智能駕駛的快速發(fā)展離不開感知系統(tǒng)性能的提升，同時(shí)感知系統(tǒng)性能的優(yōu)劣也制約著智能駕駛方案的實(shí)際落地。在感知系統(tǒng)研發(fā)過程中，每時(shí)每刻都需要進(jìn)行性能檢測(cè)評(píng)估以了解不同感知系統(tǒng)自身性能的優(yōu)劣，實(shí)現(xiàn)取長(zhǎng)補(bǔ)短，縮短研發(fā)周期。因此如何高效地對(duì)感知系統(tǒng)性能進(jìn)行測(cè)試評(píng)價(jià)、如何根據(jù)感知系統(tǒng)的不同特性實(shí)現(xiàn)針對(duì)性地測(cè)試評(píng)價(jià)、如何根據(jù)感知系統(tǒng)測(cè)試評(píng)價(jià)結(jié)果提供行之有效的改進(jìn)方案是未來智能駕駛感知系統(tǒng)發(fā)展的關(guān)鍵所在。

        經(jīng)緯恒潤(rùn)推出的感知系統(tǒng)性能評(píng)估分析解決方案可以根據(jù)感知系統(tǒng)（不同數(shù)量的傳感器、不同類型的傳感器、各傳感器組合等）和測(cè)試環(huán)境（城市、鄉(xiāng)村、高速路、地下車庫等）的不同制定相應(yīng)的評(píng)估分析解決方案，同時(shí)可針對(duì)感知系統(tǒng)特定性能實(shí)現(xiàn)定制化測(cè)試評(píng)估，此外根據(jù)測(cè)試評(píng)估結(jié)果可提供相應(yīng)感知系統(tǒng)優(yōu)化指導(dǎo)方案。

感知系統(tǒng)評(píng)估分析流程

        感知系統(tǒng)包含了多種不同類型的傳感器以及獲得的感知數(shù)據(jù)，以充分利用各類傳感器對(duì)于目標(biāo)及環(huán)境的感知能力來獲得可靠的、準(zhǔn)確的感知信息，同時(shí)還必須考慮感知系統(tǒng)邊界情形，比如傳感器本身的能力邊界、特定環(huán)境或場(chǎng)景下對(duì)于信息的獲取、感知算法的魯棒性、Corner Case及Edge Case的覆蓋情況，甚至還得考慮行業(yè)標(biāo)準(zhǔn)體系，如SOTIF預(yù)期功能安全等。

        僅以視覺感知舉例，相比其他環(huán)境感知技術(shù)具有以下幾點(diǎn)優(yōu)勢(shì)：

• 視覺感知圖像信息量大，包含的運(yùn)行環(huán)境細(xì)節(jié)特征豐富；
• 視覺感知圖像對(duì)環(huán)境信息探測(cè)范廣，能夠獲取足夠的運(yùn)行環(huán)境信息；
• 視覺感知圖像獲取途徑方便，主要利用攝像機(jī)采集圖像，設(shè)備調(diào)節(jié)簡(jiǎn)單、易操作；
• 圖像采集設(shè)備相比其他環(huán)境感知設(shè)備更加經(jīng)濟(jì)實(shí)用，且維護(hù)費(fèi)用低。

        目前在視覺感知領(lǐng)域，常采用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的方式來實(shí)現(xiàn)目標(biāo)識(shí)別，訓(xùn)練數(shù)據(jù)集的質(zhì)量以及包含的信息量對(duì)于機(jī)器學(xué)習(xí)算法來說是非常關(guān)鍵的，能夠決定神經(jīng)模型訓(xùn)練過程中神經(jīng)網(wǎng)絡(luò)的各層參數(shù)如何變化。一個(gè)深度神經(jīng)網(wǎng)絡(luò)的成與敗，主要還是取決于輸入數(shù)據(jù)的質(zhì)量。在實(shí)際應(yīng)用中采集無標(biāo)簽數(shù)據(jù)通常比較容易，但是獲取樣本的類別標(biāo)簽要困難得多，人力物力成本主要集中于對(duì)數(shù)據(jù)進(jìn)行標(biāo)注的過程。對(duì)無標(biāo)簽樣本進(jìn)行標(biāo)注所需的人力成本成為制約有監(jiān)督學(xué)習(xí)的瓶頸。主要存在的數(shù)據(jù)問題包括：

