2021年10月25日，特斯(si)拉市值(zhi)(zhi)站上萬億美(mei)金，成為美(mei)股第五家(jia)市值(zhi)(zhi)破萬億的(de)(de)企業，幾乎超過美(mei)股全(quan)部主要(yao)車企市值(zhi)(zhi)的(de)(de)總(zong)和。特斯(si)拉在(zai)資本市場的(de)(de)成功，刺激著投資者的(de)(de)神(shen)經，也(ye)促使市場再一(yi)次將視野聚焦(jiao)在(zai)自動(dong)駕駛領域，進一(yi)步思(si)考自動(dong)駕駛技術路線的(de)(de)發展方向。
本文希望從技術角度客觀分析和回答以下問題：自動駕駛等級提升需要解決什么關鍵問題？怎樣的自動駕駛方案更加具有實現大規模無人駕駛的可能性？自動駕駛作為現實世界的AI問題，難點在哪里？以上問題促使我們理性客觀地思考該如何去實現自動駕駛——這一承載了太多期望、不斷挑撥大眾神經的技術生產力變革，從而推動行業冷靜且務實地向前發展。
1.自動駕駛的眼睛：基于高質量圖像成像的視覺雷達
隨(sui)著自動(dong)駕(jia)(jia)(jia)(jia)駛(shi)等(deng)級(ji)的(de)(de)(de)不斷提(ti)高，控制權和責任主體逐漸從駕(jia)(jia)(jia)(jia)駛(shi)員(yuan)轉換(huan)為(wei)車(che)輛，智駕(jia)(jia)(jia)(jia)系統(tong)的(de)(de)(de)定位(wei)也將由(you)擴增人的(de)(de)(de)感知能(neng)力到接管車(che)輛自主駕(jia)(jia)(jia)(jia)駛(shi)。由(you)此(ci)對智駕(jia)(jia)(jia)(jia)系統(tong)之于物理(li)世(shi)界(jie)環(huan)(huan)境(jing)理(li)解的(de)(de)(de)要求完全(quan)不同，將由(you)對物理(li)世(shi)界(jie)部(bu)分(fen)信息的(de)(de)(de)提(ti)取提(ti)升到事無巨細的(de)(de)(de)全(quan)面感知與理(li)解。而(er)這種變化(hua)，首(shou)要就是對2D圖(tu)像(xiang)成像(xiang)與3D建模的(de)(de)(de)越來越高的(de)(de)(de)要求：1）更高分(fen)辨率和環(huan)(huan)境(jing)適應度的(de)(de)(de)2D圖(tu)像(xiang)成像(xiang)；2）對物理(li)世(shi)界(jie)準確且稠密的(de)(de)(de)實時(shi)3D建模。
Camera是(shi)自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)(shi)感知物理世界最重要(yao)(yao)的(de)(de)(de)(de)(de)(de)傳(chuan)感器，其分辨率(lv)的(de)(de)(de)(de)(de)(de)提(ti)升(sheng)(sheng)(sheng)將極大(da)的(de)(de)(de)(de)(de)(de)提(ti)升(sheng)(sheng)(sheng)圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)的(de)(de)(de)(de)(de)(de)信息承(cheng)載量，使(shi)得自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)(shi)系統能夠感知更(geng)加細節和(he)更(geng)遠距(ju)離的(de)(de)(de)(de)(de)(de)行(xing)(xing)車環(huan)境(jing)。當前(qian)主流自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)(shi)前(qian)視攝像(xiang)(xiang)(xiang)(xiang)頭的(de)(de)(de)(de)(de)(de)分辨率(lv)已經到(dao)800萬像(xiang)(xiang)(xiang)(xiang)素以上(shang)，而更(geng)高(gao)的(de)(de)(de)(de)(de)(de)分辨率(lv)也是(shi)未來必(bi)然發生(sheng)的(de)(de)(de)(de)(de)(de)事情。