![日立在汽车立体摄像头中集成AI 提升摄像头夜间行人探测能力]( "日立在汽车立体摄像头中集成AI 提升摄像头夜间行人探测能力")
据外媒报道，日立汽车系统公司（Hitachi Automotive Systems Ltd）表示，其已经将人工智能（AI）技术应用于立体摄像头中，此类摄像头专为汽车自动刹车功能而设计。该摄像头利用数十万条数据作为“教师数据”，实现夜间行人检测功能。目前，各个竞争对手公司都在研发支持AI的传感器，日立汽车系统将向铃木汽车公司（Suzuki Motor Corp）供应此种新型传感器，以期在AI传感器的商业化上处于领先地位。据该公司所说，其该新型传感器的性能大大优于其全球竞争对手的产品，能够在夜间检测行人，然后汽车可以自动刹车，比配备了以色列Mobileye公司主要图像处理芯片EyeQ3的车辆的刹车性能更好。此前，日立汽车系统的摄像头都是“基于规则”来识别物体，即开发人员需要手动设置条件，其他公司的产品也是如此。但是，“基于规则”的方法会让条件变得复杂，而且很难支持夜间物体检测功能。此次，日立利用机器学习技术，可有效地在大量数据中找到条件。一般情况下，立体摄像头是利用左右两个摄像头分别拍摄两幅图像，然后通过两幅图像之间的视差来探测物体形状以及位于车辆前方的物体，然后利用模式识别等方法判断被探测到的物体是否是行人。而日立汽车系统的立体摄像头将采用机器学习法进行图像识别。几十万条“教师数据”都存储在新摄像头的图像处理微型计算机中，然后该摄像头拍摄的图片会与“教师数据”进行比较，以判断物体是否是行人。之前，日立汽车系统的立体摄像头使用的是正常的模式识别法，即使用多幅图像进行判断。即使行人只有下半身被汽车前大灯照到或者是可以看到行人的整个身体，而各个身体部位的亮度不同时，与传统的模式识别法相比，该摄像头采用了机器学习，会更容易检测到行人。当将机器学习技术应用于图像识别处理时，需要处理的数据量就会有所增加。为了解决该问题，日立汽车系统对立体摄像头的微型计算机进行了改造，提升了其性能。之前的立体摄像头使用三个微型计算机分别进行图像处理、图像识别和车辆控制。而日立汽车系统的新型立体摄像只集成了两台微型计算机，用于图像处理和图像识别。然后，再将用于图像识别的微型计算机从单核升级为双核。随着核数的增加，该微型计算机不仅可以采用机器学习技术，还能提高图像识别的处理速度。此外，日立汽车系统还增加了CMOS传感器的动态探测范围，降低了镜头的F值（F值越小，光圈越大），将摄像头的灵敏度提高了一倍。...
2021
-
04
-
01
盖世汽车讯 据外媒报道，以色列初创公司TriEye开发了一款短波红外(SWIR)摄像头，能提高驾驶安全。最初，这项技术是为国防应用而开发的， 目前该公司计划精简红外摄像头，填补传统汽车环境传感器的缺陷。目前该公司已经在第一轮融资中筹集了1700万美元，主要投资者是英特尔。该技术使用SWIR摄像头，能在夜间和大多数天气条件下获取高分辨率的图像数据，并且成本较低。SWIR摄像头能使高级驾驶辅助系统(ADAS)和自动驾驶汽车在恶劣天气和低光照条件下(如雾、灰尘或夜间)拥有完美的视觉能力，从而提高ADAS和自动驾驶汽车的可靠性和安全性。在国防和航空航天工业中，SWIR摄像头用于“观察”标准摄像头无法看到的图像数据。然而，目前这些摄像头对于大众市场应用来说价格太昂贵。该产品由TriEye的首席技术官Uriel Levy领导，以耶路撒冷希伯来大学(Hebrew University)的纳米光子学研究为基础。这项研究成果使大规模制造CMOS SWIR传感器成为可能。该公司表示，其SWIR技术与普通数码摄像头类似，以CMOS为基础，可以大规模生产SWIR传感器。此外，与目前用于昂贵国防系统的InGaAS技术相比，其成本降低了1000倍。因此，与传统摄像头相比，SWIR摄像头低成本、体积小、分辨率高、安装简单，可以安装在汽车挡风玻璃后面。
2020
-
10
-
14
