一、圖像識別在 ADAS 中能夠實現的功能

　　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更強 調高速下的實時性，技術正處在發展上升期。

視覺 ADAS 可實現的功能

數據來源：公開資料整理

　　2、 視覺系 ADAS 產品軟硬件的需求

　　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。

　　車載 ADAS 攝像頭模組：攝像頭模組是保證視覺系 ADAS 產品算法發揮效力的 基礎，需要針對包括：明暗反差過大（如：進出隧道）、平衡圖像（寬動態）、 高感光、避免給芯片帶來太大壓力（并不是一昧追逐高像素）等方面定制化開 發。另外由于 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，因此在硬件選取時需要在廣角和長焦中取其平衡。

　　核心算法芯片：圖像相關算法對芯片性能要求較高，主要考慮的指標有運算速 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。

　　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。

　　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、完成識別等幾個 步驟。其中，特征提取和預處理兩個步驟尤其依賴專業經驗。作為解決路徑， 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，自己學習判斷。這樣就可以免去計算視覺特征提取、預處理等 步驟，感知過程也可以簡化為輸入圖片——>輸出結果兩步。

　　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。

　　單目和雙目攝像頭平臺：按照車載攝像頭模組的不同，目前主流 ADAS 攝像頭 可以分為單目和雙目兩種技術路線。

單目、雙目攝像頭的比較

數據來源：公開資料整理

　　單目攝像頭的算法思路是先識別后測距：首先通過圖像匹配進行識別，然后根據圖 像大小和高度進一步估算障礙與本車時間。在識別和估算階段，都需要和建立的樣本數 據庫進行比較。因此，想要識別各種車，就要建立車型數據庫。

　　雙目攝像頭的算法思路則是先測距后識別：首先利用視差直接測量物體與車的距離， 原理和人眼類似。兩只眼睛看同一個物體時，會存在視差，發現感官上的位移。這種位 移大小可以進一步測量出目標物體的遠近。而在識別階段，雙目仍然要利用單目一樣的 特征提取和深度學習等算法，進一步識別障礙物到底是什么。

　　因為視差越遠越小的緣故，業內有觀點認為，雙目在 20 米內有明顯的測距優勢，在 20 米距離外，視差減小測距存在難度，可以用高像素攝像頭和更優秀的算法來提升測距 性能，該處是難點也是核心競爭力。雙目鏡頭的間距和測距是兩個此消彼長的參數，考 慮車內美觀和 ADAS 需要，小尺寸遠距離雙目產品更受歡迎。

　　因為增加了一個鏡頭，帶來更多運算量，整個攝像頭模組的性能要求和成本都更高 了。而且在兩者都有的標定工作上，雙目要比單目更加復雜。而且選擇雙目方案切入市 場并不能完全繞開單目方案的難點，在第二個階段，你依然要需要一個龐大的數據庫， 依然需要打磨算法。

　　3、 Mobileye 的圖像識別產品

　　Mobileye 具有自主研發設計的芯片 EyeQ 系列，由意法半導體公司生產供應。現在 已經量產的芯片型號有 EyeQ1-Q5。不同的芯片可以實現不同的 ADAS 功能，具體發展 歷程如下：

Mobileye 的圖像識別產品發展歷程

數據來源：公開資料整理

　　因為近幾年計算機視覺發展迅速、攝像頭硬件成本相對低廉，從攝像頭角度切入 ADAS 感知的創業公司數量也非常可觀，可以將這些公司統稱為視覺方案提供商。他們 擁有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。

視覺系 ADAS 產品供應體系

數據來源：公開資料整理

　　高精地圖——安全駕駛核心鏈條成員

　　高精度地圖是安全駕駛核心鏈條必不可缺的成員之一。高精度，一方面是說絕對坐 標精度更高。絕對坐標精度指的是地圖上某個目標和真實的外部世界的事物之間的精度。 高精度地圖的絕對精度一般都會在亞米級，也就是 1 米以內的精度，而且橫向的相對精 度（比如，車道和車道，車道和車道線的相對位置精度）往往還要更高。

　　另一方面，高精度地圖所含有的道路交通信息元素更豐富和細致。高精度地圖不僅 有高精度的坐標，同時還有準確的道路形狀，并且每個車道的坡度、曲率、航向、高程， 側傾的數據也都含有。