自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)(shi)汽(qi)車面(mian)臨的(de)(de)(de)(de)(de)(de)是(shi)一個(ge)開放(fang)性(xing)的(de)(de)(de)(de)(de)(de)外部環(huan)境(jing)，除了分辨率(lv)的(de)(de)(de)(de)(de)(de)提(ti)升(sheng)(sheng)(sheng)，還(huan)需要(yao)(yao)提(ti)升(sheng)(sheng)(sheng)自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)(shi)在各種行(xing)(xing)車路(lu)況下的(de)(de)(de)(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)成(cheng)像(xiang)(xiang)(xiang)(xiang)質量，比如不同(tong)的(de)(de)(de)(de)(de)(de)光(guang)線環(huan)境(jing)，傍晚、夜晚等(deng)，不同(tong)的(de)(de)(de)(de)(de)(de)氣候環(huan)境(jing)，雨雪(xue)霧天等(deng)。相對于(yu)傳(chuan)統汽(qi)車應用的(de)(de)(de)(de)(de)(de)車載成(cheng)像(xiang)(xiang)(xiang)(xiang)，自(zi)動(dong)(dong)駕(jia)(jia)駛(shi)(shi)對于(yu)車載成(cheng)像(xiang)(xiang)(xiang)(xiang)質量的(de)(de)(de)(de)(de)(de)要(yao)(yao)求(qiu)將極大(da)提(ti)升(sheng)(sheng)(sheng)，如何通過成(cheng)像(xiang)(xiang)(xiang)(xiang)計算(suan)獲取(qu)更(geng)高(gao)質量的(de)(de)(de)(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)就成(cheng)為一個(ge)要(yao)(yao)解(jie)決的(de)(de)(de)(de)(de)(de)關鍵性(xing)問題(ti)。
自(zi)動(dong)駕(jia)(jia)駛(shi)(shi)汽車在(zai)(zai)(zai)三(san)維物(wu)(wu)(wu)理世界中運行(xing)，必然要求對(dui)(dui)物(wu)(wu)(wu)理世界進行(xing)更加深(shen)(shen)刻的(de)(de)(de)(de)(de)三(san)維理解(jie)(jie)。當前的(de)(de)(de)(de)(de)高級別輔(fu)助駕(jia)(jia)駛(shi)(shi)在(zai)(zai)(zai)道路上不(bu)斷(duan)出(chu)現(xian)各種各樣的(de)(de)(de)(de)(de)事(shi)(shi)故(gu)，這些(xie)事(shi)(shi)故(gu)的(de)(de)(de)(de)(de)發(fa)生很大(da)(da)程度(du)上是(shi)由于(yu)沒有識別到未被樣本庫所覆(fu)蓋的(de)(de)(de)(de)(de)異形、非標等(deng)物(wu)(wu)(wu)體(ti)(ti)，比如一(yi)輛拉著一(yi)棵(ke)樹(shu)的(de)(de)(de)(de)(de)貨(huo)車等(deng)，而(er)這些(xie)corner case是(shi)無(wu)法(fa)被窮盡的(de)(de)(de)(de)(de)。