剪纸
主页 > 剪纸 >

CEO焦点访谈:下两代视觉传感器方案是否可以挤掉雷达的空间?

发布日期:2022-01-17 03:03   来源:未知   阅读:

  MPS充电芯片带你一路生花,提交创意,赢新年幸运背包,更能冲击万元现金大奖!

  EEWorld 芯积分兑换年度回馈来袭~多种赚积分捷径曝光+礼品兑换剧透

  逆袭新机会!来EEWorld 下载中心,做任务赚200积分,轻松实现积分自由

  携程回应要求员工签轮岗轮休协议;Soul运营合伙人设局举报对手被批捕;特朗普回应美股再度熔断 雷锋早报

  LP3983,pdf datasheet (Regulator in micro SMD Packager)

  疫情挡不住自动驾驶人的步伐,2020汽车视觉前瞻技术展示交流会在各位业界同仁的鼎力支持下,于6月18-19日如期在苏州高铁金科大酒店成功召开。

  作为本次会议最具看点的环节,CEO焦点访谈由知行汽车科技(苏州)有限公司创始人&CEO宋阳主持, 魔视智能科技(上海)有限公司CEO虞正华、上海豫兴电子科技有限公司副总经理付兵凯、上海智驾汽车科技有限公司创始人兼董事长周圣砚、鹰驾科技(深圳)有限公司CTO段侪杰参与。

  讨论的主题围绕计算机视觉目前在自动驾驶领域目前最大的瓶颈是什么;如何看待特斯拉自动驾驶的视觉为主+毫米波雷达方案和Waymo的激光为主+视觉+毫米波的方案优劣对比;新基建中汽车的自动驾驶和基础公路的建设也有着千丝万缕的联系是否有相关布局;后深度学习时代,自动驾驶领域会有哪些新的应用场景;中国本土adas供应商面临的最大瓶颈和挑战是什么等话题做了详细的探讨。

  计算机视觉目前在自动驾驶领域目前最大的瓶颈是什么?来自软件还是硬件层面,还是政府法律法规?

  首先算力是一个瓶颈,如何利用自身的优势去做到平衡,包括算法算力不够,如何最大化的去优化的问题。第二点是数据的问题,现在深度学习毋庸置疑已经是主流的方向,推动行业发展最重要的是大家能不能在行业里建立数据共享机制,比如自动驾驶各个场景,园区、矿区、高速公路、干线物流等。建议行业参与者不要封闭起来,开放共享的心态才能推动行业发展。

  赞同周总提到的技术平衡的问题,包括算力、精度等。从技术上,投入量产以后的成本也是一个很大的考量,目前市场有很大的空间和局限,结合自身从物理到医学最后到汽车的发展背景,如果从生物学的角度来看,深度学习首先是模仿人的神经网络,视觉系统,大脑硬件神经连接方式,运作机制决定了可以做什么。

  延伸到目前计算芯片,包括神经网络架构这块模式,决定了最终深度学习的方式来做视觉可以走到多远。在此框架下,软件在现有的硬件、算力已经受到一定制约的情况下,它能走多远,这是第二步可能我们可以推动的事情。并且随着算力的进一步提升,芯片基数进一步提升,可能在理论上极限可以做到用纯视觉实现自动驾驶,但是是否达到值得商榷。

  分为两部分看,目前的时间点看是算法和算力的平衡问题,动态来看越往后算力越来越不是问题,回到算法本身,按照自动驾驶对高可靠的要求来看,即使算力提高上百乃至上千倍,算法本身还是没办法解决,还是需要行业专家共同努力。

  大家在谈到算力的同时需要重视摄像头的发展,摄像头数据采集的好坏和算力也有关系,国内目前对产业配套还不是很完善,在镜头这块差距很大。如何带动产业链,除了自动驾驶提出的需求,供应商这块如何给到更精准的图像,需要行业共同努力。

  如何看待特斯拉自动驾驶的视觉为主+毫米波雷达方案和Waymo的激光为主+视觉+毫米波的方案优劣对比

  特斯拉现在不完全是L3层面,视觉可以解决绝大数的问题,未来包括L4也好,视觉在环境适应性确实有一些天然的劣势,和其他传感器还是存在互补的作用。

  融合是一个必然的状态,因为各个传感器都有各自的特点,比如视觉想做三维测距的话,算力这块就是很大的耗费,如果前端做的不好,算法这块就需要做加倍的补偿,从数据到计算这块需要平衡,只有把各个传感器优势发挥出来,做均衡的处理,更符合未来汽车发展的趋势。

  提到马斯克就想到第一性原理,他去解决问题的眼光和汽车路线的准确度,实际忽略了他看到的还有财务问题,从商业化角度加上激光雷达的高成本不利于销量,第一原理提供了理论支撑,视觉的极限代表人类的极限,谁第一时间点做到就突破了这个瓶颈。特斯拉也从来没有官方宣布做过L1-L4的哪个阶段,他的思维方式是通过视觉不断赋能汽车,不断的给车带来不同的体验。打破思维去解决问题是特斯拉的一个优势,这是我们汽车行业需要去学习的一点。

  新基建中5G、汽车的自动驾驶和基础公路的建设也有着千丝万缕的联系是否有相关布局?