• 數(shù)據(jù)不足：數(shù)據(jù)量的多少主要取決于使用案例、數(shù)據(jù)類型，以及預(yù)期結(jié)果；
• 數(shù)據(jù)質(zhì)量：解決不同的問題需要不同的信息，目前缺乏場(chǎng)景化、高質(zhì)量的數(shù)據(jù)；
• 數(shù)據(jù)標(biāo)記：標(biāo)記是數(shù)據(jù)的能量源泉，機(jī)器學(xué)習(xí)模型要求數(shù)據(jù)必須被標(biāo)記。

        因此，需要建立一套提升基于AI的視覺感知軟件驗(yàn)證效率和安全性的工程解決方案，有效解決人工智能視覺感知系統(tǒng)面臨的數(shù)據(jù)問題。

        為了更有針對(duì)性地選擇有標(biāo)簽樣本，大限度地降低對(duì)樣本進(jìn)行標(biāo)注所需要消耗的人力成本，研究者們提出一系列方法，讓機(jī)器主動(dòng)地挑選有價(jià)值的數(shù)據(jù)樣本用于學(xué)習(xí)，即主動(dòng)學(xué)習(xí)。

基于云端部署的感知算法驗(yàn)證套件

        除了算法層面需要給予更多地關(guān)注和驗(yàn)證，從傳感器層面也需要作更多地考量，目前智駕感知層面，主流的環(huán)境感知系統(tǒng)是通過攝像頭、毫米波雷達(dá)、激光雷達(dá)和超聲波雷達(dá)等多傳感器獲取運(yùn)行環(huán)境信息，但隨著自動(dòng)駕駛功能復(fù)雜性及環(huán)境、道路適應(yīng)性的不斷提升，單純靠增加傳感器的數(shù)量或類型，不足以解決感知端的復(fù)雜需求，還可能帶來更多的設(shè)計(jì)及可靠性問題。而目前，在行業(yè)中，也積極在探索更復(fù)雜傳感器或多傳感器融合的解決方案，比如激光雷達(dá)與視覺的融合、毫米波與視覺的融合等。

        以毫米波雷達(dá)為例，目前廣泛應(yīng)用的77GHz毫米波雷達(dá)具有作用距離遠(yuǎn)、測(cè)速精度高、受天氣影響小等獨(dú)特優(yōu)勢(shì)，但也存在角度分辨率低、虛警和誤報(bào)嚴(yán)重、同頻雷達(dá)干擾等缺點(diǎn)。尤其是L3以上級(jí)別智能駕駛系統(tǒng)對(duì)雷達(dá)傳感器提出了更高的要求，如高角度分辨能力、類激光雷達(dá)的點(diǎn)云目標(biāo)輸出、強(qiáng)抗干擾等。因此，研究和開發(fā)分辨率高、目標(biāo)識(shí)別能力強(qiáng)、抗干擾性能優(yōu)越的新一代毫米波成像雷達(dá)產(chǎn)品是大勢(shì)所趨。

        由Arbe Robotics公司自主開發(fā)的雷達(dá)芯片組解決方案—“Phoenix”，通過識(shí)別、評(píng)估和響應(yīng)具有挑戰(zhàn)性的場(chǎng)景與4D超高分辨率實(shí)時(shí)成像，無論周圍的天氣和光照條件如何，Phoenix都能區(qū)分真實(shí)的威脅和虛假警報(bào)。

       Arbe 4D毫米波雷達(dá)因其采用了獨(dú)特的天線芯片設(shè)計(jì)，可以得到點(diǎn)云數(shù)據(jù)。其探測(cè)距離可以達(dá)到300米，同時(shí)高程分辨率可以達(dá)到2°，即可以通過對(duì)點(diǎn)云的算法來進(jìn)行障礙物分類，同樣可以解決雷達(dá)在卡車識(shí)別，經(jīng)過桁架，橋梁時(shí)出現(xiàn)的探測(cè)問題。

• 高分辨率：1°橫向分辨率 & 2°縱向分辨率
• 廣探測(cè)區(qū)：100°水平方向 & 30°縱向
• 長(zhǎng)距：0.5m - 300m 探測(cè)距離
• 高實(shí)時(shí)性：30FPS(4D模式下)
• 高距離分辨率：7.5cm – 60cm
• 多普勒分辨率：0.1m/s
• 誤報(bào)：不存在
• 調(diào)制方式：調(diào)頻連續(xù)波技術(shù) （ FMCW ）

Arbe 4D毫米波雷達(dá)

經(jīng)緯恒潤(rùn)

北京朝陽區(qū)酒仙橋路14號(hào)1幢4層

電話：010-64840808-6102

郵箱：market_dept@hirain.com

網(wǎng)址：www.hirain.com