對(dui)(dui)于(yu)行(xing)車環(huan)境的(de)(de)(de)(de)(de)實(shi)時稠密(mi)3D建(jian)模不(bu)僅可(ke)以識別異形和(he)非標等(deng)物(wu)(wu)(wu)體(ti)(ti)，還能判斷(duan)路面(mian)坑(keng)洼與起伏，這無(wu)疑將(jiang)大(da)(da)大(da)(da)提升(sheng)自(zi)動(dong)駕(jia)(jia)駛(shi)(shi)的(de)(de)(de)(de)(de)安全(quan)級別。當前自(zi)動(dong)駕(jia)(jia)駛(shi)(shi)的(de)(de)(de)(de)(de)3D環(huan)境感知(zhi)，主(zhu)(zhu)要依賴激光雷達等(deng)主(zhu)(zhu)動(dong)投射測量裝置，但其(qi)在(zai)(zai)(zai)分(fen)(fen)辨(bian)率(lv)上遠低于(yu)Camera，也不(bu)具備(bei)顏色(se)信息。隨著深(shen)(shen)度(du)學習的(de)(de)(de)(de)(de)發(fa)展，單目(mu)深(shen)(shen)度(du)估計、雙目(mu)立體(ti)(ti)視覺(jue)、SFM、MVS等(deng)問題已經可(ke)以被深(shen)(shen)度(du)神(shen)經網(wang)絡所建(jian)模，從而(er)可(ke)以基于(yu)多(duo)目(mu)視覺(jue)通過AI的(de)(de)(de)(de)(de)方法(fa)實(shi)時生成3D點(dian)云，其(qi)視覺(jue)點(dian)云天然與圖像對(dui)(dui)齊，并且其(qi)分(fen)(fen)辨(bian)率(lv)也能達到圖像分(fen)(fen)辨(bian)率(lv)的(de)(de)(de)(de)(de)級別。因此，如何通過多(duo)目(mu)視覺(jue)實(shi)現(xian)高分(fen)(fen)辨(bian)率(lv)的(de)(de)(de)(de)(de)實(shi)時稠密(mi)3D建(jian)模，即視覺(jue)雷達，是(shi)另外一(yi)個要解(jie)(jie)決的(de)(de)(de)(de)(de)關(guan)鍵性問題。
視覺傳(chuan)(chuan)感(gan)器的(de)(de)信息承載(zai)量極高，目前(qian)遠未被充分挖掘，但無(wu)論2D圖像成像還是實(shi)時稠密3D建模都需(xu)要(yao)(yao)強有力(li)的(de)(de)算(suan)(suan)(suan)法和算(suan)(suan)(suan)力(li)進行(xing)支撐，這需(xu)要(yao)(yao)算(suan)(suan)(suan)法和算(suan)(suan)(suan)力(li)進行(xing)協(xie)同設(she)計。視覺傳(chuan)(chuan)感(gan)器+算(suan)(suan)(suan)力(li)+算(suan)(suan)(suan)法的(de)(de)傳(chuan)(chuan)感(gan)器計算(suan)(suan)(suan)模式，將更(geng)加本質的(de)(de)推動解決(jue)自動駕(jia)駛當前(qian)面臨的(de)(de)關鍵問題，即從2D和3D層(ceng)面對物理(li)世(shi)界進行(xing)事無(wu)巨細的(de)(de)感(gan)知與理(li)解。
鑒智機器(qi)人核(he)心團(tuan)隊擁有超過(guo)十年的(de)圖(tu)像處理、AI算(suan)法和算(suan)力設計的(de)行業經驗，將以視覺(jue)傳感器(qi)為(wei)核(he)心，通(tong)過(guo)解決(jue)車載ISP、視覺(jue)雷達等(deng)視覺(jue)傳感器(qi)2D、3D成(cheng)像的(de)核(he)心問(wen)題，打造更加強大的(de)自動駕駛之眼，從(cong)而(er)推動自動駕駛安全(quan)等(deng)級的(de)提(ti)升(sheng)。
1.1 從手機ISP到車載ISP
