智能驾驶开发的几个问题

当前市场上的摄像头产品经常存在近距离静止目标不识别和输出的车道线方程系数动态波动较大，请问导致该问题的原因您觉得是什么，该如何来解决？

近距离检测问题

1）FOV视场角太小

2）帧率太低

3）增加样本数据

波动问题

1）深度学习网络模型太小，增加车道线网络模型层数，修改每层卷积核的个数。

2）增加不同场景训练样本数据。

3）增加车道线检测跟踪。

4）修改曲线拟合特征点的帅选方法。

5）修改和矫正摄像头标定参数。

A）摄像机外参：决定摄像机坐标与世界坐标系之间相对位置关系。

其中Pw为世界坐标，Pc是摄像机坐标，他们之间关系为Pc = RPw + T

式中，T= (Tx,Ty,Tz)，是平移向量，R = R(α,β,γ)是旋转矩阵，分别是绕摄像机坐标系z轴旋转角度为γ，绕y轴旋转角度为β，绕x轴旋转角度为α。6个参数组成（α,β,γ,Tx,Ty,Tz)为摄像机外参。

B）摄像机内参：确定摄像机从三维空间到二维图像的投影关系。

针孔摄像机模型为6个参数（f,κ,Sx,Sy,Cx,Cy)；远心摄像机模型为5个参数（f,Sx,Sy,Cx,Cy）。

线阵摄像机为9个参数（f,κ,Sx,Sy,Cx,Cy,width.highth)。

其中，f为焦距；

κ表示径向畸变量级，如果κ为负值，畸变为桶型畸变，如果为正值，那畸变为枕型畸变。Sx,Sy是缩放比例因子。对针孔摄像机来讲，表示图像传感器上水平和垂直方向上相邻像素之间的距离；对于远心摄像机模型，表示像素在世界坐标系中的尺寸。Cx,Cy是图像的主点。对针孔摄像机来讲，这个点是投影中心在成像平面上的垂直投影，同时也是径向畸变的中心。对于远心摄像机模型，只表示畸变的中心。Vx,Vy,Vz：线阵摄像机必须与被拍摄物体之间有相对移动才能拍摄到一幅有用的图像。这是运动向量。

sx和sy是相邻像元的水平和垂直距离。

2.项目开发前期如何选择合适算力的嵌入式平台？项目中后期如何针对嵌入式平台进行算法的性能优化？

平台选择

1）车规级（安全性）

2）算力大小

3）开发周期（SOC/FPGA/ASIC/AMBA/2X等）

4）功耗（芯片的适应温度也有严格要求。工业级芯片的工作温度范围是-40摄氏度至85摄氏度,而车规级芯片工作温度范围是-40摄氏度至125摄氏度。按照温度适应能力以及可靠性分为四类:商业级(0_{70摄氏度)、工业级(-40}85摄氏度)、车规级(-40_{120摄氏度)、军工级(-55}150摄氏度)）

