本篇對ADAS做一個基本介紹，在接下來的更新中將會描述各個模塊用到的技術以及解決方案簡介

　　汽車行業是一個有百年歷史的行業，且在這100多年來，一直循序漸進的發展，很少有突破性的進展。但最近幾年，由于技術上的一些新突破，從傳感器，到計算機技術，新能源技術，尤其是人工智能領域的一些突破，給傳統的汽車行業帶來了深刻的變革。其中最突出的就是對自動駕駛的研究和實施。

　　汽車給人類帶來的巨大便利，極大的提高了生產效率，但同時也帶來了很多負面影響。包括人員的傷亡（交通事故），空氣污染，以及交通擁堵帶來的巨大時間成本。

　　在2017年全球最前沿科技展示大會電子消費展上，專注輔助駕駛（ADAS）和自動駕駛研發的縱目科技與高通聯合展示了，首個基于驍龍820A平臺并運用深度學習的最新ADAS產品原型，贏得了全球業界大佬的廣泛關注。

　　這臺搭載ADAS原型系統的裝備，運用了運行在驍龍820A神經網絡處理引擎（SNPE）上的統一神經網絡算法。在縱目科技和清華大學聯合自主開發完成， 能夠實現高速公路和市區道路場景下的ADAS功能，可對車輛、行人、自行車等多類物體識別，以及對像素級別可行駛區域的實時語義分割。

　　毫無疑問，深度學習的嘗試已經在服務器上嘗試了多年，但挑戰在于，如何把復雜的算法放到線下的處理器上。

　　高通提供了神經網絡處理引擎（SNPE）。這款深度學習開發套件SDK今年五月初發布，可運行于搭載了高通Zeroth機器智能平臺的820芯片處理器。 開發者可以在SNPE上搭建自己的深度學習網絡模型，縱目這款原型產品使用的網絡模型是聯合清華大學3D Image實驗室共同定義的，清華大學提供了初始的網絡模型原型，后期優化和算法的工程化、細節的調試和實現是由縱目主導完成的。

　　高通驍龍820A是從手機平臺進行車規化的，它的功耗優化做得相當好；其次，高通背后是基于手機等移動終端的大規模市場，芯片上的IP研發費用在最大的手 機市場上得到了攤銷，具有非常明顯的成本優勢；最后，未來只是單純強調計算能力或具備深度學習能力的芯片不太可能成為汽車行業大規模應用的產品。類似高通 820A這樣，在一塊電路板上集成了5G通信模塊、神經網絡處理引擎、GPS、DSRC、無線WiFi等諸多功能的芯片，是適應未來智能互聯/自動駕駛汽 車發展趨勢的產品。

　　未來有望能利用高通820A平臺較強的擴展性打造一系列產品，應用場景囊括了從低速的2D/3D環視泊車輔助、自動泊車、自主泊車、高速的AEB/ACC /LDW駕駛輔助，以及屬于更高階段的自動駕駛等范疇。而隨著產品功能的變化，會陸續增加攝像頭的數量，接入其他功能的傳感器。未來再逐步將這些原型產品 推向量產。

　　系統首先需要進行感知，感知車輛、感知環境來回答我在哪里？ 周邊環境如何？ 這塊采用的傳感器技術包括了激光雷達、毫米波雷達、攝像頭、超聲雷達、高精度定位、以及高精度地圖、V2X等技術。系統通過分析決策來分析 “接下來會發生什么”以及“接下來我該做什么”。最后通過執行結構完成相應的操控動作。

　　感知部分主要通過不同的傳感器作為數據源來獲取周邊的環境信息。目前使用的傳感器包括激光雷達，毫米波雷達和攝像頭。

　　激光雷達，能夠生成數字搞成模型。它的工作過程包括，LiDAR以一定的角速度勻速轉動，在這個過程中不斷地發出激光并收集反射點的信息，計算出所有反射點的坐標。LiDAR每旋轉一周收集到的所有反射點坐標的集合就形成了該時刻的點云（point cloud）。

　　攝像頭由于成本低、分辨率高、也是唯一可獲得外觀信息的傳感器，在目前技術條件下成為主要的傳感器硬件。攝像頭有單目、雙目、甚至多目的解決方案。單目攝像頭在測距等應用中需要維護大量樣本進行訓練，而雙目和多目由于采用了立體視覺的技術，可以不再依賴大量樣本數據但需要復雜的算法和大量的實時計算才能得出。

　　鏡頭的角度、有效識別距離、分辨率三者之間是矛盾的。比 如 ADAS 系統對攝像頭的要求是縱深方向的視野要好、低像素、高感光度（給機器用的）。而行車記錄儀（給人用的）要求大廣角，像素要高得多（即使只有 200萬像素），因此，現在一些市面上的行車記錄儀也可實現ADAS 中如FCW的一些功能，這種方式從傳感器上本身就有缺陷。

　　以上大概介紹了ADAS的技術路線以及發展趨勢。