ISP（Image Signal Processor）是指通過一(yi)系列(lie)數字圖像處(chu)理(li)算(suan)法完成對數字圖像的成像處(chu)理(li)。在攝像機成像的整個(ge)環節中，ISP負責接收感光(guang)元件的原(yuan)始信號數據(ju)，可以(yi)理(li)解為(wei)整個(ge)攝像機圖像輸出的第(di)一(yi)步(bu)處(chu)理(li)流(liu)程。ISP在提(ti)高圖像質(zhi)量(liang)、增強數據(ju)的一(yi)致性等方面有(you)著極(ji)其關鍵(jian)的作用。
得益于智能手機的發展和手機攝像頭像素越來越高，手機ISP在過去幾年得到了快速的發展和進步，手機拍照和錄像的質量也越來越高，甚至到了驚艷的地步。比如在夜晚等場景，可以拍到比人眼看到的更清晰、光照更充足、色彩更豐富的照片；比如在進出隧道等光照變化劇烈的場景，也可以錄制出比人眼表現更穩定、更清晰的視頻。這些效果除了源于手機攝像頭硬件上的升級，專門的AI ISP處理算法和處理芯片也起到了至關重要的作用。
隨著自動(dong)駕駛對(dui)車(che)(che)載(zai)成像質(zhi)量的階躍(yue)式提(ti)升(sheng)需(xu)求，車(che)(che)載(zai)ISP，特別(bie)是(shi)針(zhen)對(dui)駕駛場景優(you)化的AI ISP處理算(suan)(suan)(suan)法和處理芯片(pian)，將(jiang)(jiang)迎來爆發式的發展。AI在車(che)(che)載(zai)ISP整個流(liu)程(cheng)中將(jiang)(jiang)變(bian)得(de)越來越重(zhong)要，特別(bie)是(shi)在降噪、去(qu)模糊、HDR等(deng)問(wen)題上(shang)，可以在夜晚、陽光(guang)直射(she)、進出(chu)隧道等(deng)暗(an)光(guang)、強光(guang)、高(gao)動(dong)態場景得(de)到遠(yuan)超人眼的成像效果，同(tong)時最(zui)大(da)(da)程(cheng)度(du)上(shang)解決由Sensor引起的噪點、模糊等(deng)問(wen)題。將(jiang)(jiang)AI計(ji)算(suan)(suan)(suan)前置在ISP計(ji)算(suan)(suan)(suan)Pipeline中，通過流(liu)式計(ji)算(suan)(suan)(suan)，使(shi)得(de)ISP的計(ji)算(suan)(suan)(suan)Pipeline不被打斷，也將(jiang)(jiang)大(da)(da)大(da)(da)提(ti)升(sheng)AI ISP的性能功耗比(bi)。
鑒智機(ji)器人擁(yong)有全鏈路的芯(xin)片級ISP IP的設計能力，將(jiang)解(jie)決ISP特(te)別是(shi)AI ISP在車(che)載場(chang)景的核心問題，讓車(che)載攝像頭成像更清晰，從而進一步提高視覺雷達點(dian)云生成和圖像語(yu)義感知等后續任(ren)務的準確性。
圖1：鑒智機器人擁有全鏈路的ISP算(suan)法(fa)和算(suan)法(fa)硬核(he)化(hua)設(she)計(ji)能(neng)力
1.2 從2D感知到視覺雷達
面對大(da)規(gui)模自動駕(jia)駛，對3D點(dian)云(yun)的信息稠(chou)密程度、場景(jing)泛化性、性能可擴(kuo)展性方面提出了(le)更(geng)高的要求。基于(yu)視(shi)覺雷達，通過雙目或(huo)者多目立(li)體(ti)視(shi)覺計算，產生實時稠(chou)密的3D點(dian)云(yun)是更(geng)優的方式(shi)。
雙目(mu)立體(ti)(ti)視覺是機器視覺的一種(zhong)重(zhong)要形式，與(yu)人眼(yan)類似，它(ta)是基于視差(cha)原理(li)，通(tong)過(guo)計(ji)算(suan)圖像(xiang)對應(ying)點(dian)間的位置偏差(cha)，來獲(huo)取物體(ti)(ti)三維幾何信息的方法(fa)，和基于TOF、結構光原理(li)的深度(du)相機不(bu)同，它(ta)不(bu)對外主動投射光源，完(wan)全(quan)依(yi)靠拍攝的兩張圖片（彩色(se)RGB或者灰度(du)圖）來計(ji)算(suan)深度(du)。
