2017年中国ADAS 的核心基础图像识别的发展

　　一、图像识别在 ADAS 中能够实现的功能

　　目前在行车辅助功能中，摄像头可用来单独实现很多功能，并且按照自动驾驶发展 规律逐渐演进。这些功能更加强调对输入图像的处理，从拍摄的视频流中提取有效目标 运动信息做进一步分析，给出预警信息或直接调动控制机构。相比视频输出类功能更强 调高速下的实时性，技术正处在发展上升期。

视觉 ADAS 可实现的功能

数据来源：公开资料整理

　　2、 视觉系 ADAS 产品软硬件的需求

　　视觉系 ADAS 产品由软硬件组成，主要包括摄像头模组、核心算法芯片以及软件算 法。硬件方面考虑行车环境（震动、高低温等），大前提是要符合车规级要求。

　　车载 ADAS 摄像头模组：摄像头模组是保证视觉系 ADAS 产品算法发挥效力的 基础，需要针对包括：明暗反差过大（如：进出隧道）、平衡图像（宽动态）、 高感光、避免给芯片带来太大压力（并不是一昧追逐高像素）等方面定制化开 发。另外由于 ADAS 的摄像头更讲究为行车时预留更多判断时间，需要看得更 远，因此在硬件选取时需要在广角和长焦中取其平衡。

　　核心算法芯片：图像相关算法对芯片性能要求较高，主要考虑的指标有运算速 度、功耗以及成本。目前用于 ADAS 摄像头的芯片多数被国外垄断，主要供应 商有瑞萨电子（Renesas Electronics）、意法半导体（ST）、飞思卡尔（Free scale）、 亚德诺（ADI）、德州仪器（TI）、恩智浦（NXP）、富士通（Fujitsu）、赛灵思（Xilinx）、 英伟达（NVIDIA）等。

　　现阶段可用于传统计算机视觉算法的车规级芯片有多种选择，但是适用于传统算法 叠加深度学习算法的低功耗高性能芯片，还没有真正出现。

　　算法：ADAS 视觉算法的源头是计算机视觉。传统的计算机视觉识别物体大致 可以分为：图像输入、预处理、特征提取、特征分类、匹配、完成识别等几个 步骤。其中，特征提取和预处理两个步骤尤其依赖专业经验。作为解决路径， 算法上比较重要的一个变化是深度学习的渗透。深度学习让计算机模拟人类思 考的神经网络，自己学习判断。这样就可以免去计算视觉特征提取、预处理等 步骤，感知过程也可以简化为输入图片——>输出结果两步。

　　目前深度学习的算法模型已经开源，而且算法种类不多，因此有降低门槛大量优秀 结果涌现的可能。但是受限于没有合适的车端平台，离产品化还有一段距离。

　　单目和双目摄像头平台：按照车载摄像头模组的不同，目前主流 ADAS 摄像头 可以分为单目和双目两种技术路线。

单目、双目摄像头的比较

数据来源：公开资料整理

　　单目摄像头的算法思路是先识别后测距：首先通过图像匹配进行识别，然后根据图 像大小和高度进一步估算障碍与本车时间。在识别和估算阶段，都需要和建立的样本数 据库进行比较。因此，想要识别各种车，就要建立车型数据库。

　　双目摄像头的算法思路则是先测距后识别：首先利用视差直接测量物体与车的距离， 原理和人眼类似。两只眼睛看同一个物体时，会存在视差，发现感官上的位移。这种位 移大小可以进一步测量出目标物体的远近。而在识别阶段，双目仍然要利用单目一样的 特征提取和深度学习等算法，进一步识别障碍物到底是什么。

　　因为视差越远越小的缘故，业内有观点认为，双目在 20 米内有明显的测距优势，在 20 米距离外，视差减小测距存在难度，可以用高像素摄像头和更优秀的算法来提升测距 性能，该处是难点也是核心竞争力。双目镜头的间距和测距是两个此消彼长的参数，考 虑车内美观和 ADAS 需要，小尺寸远距离双目产品更受欢迎。

　　因为增加了一个镜头，带来更多运算量，整个摄像头模组的性能要求和成本都更高 了。而且在两者都有的标定工作上，双目要比单目更加复杂。而且选择双目方案切入市 场并不能完全绕开单目方案的难点，在第二个阶段，你依然要需要一个庞大的数据库， 依然需要打磨算法。

　　3、 Mobileye 的图像识别产品

　　Mobileye 具有自主研发设计的芯片 EyeQ 系列，由意法半导体公司生产供应。现在 已经量产的芯片型号有 EyeQ1-Q5。不同的芯片可以实现不同的 ADAS 功能，具体发展 历程如下：

Mobileye 的图像识别产品发展历程

数据来源：公开资料整理

　　因为近几年计算机视觉发展迅速、摄像头硬件成本相对低廉，从摄像头角度切入 ADAS 感知的创业公司数量也非常可观，可以将这些公司统称为视觉方案提供商。他们 拥有核心的视觉传感器算法，向下游客户提供车载摄像头模组、芯片以及软件算法在内 的整套方案。

