感知、地图与驾驶构成Mobileye在智能汽车领域策略

　　Mobileye将与意法联手合作研发下一代将用于自动驾驶的EyeQ5芯片。尽管这个消息是在一次电话会议上提到，2018年才能开始提供工程样品，最终的成品出来之后很有可能与现在有所区别，但是从这块芯片，以及Mobileye近期的其他动作来看，能够看出Mobileye的一些自动驾驶布局。

　　关于Mobileye在自动驾驶的路线规划，在拉斯维加斯的CES上，其创始人兼CTO Amnon Shashua第一次做了详细介绍与解读。在一个小时的演讲里，Shashua将重点放到了自动驾驶所需要的高精度地图以及车辆的决策之上。在CES上公布已经与通用、大众在Roadbook数据采集上进行合作之后，二月份表示与日产达成合作协议。

　　从时间点来看，虽然对于这款产品何时亮相还有些疑问，但是至少从Mobileye公布的时间点来看，EyeQ5很有可能将会在Mobileye于2019年提供的系统级解决方案中起到很重要的作用。如果进度顺利，EyeQ5能够在2018年上半年提供工程样品，供给车企进行测试调整，到下半年可以提供首批包含全套应用程序以及SDK，2019年上车使用就有了可能。而且，消息中并没有提到，这个方案具体如何应用。一般来说，这套方案肯定会在样车上进行测试，如果当时直接用在量产车型上，也只能说明，测试这个环节，已经在之前悄悄完成了。那么，除了EyeQ5之外，Mobileye还要做什么呢？

　　其实，早在CES的演讲中，Shashua就提到，关于自动驾驶的实现，一共包含三个方面：感知、地图与驾驶策略，将这三个方面的内容加起来，就是Mobileye想为自动驾驶提供的答案。具体在这三方面怎么做，咱们一个一个看。

　　感知环节的重要性

　　以摄像头起家的Mobileye，环境感知的重要性不言而喻。在CES的会议上，Shashua的重点放在了地图上，捎带讲了讲驾驶策略，关于感知则没有提及。在四月中旬高盛的一次会议上，Shashua通过半个小时的演讲，重点讲了下Mobileye在感知这块具体想做什么。在演讲中，Shashua提到，感知的作用主要在四个方面：

　　1、识别道路上移动/固定的物体

　　2、识别出道路分割线以及其他交通标识

　　3、在道路上没有分割线或者分割线不清晰的情况下，分辨出那些是可以通过的空间，并勾勒出可通过空间与其他部分的隔离线

　　4、可驾驶的路径：在识别出可通过空间之后，找到一条可供于驾驶的路线

　　其实单看这四个作用的话，基本上就是人类的眼睛以及大脑中的图像处理所起到的作用，总体来说，就是看清楚周围都有什么，然后知道该怎么开车。前面两条相对来说实现较为简单，难度在于如何保证准确率和实时性，而后面两条则是重中之重，也是难点所在。在道路车道线清楚，各类标识清晰的道路上实现自动驾驶是相对简单的，但是道路本身缺少车道线的情况也并不少见，并不只是在国内，国外同样如此。在道路全部符合自动驾驶的要求之前，实现自动驾驶，就要靠系统的智能化。Mobileye的深度学习算法在下段时间的重点也放在了这里。

　　在Mobileye的规划里，做到这件事情，需要8个摄像头。因为在安全自动驾驶状态下，车辆需要能够看到360°环境下的事情，尤其在城区内，周围环境相当复杂，不能有任何忙点，因而在每个角度都必须要有摄像头用以监控。不过，Shashua也表示，并不是指8个摄像头就可以让车辆拥有完全自动驾驶的功能，而是说车辆要自动驾驶至少要有这样一套传感器系统。因为从摄像头起家，目前已经量产的各项ADAS功能也都是基于摄像头产品，所以在固有的认知中，提到Mobileye和感知，想到的就是摄像头，但并不代表，Mobileye的方案中，不会用到其他类型的传感器。

　　这次演讲中，Shashua就明确提到，感知环节需要有冗余设计，在不同的层面，需要的冗余设计不同。在探测其他物体时，需要的冗余是激光雷达与毫米波雷达；在车道识别的时候，需要的是高精度地图，有时候也需要激光雷达；在最后的驾驶路径上，同样需要高精度地图。去年3月份，Mobileye与法雷奥达成合作协议，除了共同研发驾驶辅助技术之外，两家还建立独家合作伙伴关系，将法雷奥的激光扫描技术与Mobileye的图像处理技术合并到一起，共同研发视觉与激光扫描技术，并将新技术用在自动驾驶汽车之上。虽然Mobileye自己并没有激光雷达或者毫米波雷达产品，但是这并没有妨碍，他已经为自己找到了一个合作伙伴。从这个角度来说，EyeQ5芯片支持多种传感器，并有传感器融合技术，也很好理解了。

ADAS和无人驾驶汽车的未来，智能汽车传感模块解决方案，智能汽车BMS和360环视解决方案等技术应用请移步【第三届·中国智能汽车技术暨应用高峰论坛】
会议详情戳下图↓可跳转

　　地图与驾驶策略

　　关于地图测绘，Shashua做出的解释包含三个方面：Roadbook、高精度定位以及可行驶的路径。上面提到，Shashua认为地图是对感知系统的一个冗余设计，除了依靠图像识别之外，地图在进行车道识别与提供可行驶路径上能够起到独特的作用。关于Roadbook与高精度定位内容。而关于驾驶策略的内容，是另外一个重点。看清楚周围环境，并知道自己在哪儿之后，自动驾驶所需要解决的最重要的问题，依然是怎么去开车。感知与定位都是辅助手段，其决定性作用的还是最后的操作。这也是Mobileye要联手意法研发EyeQ5的原因。

　　EyeQ5在运算性能上的表现只是一个方面，更重要的是，在这块芯片上，Mobileye将为车企提供一整套标准的操作系统与软件开发包（SDK）。SDK的作用除了让车企开发进行神经网络的原型设计和开发，并将其嵌入EyeQ5之外，还能够访问Mobileye预先训练的网络应用层。

　　通过长期在图像识别上的积累，以及深度学习算法，让控制单元能够很快计算并得出可通行的路径方案，然后通过实际的训练，深度学习算法还能够让系统逐渐掌握驾驶车辆的经验。但是从Mobileye来说，如何具体去操控车辆并不是其擅长的地方，如果在其提供的算法基础之上，车企再以自身在车辆控制上的经验去进行优化或者再次开发，系统将会表现得更好。或许这就是EyeQ5被设定为开源的原因之一。

　　从另外一个角度来说，允许车企自行定制方案，除了能够提供差异化方案之外，车企自己对于控制算法的掌控也是一个重要原因。EyeQ5的出现，把Mobileye的一系列动作串成了线。关于系统级解决方案，做一个推测的话，可能是一个传感器+EyeQ5的集成，包含图像识别、激光扫描、驾驶策略等控制算法。未来随着Mobileye合作商的增加，这个圈子也可能会变大。随着Mobileye在自动驾驶布局的逐渐显露，各家在路线上不同、产品开发上的侧重点、深度学习使用方式的不同都已经愈加明显，竞争的态势也愈来愈加激烈。

　　其实，在四月份的演讲中，除了感知之外，Shashua还特别提到了关于深度学习架构上，End-to-End和Semantic Abstraction（语义抽象）的区别，以及Mobileye为什么选择后者的原因。关于深度学习的这两个不同架构究竟有何区别，Mobileye做出这个选择的原因又在于什么？