  公司以视觉为主,比如车队的管理,乘客的安全,目前技术已经支持视频的存储和事故的锁定,希望5G可以尽快到来,促进视觉产业的发展。

  从行业角度来说5G是必然的趋势,智能驾驶包括车路协同,商业模式都会有大的变化,5G的发展给汽车除了眼睛之外,加上了鼻子和耳朵,作为企业来说如果前景广阔,紧密跟随新基建的潮流是很有必要的。

  自身会专注车端智能,把车做好,去年和中兴签订5G自动驾驶合作协议,在国内其他地区也开始落地的事情,国内宏观形势的影响还是很大的,专注自身技术发展的同时也要为行业做贡献。

  新基建和企业结合时候提到,企业需要做好内功,目前L2还是L3 都需要备份系统,未来随着5G、V2X的渐进,所有车的数据可以分享下载,备份的系统变得不再是必要了,同时也会降低成本,另外比如未来L2这种周围如果是L4的话,在这样的环境下是否可以实现局部的功能达到L4等信息共享问题,未来在云端这块交给比如百度、华为专业的公司去布局。

  后深度学习时代概念很好,深度学习是2012年提出来的,研究人员花了八年的时间,把深度学习的红利吃尽了,期间把深度学习用在了各行各业,人脸识别、支付、汽车等。早些年我们想找一个放之四海而皆准的深度学习,可以放在监控下,放在车里和竞争对手PK,发现行不通,后深度学习时代是汽车和深度学习的工具和场景的结合去自定义,也是产生利润的方面。

  深度学习这么火是和算力分不开的,深度学习和大脑工作原理差别很大,工作机制和协同性都是有差异的,目前的框架上,深度学习的优势和短板已经表现出来了,如果没有理论上推进,在自动驾驶大数据和算力提高的基础上,可能会面临天花板。

  分为两方面,从现实来看,用深度学习做视觉刚起头,如果做视觉和深度学习,那么车内的应用会越来越多,包括前视、环视摄像头,车内的监控,随着摄像头数量和深度学习对算法的需求越来越多,涉及到将来构建什么样的算法的架构,什么算力平台的架构来支撑如此经济有效的算法。

  今天系统是很孤立的,未来系统是什么样子值得思考。最近MIT校长也写了封公开信,现在深度学习依靠大量数据来做,中国数据大有优势,他强调未来算法是否不需要这么多的数据,未来是否数据翻了几番之后,性能方面还是很有限,依靠小数据量实现算法对于研究很有意义。

  汽车产业整体上是比较传统的,本土的供应商需要一步步的通过技术研发提升,从而可以和国际大的供应商竞争,有自己的立足之地。本土供应商占得比例比较低,既是挑战也是机遇。

  对本土供应商最大挑战的就是耐心和资金。Mobileye也是从九十年代积累到现在,对于国内各初创公司能给到多长的周期去迭代技术落地,以及自身自我造血能力,资本、政策是否可以跟进都是发展的瓶颈,针对国内不同的场景,国外巨头产品不一定适用,这也是机遇。

  机遇是大于挑战的,因为这个行业是创新的,例如底盘和变速箱这些传统行业是积累出来的,具有标准化的产品,但是adas行业其实刚开始。第二就是其实本土adas供应商和国外企业起跑线是很接近的,意味着机遇也很大。

  智车行家,专注于智能网联汽车行业智慧共享互动交流平台,组建了10+行业交流群,定期放送线上专题直播。

  群内包括国内300+主机厂、系统集成商等,涵盖企业总经理,研发总监,主任工程师,高校教授专家等,集合自动驾驶产业链行业精英。欢迎进群交流。

  因为家里有事情,回老家了一趟,有一段时间没有更新了。 其实,LED的程序已经写好了的,只是没有时间写。 众所周知,程序员最不喜欢的事情就是写文档。你去看看,现在的产品使用说明好简单..... AT32F421对标的是STM32F030系列,以前用STM32F030做了一些产品。现在只是修改,移植。有STM基础的小伙伴们,相信一定非常的轻松。 【雅特力开发板AT32F421C8T6】

  .......................学软件的也要会硬件,上传份硬件学习资料

  很多台式机没有无线网卡,只能插网线。 想要使用WiFi,插个USB无线网卡就行,简单方便: USB无线网卡非常小巧,以至于会好奇,电路板是怎么塞进去的: 下面拆解其中某个厂家的一款: 另一个角度: 撬开伸出来的用塑料包括的部分,看到了浅蓝色的天线: 整个电路板拿了出来,露出了小巧而紧凑的电路板,非常漂亮: USB无线网卡采用REALTEK瑞昱半导体的解决方案,芯片型号是RTL8188CUS:

  C54X使用经验 DAVIDLIN发表于2002-11-2022:47DSP技术←返回版面 发信人:xunger(迅哥儿不断战斗中),信区:Circuit 标题:C54X使用经验 发信站:BBS水木清华站(FriDec2910:19:582000) 一点个人所得,拿来和大家交流交流,抛砖引玉而已。 1.电源:用TPS73HD318,外部接法有参考电路,我没有接 电感,工作也正常,rst直接接到dsp的rst,但是需要10第五届冯牧文学奖揭晓:石一枫鲁敏和李云住建部:建立“人房地钱”四位一体联