　　智能汽車不僅僅是依靠傳感器來指揮交通，更需要高精度地圖來配合相應工作。

　　高精度地圖對于智能汽車的意義：

　　能夠在危險的路口提前對車輛做出警示和減速提醒

　　能夠不受光照、霧霾和雷雨等天氣影響，不受晝夜影響，更不受傳感器安裝位 置及車型影響對道路進行安全及方向指引

　　提供多車道類型預警，包括高速、城區、鄉村等公路級別、隧道、橋梁、施工 路段等，以及其具體的位置、朝向、曲率、坡度、限速等

　　減少了急剎急起的不良駕駛狀態，有效改善駕駛的舒適性

　　高精地圖的精確程度由其配套的定位技術的組合來決定

　　該分布圖層下兩層為高精度地圖靜態數據，結合上兩層 V2X數據即時支持，能夠為 自動駕駛行車決策提供強有力的指導。

　　高精度地圖在無人駕駛領域具有不可替代性，未來有望成為圖商重要增長點，預計 未來的十五年高精度地圖行業將迎來黃金發展期，到 2020 年高精度地圖市場為 21 億 美元， 2025 該市場將達到 94 億美元。

高精度地圖市場規模（億美元）

數據來源：公開資料整理

　　目前多家公司擁有自己領先的高精地圖技術：

　　TomTom 發布視頻展示其車道級高精度定位技術，建立在其高精度地圖和車道級點 云地圖（RoadDNA）數據之上。在車輛實際運行過程中，定位算法會將實時點云數據與 RoadDNA 進行匹配，計算高精度位置，可用于自動駕駛汽車的車道保持和路徑規劃。

　　Here 地圖是由諾基亞提供的地圖服務，提供定位、地理信息系統等服務，有 200 多 個國家和地區的地圖，在近 100 個國家提供語音導航，可運行在 Windows Phone、iOS、 Android、Firefox OS 等多種操作系統上。2015 年，Here 地圖被德國汽車公司奧迪、寶 馬、戴姆勒收購。

　　目前國內的情況是主要的數據都依賴于采集，與國外發達國家有比較大的差別。在 國外發達國家，由于建設速度相對比較緩慢，政府的信息化水平以及信息較為透明，因 此地圖數據大部分由政府進行提供。

　　國內地圖供應商主要有三家：百度、高德、四維圖新，其中，由于資質原因，百度 在數據采集方面起步較晚，其強項集中在自動駕駛相關的控制算法研究。百度地圖數據 主要來自四維圖新和道道通以及少量的自產數據。高德地圖這方面的數據以自產為主， 輔以向一些專業服務商購買（口碑網，大眾點評，攜程，樂途，搜房）因此，在數據層 面，四維圖新和高德是最主要的競爭對手。

　　高德地圖發布 AI 智能公交導航，利用大數據及機器學習能力，為用戶公交出行提供 智能導航出行解決方案并利用阿里云建立面向車輛的自學習平臺及實時信息發布平臺

　　四維圖新通過“高精度地圖+芯片+算法+系統平臺”戰略，推出涵蓋傳統地圖、動 態內容、云端服務、操作系統、手機車聯方案等基于車聯網的解決方案。

　　在與車企合作方面，四維圖新擁有大量車企合作伙伴。實際上，作為導航電子地圖 產品的研發、生產、銷售和服務商，地圖出售預裝也成為四維圖新最主要的利潤來源之 一。其原有的競爭格局正在發生變化。

　　據 30 家主流汽車制造商數據顯示，已經采用或已確認采用高德地圖單一地圖供應商， 奧迪汽車、大眾（進口）、捷豹路虎汽車、沃爾沃汽車、上汽通用汽車、標致雪鐵龍汽車、 長安汽車、本田汽車、日產汽車、江淮汽車、海馬汽車、觀致汽車等共計十二家
而已采用或已確認采用四圖維新單一地圖供應商的僅有奔馳汽車、雷克薩斯、馬自 達汽車、福特汽車等四家；同時采用高德和四維圖新不同產品的汽車制造商共有：菲亞 特/克萊斯勒、寶馬汽車、大眾汽車、上汽榮威、吉利汽車、奇瑞汽車、現代汽車、長城 汽車、起亞汽車、北京汽車、啟辰汽車、廣汽、豐田汽車、東風汽車等十四家。