傳統的(de)(de)雙目立體(ti)匹(pi)(pi)配(pei)(pei)算(suan)(suan)(suan)法針對弱紋理(li)、反(fan)光等(deng)區域效(xiao)果(guo)比(bi)較(jiao)(jiao)差(cha)，同時(shi)對于(yu)物體(ti)語義信息利(li)用比(bi)較(jiao)(jiao)少，算(suan)(suan)(suan)法適用范圍(wei)具(ju)有(you)局限性，點云效(xiao)果(guo)上限比(bi)較(jiao)(jiao)明顯(xian)。隨著深(shen)(shen)度(du)學習(xi)技術的(de)(de)發展(zhan)，基(ji)于(yu)CNN、Cost Volume、Transformer的(de)(de)立體(ti)匹(pi)(pi)配(pei)(pei)算(suan)(suan)(suan)法展(zhan)現出(chu)來了極強的(de)(de)算(suan)(suan)(suan)法效(xiao)果(guo)和潛力。目前知名自動駕駛數(shu)據集(ji)KITTI上的(de)(de)立體(ti)匹(pi)(pi)配(pei)(pei)任務排名靠前的(de)(de)基(ji)本都是基(ji)于(yu)深(shen)(shen)度(du)學習(xi)的(de)(de)算(suan)(suan)(suan)法。基(ji)于(yu)深(shen)(shen)度(du)學習(xi)的(de)(de)雙目立體(ti)匹(pi)(pi)配(pei)(pei)算(suan)(suan)(suan)法對于(yu)計算(suan)(suan)(suan)芯片(pian)的(de)(de)AI算(suan)(suan)(suan)力提(ti)出(chu)了比(bi)較(jiao)(jiao)高(gao)的(de)(de)要求(qiu)，對于(yu)研(yan)發模(mo)式也提(ti)出(chu)了新的(de)(de)要求(qiu)，需要從(cong)傳統的(de)(de)雙目相機研(yan)發模(mo)式變成以AI為核心、軟硬結合、數(shu)據驅動的(de)(de)研(yan)發模(mo)式。
從雙目立體視(shi)覺(jue)更(geng)進(jin)一步，充分(fen)利用相機的(de)運動信息和多個相機間(jian)的(de)幾何約束，通過相機姿態估(gu)(gu)計、深度估(gu)(gu)計、光流(liu)估(gu)(gu)計、MVS等(deng)算法，以及任(ren)務之間(jian)互相監督(du)的(de)一系列自監督(du)算法，可(ke)以得到360度的(de)點云(yun)數據，也(ye)就是視(shi)覺(jue)雷達(da)(da)，從而形成(cheng)與圖像分(fen)辨(bian)率相匹(pi)配的(de)稠密點云(yun)。同時，以攝像頭+算力+算法為核心的(de)視(shi)覺(jue)雷達(da)(da)，還(huan)具有產業鏈(lian)成(cheng)熟可(ke)控、成(cheng)本可(ke)控、器(qi)件穩定性有保(bao)證、滿足車(che)(che)規等(deng)優勢，更(geng)容易實現大規模前裝量(liang)產上車(che)(che)使用。
圖2：鑒(jian)智機器人視覺雷達Roadmap
2.自動駕駛的大腦：全流程數據驅動的強單車智能
自動駕駛(shi)的(de)(de)大(da)腦負責從感(gan)知到決(jue)策的(de)(de)駕駛(shi)全(quan)流程，也是自動駕駛(shi)最復雜、最核(he)心(xin)(xin)和(he)(he)難度最高的(de)(de)部分(fen)。傳統(tong)的(de)(de)以規則為核(he)心(xin)(xin)的(de)(de)軟件1.0工程化系統(tong)，在(zai)可(ke)(ke)維(wei)護性(xing)、擴展性(xing)和(he)(he)進化性(xing)上都(dou)具(ju)有一定的(de)(de)局限性(xing)。以AI和(he)(he)軟件2.0為核(he)心(xin)(xin)，全(quan)流程數(shu)據驅(qu)動的(de)(de)感(gan)知、預測、規控算法和(he)(he)強(qiang)單車智能的(de)(de)解(jie)決(jue)方案，無(wu)疑是實現大(da)規模無(wu)人駕駛(shi)更可(ke)(ke)行的(de)(de)方案。
