高感光),避免給芯片帶來太大壓力(并不是一昧追逐高像素)。 攝像頭模組是基礎。好比一張底子不錯的照片才有修飾美化的余地,保證拍攝圖像夠用的基礎上,算法才能更好地發揮效力。 另外在參數上,ADAS與行車記錄儀對攝像頭的需求不同。用于行車記錄儀的攝像頭需要看清車頭周圍盡可能多的環境信息(后視鏡位置看向兩個前輪,水平視角約要110度)。ADAS的攝像頭更講究為行車時預留更多判斷時間,需要看得更遠。類似相機鏡頭廣角和長焦,兩項參數不能兼得,ADAS在硬件選取時只能取其平衡。 (二)核心算法芯片 圖像相關算法對計算資源有很高的要求,因此芯片性能講究。如果在算法上疊加深度學習來幫助識別率提升,對硬件性能的要求只增不減,主要考慮的性能指標是運算速度、功耗、以及成本。 目前用于ADAS攝像頭的芯片多數被國外壟斷,主要供應商有瑞薩電子(Renesas Electronics)、意法半導體(ST)、飛思卡爾(Free scale)、亞德諾(ADI)、德州儀器(TI)、恩智浦(NXP)、富士通(Fujitsu)、賽靈思(Xilinx)、英偉達(NVIDIA)等,提供包括ARM、DSP、ASIC、MCU、SOC、FPGA、GPU等芯片方案 。 ARM、DSP、ASIC、MCU、SOC是軟件編程的嵌入式方案,FPGA因為對硬件直接編程,和嵌入式相比處理速度更快。 GPU 和FPGA并行處理能力強。圖片這樣的文本,尤其在使用深度學習算法需要多個像素點同時計算,FPGA和GPU會更有優勢。兩類芯片的設計思路類似,都是為了處理大量簡單重復的運算。GPU的性能更強但耗能也更高,FPGA因為編程和優化都是直接在硬件層面進行的,能耗會低很多。 因此在平衡算法和處理速度,尤其是用于前裝并且算法穩定時,FPGA被視為一個熱門方案。FPGA是個好選擇。但同時,FPGA對技術要求也很高。原因在于計算機視覺算法是C語言,FPGA硬件語言是verilog,兩種語言不同,將算法移植到FPGA的人既要有軟件背景,又要有硬件背景。在人才最貴的今天,是筆不小的成本。 現階段可用于傳統計算機視覺算法的車規級芯片有多種選擇,但是適用于傳統算法疊加深度學習算法的低功耗高性能芯片,還沒有真正出現。 (三)算法 ADAS視覺算法的源頭是計算機視覺。 傳統的計算機視覺識別物體大致可以分為圖像輸入、預處理、特征提取、特征分類、匹配、完成識別幾個步驟。 有兩處尤其依賴專業經驗:第一是特征提取。在識別障礙時可用特征很多,特征設計尤其關鍵。判斷前方障礙物是不是車,參考特征可能是車尾燈,也可能車輛底盤投在地面的陰影等。第二是預處理和后處理,預處理包括對輸入圖像噪聲的平滑、對比度的增強和邊緣檢測等。后處理是指對分類識別結果候選進行再處理。 科研中的計算機視覺算法模型運用到實際環境中,不一定就能表現得很好。因為科研得出的算法會增加諸如天氣、道路復雜情況在內的條件限制,現實世界里除了關注復雜環境的算法表現,還要考慮各種環境下算法的魯棒性(是否穩定)。 算法上比較重要的一個變化是深度學習的滲透。 深度學習讓計算機模擬人類思考的神經網絡,可以自己學習判斷。通過直接向計算機輸入標定后的原始數據,比如挑選一堆異形車圖片,然后丟給計算機讓它自己學習什么是一輛車。這樣就可以免去計算視覺特征提取、預處理等步驟,感知過程可以簡化為輸入圖片-輸出結果兩步。 業內比較一致的觀點認為,在感知方面,深度學習將會彎道超車傳統視覺算法。目前深度學習的算法模型已經開源,而且算法種類不多,因此有降低門檻大量優秀結果涌現的可能。但是受限于沒有合適的車端平臺,離產品化還有一段距離。 業內對深度學習在ADAS應用的看法都比較客觀冷靜。不少觀點認為深度學習算法是一個黑箱(Blackbox)算法,類似人感性決策的過程,可以很快輸出一個結果,很難在發生事故后反查原因,因此在使用深度學習時要加入理性決策部分,并且分區塊設計。 (mbbeetchina)

    用戶評論

    查看全部 條評論

    發表評論請先 , 還沒有賬號?免費注冊。

    發表評論

    用戶評論
    技術交流、我要發言! 發表評論可獲取積分! 請遵守相關規定。
    上傳電子資料

    下載排行

    本周

    1. RFID技術與汽車電子標識系統資料下載
    2. 基于深度學習的特種車輛跨模態檢索和識別方法
    3. 電動汽車的電機轉速是由什么決定的?交流異步電動機的轉速與誰有關?資料下載
    4. 汽車百萬像素攝像頭系統的同軸電纜供電問題資料下載
    5. 汽車制動系統組成、分類、應用及發展現狀
    6. 汽車蓄電池的作用、分類、壽命、選擇方法及保養
    7. 一種基于改進烏鴉算法的車載網絡頻率分配方案
    8. 深度剖析:新能源汽車驅動電機資料下載

    本月

    1. 汽車電路中ESD保護問題的解決資料下載
    2. 特斯拉線圈制作的注意事項資料下載
    3. 車用天線和手機天線有何不同?一輛自動駕駛車要使用多少天線?資料下載
    4. 汽車電子中的eCall 系統計劃資料下載
    5. 11 項被自動駕駛帶飛的新技術資料下載
    6. 汽車車型開發必不可少的CAE分析資料下載
    7. 提高LED在汽車應用中的可靠性資料下載
    8. 技術上看,電動汽車正迎頭趕上燃油汽車資料下載
    9. 機器學習算法如何用于制造無人駕駛汽車資料下載
    10. 汽車電源設計之不改PCB如何降低EMI資料下載

    總榜

    1. 汽車電路圖的識讀[免費版]
    2. 奇瑞qq汽車全車電路圖
    3. 廣州本田奧德賽汽車電路圖
    4. 汽車電子模塊常用接口電路
    5. 廣州本田雅閣轎車電路圖
    6. 新穎汽車空調繼電器電路及制作
    7. 汽車音頻功放電路圖
    8. 歐洲汽車電氣線路圖手冊
    9. 菲亞特西耶那轎車電路圖
    10. Bosch電控共軌系統介紹
    局长含着人妻的一对高耸