视觉系 ADAS 产品供应体系

数据来源：公开资料整理

　　高精地图——安全驾驶核心链条成员

　　高精度地图是安全驾驶核心链条必不可缺的成员之一。高精度，一方面是说绝对坐 标精度更高。绝对坐标精度指的是地图上某个目标和真实的外部世界的事物之间的精度。 高精度地图的绝对精度一般都会在亚米级，也就是 1 米以内的精度，而且横向的相对精 度（比如，车道和车道，车道和车道线的相对位置精度）往往还要更高。

　　另一方面，高精度地图所含有的道路交通信息元素更丰富和细致。高精度地图不仅 有高精度的坐标，同时还有准确的道路形状，并且每个车道的坡度、曲率、航向、高程， 侧倾的数据也都含有。

　　智能汽车不仅仅是依靠传感器来指挥交通，更需要高精度地图来配合相应工作。

　　高精度地图对于智能汽车的意义：

　　能够在危险的路口提前对车辆做出警示和减速提醒

　　能够不受光照、雾霾和雷雨等天气影响，不受昼夜影响，更不受传感器安装位 置及车型影响对道路进行安全及方向指引

　　提供多车道类型预警，包括高速、城区、乡村等公路级别、隧道、桥梁、施工 路段等，以及其具体的位置、朝向、曲率、坡度、限速等

　　减少了急刹急起的不良驾驶状态，有效改善驾驶的舒适性

　　高精地图的精确程度由其配套的定位技术的组合来决定

　　该分布图层下两层为高精度地图静态数据，结合上两层 V2X数据即时支持，能够为 自动驾驶行车决策提供强有力的指导。

　　高精度地图在无人驾驶领域具有不可替代性，未来有望成为图商重要增长点，预计 未来的十五年高精度地图行业将迎来黄金发展期，到 2020 年高精度地图市场为 21 亿 美元， 2025 该市场将达到 94 亿美元。

高精度地图市场规模（亿美元）

数据来源：公开资料整理

　　目前多家公司拥有自己领先的高精地图技术：

　　TomTom 发布视频展示其车道级高精度定位技术，建立在其高精度地图和车道级点 云地图（RoadDNA）数据之上。在车辆实际运行过程中，定位算法会将实时点云数据与 RoadDNA 进行匹配，计算高精度位置，可用于自动驾驶汽车的车道保持和路径规划。

　　Here 地图是由诺基亚提供的地图服务，提供定位、地理信息系统等服务，有 200 多 个国家和地区的地图，在近 100 个国家提供语音导航，可运行在 Windows Phone、iOS、 Android、Firefox OS 等多种操作系统上。2015 年，Here 地图被德国汽车公司奥迪、宝 马、戴姆勒收购。

　　目前国内的情况是主要的数据都依赖于采集，与国外发达国家有比较大的差别。在 国外发达国家，由于建设速度相对比较缓慢，政府的信息化水平以及信息较为透明，因 此地图数据大部分由政府进行提供。

　　国内地图供应商主要有三家：百度、高德、四维图新，其中，由于资质原因，百度 在数据采集方面起步较晚，其强项集中在自动驾驶相关的控制算法研究。百度地图数据 主要来自四维图新和道道通以及少量的自产数据。高德地图这方面的数据以自产为主， 辅以向一些专业服务商购买（口碑网，大众点评，携程，乐途，搜房）因此，在数据层 面，四维图新和高德是最主要的竞争对手。

　　高德地图发布 AI 智能公交导航，利用大数据及机器学习能力，为用户公交出行提供 智能导航出行解决方案并利用阿里云建立面向车辆的自学习平台及实时信息发布平台

　　四维图新通过“高精度地图+芯片+算法+系统平台”战略，推出涵盖传统地图、动 态内容、云端服务、操作系统、手机车联方案等基于车联网的解决方案。

　　在与车企合作方面，四维图新拥有大量车企合作伙伴。实际上，作为导航电子地图 产品的研发、生产、销售和服务商，地图出售预装也成为四维图新最主要的利润来源之 一。其原有的竞争格局正在发生变化。

　　据 30 家主流汽车制造商数据显示，已经采用或已确认采用高德地图单一地图供应商， 奥迪汽车、大众（进口）、捷豹路虎汽车、沃尔沃汽车、上汽通用汽车、标致雪铁龙汽车、 长安汽车、本田汽车、日产汽车、江淮汽车、海马汽车、观致汽车等共计十二家
而已采用或已确认采用四图维新单一地图供应商的仅有奔驰汽车、雷克萨斯、马自 达汽车、福特汽车等四家；同时采用高德和四维图新不同产品的汽车制造商共有：菲亚 特/克莱斯勒、宝马汽车、大众汽车、上汽荣威、吉利汽车、奇瑞汽车、现代汽车、长城 汽车、起亚汽车、北京汽车、启辰汽车、广汽、丰田汽车、东风汽车等十四家。