鑒智(zhi)機器人核(he)心團(tuan)隊在AI算法(fa)和應用、軟件(jian)2.0的基礎設施(shi)、數據驅動的大規模實踐(jian)上擁有豐富(fu)的經驗，將(jiang)通過(guo)全流(liu)程數據驅動的自動駕駛(shi)大腦(nao)，建立強單車智(zhi)能(neng)，從而降低對(dui)外部(bu)基礎設施(shi)的依賴(lai)，更(geng)加利(li)于(yu)自動駕駛(shi)的復制與推廣(guang)。
2.1 深度學習帶來的2D感知技術突破
感知(zhi)是(shi)自動駕(jia)駛(shi)獲(huo)取信息的第一步(bu), 所(suo)謂感知(zhi)是(shi)指(zhi)通過攝(she)像頭或其他(ta)傳(chuan)感器識別(bie)所(suo)看到的物體(ti)并理解該物體(ti)是(shi)什么，這(zhe)對(dui)自動駕(jia)駛(shi)是(shi)至關重要的環節。自動駕(jia)駛(shi)車(che)輛首先是(shi)要識別(bie)車(che)道(dao)線(xian)(xian)，然后還要識別(bie)紅(hong)綠(lv)燈、標(biao)志牌，除此(ci)之(zhi)外就是(shi)識別(bie)障礙物比如前后左右有(you)(you)沒有(you)(you)車(che)輛，有(you)(you)沒有(you)(you)行(xing)人，才能夠(gou)進一步(bu)規劃行(xing)駛(shi)路線(xian)(xian)。
過去十年是人工智能技術的黃金十年，深度學習改變了計算機視覺整個領域，也帶來了2D感知各個方向技術的突破。2D感知主要有圖像分類、圖像（物體）識別、細粒度識別（人臉識別）等方向，所采用的技術也從最早的模板匹配、線性分類到現在所廣泛使用的深層卷積神經網絡，再到最近刷新各大視覺任務榜單的Transformer。隨著硬件計算能力的不斷提升、算法范式的不斷改進、可利用數據資源的不斷增長，基于攝像頭的2D感知已經成為了乘用車智能駕駛的主流方案，同時也成為了很多解決方案的核心差異點。
鑒智機器(qi)人核(he)心(xin)團隊在(zai)(zai)國內最早(zao)基于深度學習在(zai)(zai)2D視覺感知(zhi)各個方向開展(zhan)系統性研究和大(da)規(gui)模(mo)落(luo)地應用，在(zai)(zai)眾多全球(qiu)最具影響力的2D感知(zhi)AI比賽和評測中獲得冠軍，發表頂(ding)級(ji)會(hui)議(yi)和期刊(kan)論(lun)文幾十余篇，在(zai)(zai)多個業務(wu)領域(yu)實現了人工智能(neng)2D感知(zhi)技術的大(da)規(gui)模(mo)應用落(luo)地。
(a)目標檢(jian)測、人體骨(gu)骼(ge)點 |
(b)全(quan)景分(fen)割(ge) |
(c)360°視覺感知 |
(d)單目測距 |
圖3：鑒智機器人在2D感(gan)知方向(xiang)具有世(shi)界一流的核心能(neng)力
2.2 從2D感知到4D感知
如果說2D感(gan)(gan)知(zhi)還是(shi)在平面上(shang)檢測、識別、分割物體(ti)，那么加入深度(du)信息后，基礎的2D感(gan)(gan)知(zhi)即轉化(hua)為3D感(gan)(gan)知(zhi)。如果進一步在3D的基礎上(shang)加入時(shi)間這一維(wei)度(du)，進化(hua)得到(dao)的則(ze)是(shi)4D感(gan)(gan)知(zhi)。在自動(dong)駕駛(shi)領域，4D感(gan)(gan)知(zhi)可以完整且連(lian)續的探(tan)測車輛周圍的物體(ti)。
