智能駕駛的快速發(fā)展離不開感知系統(tǒng)性能的提升，同時感知系統(tǒng)性能的優(yōu)劣也制約著智能駕駛方案的實際落地。在感知系統(tǒng)研發(fā)過程中，每時每刻都需要進行性能檢測評估以了解不同感知系統(tǒng)自身性能的優(yōu)劣，實現(xiàn)取長補短，縮短研發(fā)周期。因此如何高效地對感知系統(tǒng)性能進行測試評價、如何根據(jù)感知系統(tǒng)的不同特性實現(xiàn)針對性地測試評價、如何根據(jù)感知系統(tǒng)測試評價結(jié)果提供行之有效的改進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)緯恒潤推出的感知系統(tǒng)性能評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）和測試環(huán)境（城市、鄉(xiāng)村、高速路、地下車庫等）的不同制定相應的評估分析解決方案，同時可針對感知系統(tǒng)特定性能實現(xiàn)定制化測試評估，此外根據(jù)測試評估結(jié)果可提供相應感知系統(tǒng)優(yōu)化指導方案。
感知系統(tǒng)評估分析流程
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于目標及環(huán)境的感知能力來獲得可靠的、準確的感知信息，同時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)境或場景下對于信息的獲取、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)標準體系，如SOTIF預期功能安全等。
僅以視覺感知舉例，相比其他環(huán)境感知技術(shù)具有以下幾點優(yōu)勢：
- 視覺感知圖像信息量大，包含的運行環(huán)境細節(jié)特征豐富；
- 視覺感知圖像對環(huán)境信息探測范廣，能夠獲取足夠的運行環(huán)境信息；
- 視覺感知圖像獲取途徑方便，主要利用攝像機采集圖像，設(shè)備調(diào)節(jié)簡單、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)濟實用，且維護費用低。
目前在視覺感知領(lǐng)域，常采用機器學習或深度學習的方式來實現(xiàn)目標識別，訓練數(shù)據(jù)集的質(zhì)量以及包含的信息量對于機器學習算法來說是非常關(guān)鍵的，能夠決定神經(jīng)模型訓練過程中神經(jīng)網(wǎng)絡(luò)的各層參數(shù)如何變化。一個深度神經(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。在實際應用中采集無標簽數(shù)據(jù)通常比較容易，但是獲取樣本的類別標簽要困難得多，人力物力成本主要集中于對數(shù)據(jù)進行標注的過程。對無標簽樣本進行標注所需的人力成本成為制約有監(jiān)督學習的瓶頸。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，目前缺乏場景化、高質(zhì)量的數(shù)據(jù)；
- 數(shù)據(jù)標記：標記是數(shù)據(jù)的能量源泉，機器學習模型要求數(shù)據(jù)必須被標記。
因此，需要建立一套提升基于AI的視覺感知軟件驗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。
為了更有針對性地選擇有標簽樣本，大限度地降低對樣本進行標注所需要消耗的人力成本，研究者們提出一系列方法，讓機器主動地挑選有價值的數(shù)據(jù)樣本用于學習，即主動學習。
基于云端部署的感知算法驗證套件
除了算法層面需要給予更多地關(guān)注和驗證，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、激光雷達和超聲波雷達等多傳感器獲取運行環(huán)境信息，但隨著自動駕駛功能復雜性及環(huán)境、道路適應性的不斷提升，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雜需求，還可能帶來更多的設(shè)計及可靠性問題。而目前，在行業(yè)中，也積極在探索更復雜傳感器或多傳感器融合的解決方案，比如激光雷達與視覺的融合、毫米波與視覺的融合等。
以毫米波雷達為例，目前廣泛應用的77GHz毫米波雷達具有作用距離遠、測速精度高、受天氣影響小等獨特優(yōu)勢，但也存在角度分辨率低、虛警和誤報嚴重、同頻雷達干擾等缺點。尤其是L3以上級別智能駕駛系統(tǒng)對雷達傳感器提出了更高的要求，如高角度分辨能力、類激光雷達的點云目標輸出、強抗干擾等。因此，研究和開發(fā)分辨率高、目標識別能力強、抗干擾性能優(yōu)越的新一代毫米波成像雷達產(chǎn)品是大勢所趨。
由Arbe Robotics公司自主開發(fā)的雷達芯片組解決方案—“Phoenix”，通過識別、評估和響應具有挑戰(zhàn)性的場景與4D超高分辨率實時成像，無論周圍的天氣和光照條件如何，Phoenix都能區(qū)分真實的威脅和虛假警報。
Arbe 4D毫米波雷達因其采用了獨特的天線芯片設(shè)計，可以得到點云數(shù)據(jù)。其探測距離可以達到300米，同時高程分辨率可以達到2°，即可以通過對點云的算法來進行障礙物分類，同樣可以解決雷達在卡車識別，經(jīng)過桁架，橋梁時出現(xiàn)的探測問題。
- 高分辨率：1°橫向分辨率 & 2°縱向分辨率
- 廣探測區(qū)：100°水平方向 & 30°縱向
- 長距：0.5m - 300m 探測距離
- 高實時性：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：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
經(jīng)緯恒潤
北京朝陽區(qū)酒仙橋路14號1幢4層
電話：010-64840808-6102
郵箱：market_dept@hirain.com
網(wǎng)址：www.hirain.com