5）功能模块（感知/控制/决策等）。

性能优化

1）软件硬件是一个整体，共同优化。

2）ARM，DSP和DPU上各自优化，引入neon指令等。

3）网络模型轻量化。

模型轻量化的一些方法：

卷积核分解：使用1xN和NX1卷积核代替NXN卷积核；

使用深度压缩deep
compression方法：网络剪枝、量化、哈弗曼编码；

奇异值分解；

硬件加速器；

低精度浮点数保存；

小模型的好处有哪些：

在分布式训练中，与服务器通信需求小；

参数少，从云端下载模型的数据量小；

更适合在FPGA等内存首先的嵌入式、移动端设备上部署；

4）统一输入输出和软硬件接口参数。

5）公用模块统一调用。

6）多线程调度。

7）增加跟踪模算法。

针对某一摄像头产品的开发，项目的开发性能目标和达成路径该如何制定的？针对摄像头图像识别结果，如何评测其性能指标达成情况？

达成目标

1）需求明确。

2）项目开发计划，时间节点把握。

3）适当留有时间，防止突发事件干扰，造成项目延期。

4）统一软件架构，统一输入输出和软硬件接口。

5）执行严格调试和测试计划。

测试计划

1）用科学的指标，比如mAP来量化性能指标。

2）现场场景测试，GPU和嵌入式测试同步。

3）与整车厂各个相关功能模块长期联调和现场测试。

4.主机厂是否需要进行图像处理等相关算法产品的自主开发，相比采用供应商成熟产品有哪些优劣？

优劣

1）主机厂有自主算法，提高主机厂的核心竞争力。

2）内部算法，方便车厂测试，优化，修改，更新。

3）增加人力物力成本开销。

若是自主开发，如何赶超当前市面成熟产品？有哪些具体措施？

如何赶超

1）引进优秀人才，提高核心竞争力。

2）自主开发也要坚持对外交流与合作。

3）用最先进的方法开发。比如，深度学习代替传统算法；开发自动驾驶与辅助驾驶相结合。

4）充分利用服务器，云计算等高效设备。

5）采购先进的软/硬件开发工具和测试工具。

智能驾驶开发的几个问题相关推荐

智能驾驶下半场！华锐捷/畅行智驾/木牛科技/奥迪威的答案是？
智能加速新周期,如何找准新方向?汽车产业链降本增效趋势下,对上游赛道包括芯片企业.传感器供应商带来什么影响,要如何应对? 智能驾驶下半场,高性价比.可拓展性.快速量产.规模化成为了关键词,智驾域控赛道 ...
地平线：面向规模化量产的智能驾驶系统和软件开发
导读 7月27日,地平线在智东西公开课开设的「地平线自动驾驶技术专场」第3讲顺利完结,地平线智能驾驶应用软件部负责人宋巍围绕 <面向规模化量产的智能驾驶系统和软件开发>这一主题进行了直播讲 ...
千寻位置开发demo_从智能驾驶到智慧交通，看千寻位置如何助力未来“智”变...
近日,红旗品牌全尺寸智慧纯电SUV红旗E-HS9正式上市,该车基于千寻位置FindAUTO高精度定位服务,可以获得最高精度为20厘米的卫星定位结果,在自动驾驶功能与V2X应用两个方面均具有较高的安全性 ...
天欧黄汉知：基于模型的智能驾驶性能开发和测试方法
除了道路测试,软件模拟也很重要. 车云按:2017年6月21日-22日,由中国安全产业协会.TIAA车载信息服务产业应用联盟与车云网共同主办的2017年中国安全产业峰会暨首届交通安全产业论坛在北京召开 ...
智能驾驶计算平台算力技术
智能驾驶计算平台算力技术域控制器:高算力平台助推高级别智能驾驶,高通布局加速英伟达仍是高算力平台首选,2022年开启量产周期.根据我们的统计,英伟达仍是高算力平台首选,目前主打高级别智能驾驶的厂商 ...
NXP智能驾驶软件系统
NXP智能驾驶软件系统 ADAS和高度自动驾驶汽车解决方案市场领先的ADAS解决方案先进的驾驶员辅助系统(ADAS)提供了安全的.日益自动化的驾驶体验,这将重塑出行关系.自动驾驶技术将很快让乘客 ...
智能驾驶操作系统OS
智能驾驶操作系统OS 自动驾驶操作系统是一个流程化.复杂的综合系统,设计到众多流程和领域.首先,分为不同的层,包括:感知层.认知层.决策规划层.控制层和执行层几个层面. 自动驾驶操作系统是一个流程化. ...
华为不造车，广汽合作智能驾驶
华为不造车,广汽合作智能驾驶 2021年5月21日,华为再度发布声明重申华为不造车.华为公司表示,这一长期战略在2018年就已明确,没有任何改变."华为表示,至今为止并未投资任何车企.未来也 ...
华为4D成像雷达、智能驾驶平台MDC 810
华为4D成像雷达.智能驾驶平台MDC 810 2020年10月底,华为发布了HI品牌,在今年2021年上海国际车展前夕,华为以 "专新致智" 为主题,举办HI新品发布会,发布了包括 ...

智能驾驶开发的几个问题

智能驾驶开发的几个问题相关推荐

最新文章

热门文章