基于深度學(xue)習和(he)三(san)維視(shi)覺技(ji)術不斷發展，隨著Cost Volume、Optical Flow、differentiable Homography、Transformer等技(ji)術的(de)成(cheng)熟，以(yi)及多傳(chuan)感(gan)器融(rong)合(he)、眾包重建(jian)、稠密重建(jian)、自動標注等方向不斷發展，可以(yi)高效率的(de)提供高質量、大(da)規模(mo)的(de)4D場景數據，端到(dao)端的(de)4D感(gan)知正在成(cheng)為(wei)技(ji)術趨勢。相比于傳(chuan)統的(de)2D感(gan)知+后融(rong)合(he)的(de)方案(an)，端到(dao)端的(de)4D感(gan)知擁有很多優勢，可以(yi)解決測距抖動較(jiao)大(da)、多攝像頭拼接不準確、時序結果不穩定、迭代效率較(jiao)低等一系列問(wen)題。
更(geng)進(jin)(jin)一(yi)步，基(ji)于(yu)端到端的4D感(gan)知，可(ke)以進(jin)(jin)行(xing)更(geng)好(hao)的4D預(yu)測，一(yi)方面可(ke)對(dui)(dui)(dui)于(yu)交通參與者(zhe)進(jin)(jin)行(xing)更(geng)優(you)的運動軌跡預(yu)測，從而實現性(xing)能更(geng)加優(you)異的規劃控制；另(ling)一(yi)方面可(ke)對(dui)(dui)(dui)于(yu)道路行(xing)駛(shi)區域預(yu)測更(geng)加精(jing)細的3D結構化信息，在線生成局部實時3D地圖，降低對(dui)(dui)(dui)高精(jing)地圖等基(ji)礎(chu)設施(shi)的依賴。
圖4：鑒智機器人針對復雜路口駕駛場景的4D感知結果
自(zi)(zi)動(dong)駕(jia)駛(shi)被認(ren)為(wei)是目(mu)前最重(zhong)要(yao)的(de)(de)硬科技創(chuang)新之(zhi)一。在汽(qi)車(che)行業(ye)(ye)百年未有(you)之(zhi)大(da)變革的(de)(de)歷史(shi)性(xing)時刻，中國(guo)由(you)于在電(dian)動(dong)汽(qi)車(che)領域的(de)(de)提(ti)(ti)前布局、全面開花(hua)，以及完整產(chan)業(ye)(ye)鏈的(de)(de)巨大(da)優勢，國(guo)內企業(ye)(ye)在自(zi)(zi)動(dong)駕(jia)駛(shi)方(fang)向(xiang)擁有(you)非常好的(de)(de)機(ji)會和(he)(he)產(chan)業(ye)(ye)優勢，有(you)機(ji)會通過電(dian)動(dong)化(hua)和(he)(he)智能化(hua)實現百年汽(qi)車(che)工業(ye)(ye)這一最重(zhong)要(yao)的(de)(de)支柱(zhu)產(chan)業(ye)(ye)的(de)(de)超車(che)和(he)(he)領先。但自(zi)(zi)動(dong)駕(jia)駛(shi)的(de)(de)發(fa)展速度仍(reng)然低(di)于大(da)眾和(he)(he)市(shi)場的(de)(de)預期，這里(li)存在若干(gan)影(ying)響自(zi)(zi)動(dong)駕(jia)駛(shi)等級提(ti)(ti)升(sheng)的(de)(de)關鍵性(xing)問(wen)題(ti)亟(ji)待解決，鑒智機(ji)器人基(ji)于自(zi)(zi)身在AI算法、AI算力(li)層面的(de)(de)積累，致(zhi)力(li)于解決自(zi)(zi)動(dong)駕(jia)駛(shi)成像計算和(he)(he)下一代(dai)自(zi)(zi)動(dong)駕(jia)駛(shi)方(fang)案的(de)(de)關鍵性(xing)問(wen)題(ti)，從而推動(dong)自(zi)(zi)動(dong)駕(jia)駛(shi)的(de)(de)創(chuang)新發(fa)展。
來源：機器(qi)之心(xin)Pro