盖世汽车讯 据外媒报道，目前，用于探测自动驾驶汽车行驶路径中三维物体的激光传感器体积庞大、外形丑陋、价格昂贵、能效低，但是精度高。此类激光探测和测距（激光雷达）传感器通常都安装在汽车车顶上，从而增加了风阻，对电动汽车来说是个缺点，而且会让一辆车的成本增加约1万美元（约合67181元人民币）。但尽管存在很多缺点，大多数专家认为激光雷达传感器是自动驾驶汽车安全地感知行人、汽车和道路上其他危险的唯一可行方法。如今，康奈尔大学（Cornell）的研究人员发现了一种更简单的方法，只要使用挡风玻璃两侧的两个便宜摄像头，就可探测到物体，而且探测精度接近激光雷达，而成本只有其一小部分。研究人员发现，鸟瞰而不是从传统的正面视角来分析捕捉到的图像时，准确度提高了两倍以上，从而使得立体摄像头可以成为激光雷达的低成本替代品。康奈尔大学计算机科学系副教授兼该论文的资深作者Kilian Weinberger表示：“自动驾驶汽车的基本问题之一是要去识别周围的物体，这显然是汽车能够在驾驶环境中实现导航的关键。人们普遍认为，没有激光雷达，就无法生产自动驾驶汽车。而我们已经证明，至少在原则上证明了，这是有可能的。”激光雷达传感器利用激光创建有关周围环境的三维点图，通过光速测量物体距离。而立体摄像头跟人眼一样，利用两个视角确定深度，看起来非常具有发展前景。但是他们识别物体的准确度非常低，传统看法是他们太不精确了。该论文第一作者，康奈尔大学计算机科学系博士生Yan Wang与合作伙伴仔细查看了立体摄像头的数据，惊讶地发现，立体摄像头获取的信息与激光雷达的精确度一样，但是他们发现，在分析立体摄像头的数据时，就出现了精确度的差异。对于大多数自动驾驶汽车来说，摄像头或传感器捕获的数据都是使用卷积神经网络进行分析的，卷积神经网络是一种机器学习算法，可通过采用过滤器识别与图像相关的模式，从而识别图像。此类卷积神经网络已经被证明非常擅长识别标准彩色照片中的物体，但是如果从正面识别，会扭曲照片中的三维信息。因此，Wang和同事们将图像从正面视角转为了鸟瞰角度观察到的点云，准确度就提高了两倍多。Weinberger表示，最终，立体摄像头可能会成为低成本汽车识别物体的主要方法，或者是已经配备了激光雷达的高端汽车识别物体的备用方法。
2019
-
06
-
04
现在的汽车在外观和内饰上的花样非常多，每辆车都有自己的亮点，这也是为了迎合消费者越来越刁钻的口味，不过这也是必然，毕竟现在汽车已不是奢侈品，没有竞争力谁还来买？但是汽车的配置就更复杂了，全配置的买不起，要选择性的装配，又不知道怎么取舍，就拿汽车360度全景摄像头来说，到底要不要加装呢，老司机带你看利弊，看完之后你还加装吗！汽车全景摄像头安全性高，要不要加装？老司机带你看加装利弊现在的汽车在外观和内饰上的花样非常多，每辆车都有自己的亮点，这也是为了迎合消费者越来越刁钻的口味，不过这也是必然，毕竟现在汽车已不是奢侈品，没有竞争力谁还来买？但是汽车的配置就更复杂了，全配置的买不起，要选择性的装配，又不知道怎么取舍，就拿汽车360度全景摄像头来说，到底要不要加装呢，老司机带你看利弊，看完之后你还加装吗！汽车全景摄像头安全性高，要不要加装？老司机带你看加装利弊360全景摄像头比起单一的前后雷达来说，肯定会给车主提供更多的视野，在行驶安全上更加有保障，大家都知道汽车存在视线盲区，尤其是在A柱的时候，要是在你的侧面有阻挡物的时候，或者你的轮胎边有小孩子，你坐在车里完全看不到，必须将头伸出去，或者提前观察好周围的情况
2020
-
04
-
16
![日立在汽车立体摄像头中集成AI 提升摄像头夜间行人探测能力]( "日立在汽车立体摄像头中集成AI 提升摄像头夜间行人探测能力")
据外媒报道，日立汽车系统公司（Hitachi Automotive Systems Ltd）表示，其已经将人工智能（AI）技术应用于立体摄像头中，此类摄像头专为汽车自动刹车功能而设计。该摄像头利用数十万条数据作为“教师数据”，实现夜间行人检测功能。目前，各个竞争对手公司都在研发支持AI的传感器，日立汽车系统将向铃木汽车公司（Suzuki Motor Corp）供应此种新型传感器，以期在AI传感器的商业化上处于领先地位。据该公司所说，其该新型传感器的性能大大优于其全球竞争对手的产品，能够在夜间检测行人，然后汽车可以自动刹车，比配备了以色列Mobileye公司主要图像处理芯片EyeQ3的车辆的刹车性能更好。此前，日立汽车系统的摄像头都是“基于规则”来识别物体，即开发人员需要手动设置条件，其他公司的产品也是如此。但是，“基于规则”的方法会让条件变得复杂，而且很难支持夜间物体检测功能。此次，日立利用机器学习技术，可有效地在大量数据中找到条件。一般情况下，立体摄像头是利用左右两个摄像头分别拍摄两幅图像，然后通过两幅图像之间的视差来探测物体形状以及位于车辆前方的物体，然后利用模式识别等方法判断被探测到的物体是否是行人。而日立汽车系统的立体摄像头将采用机器学习法进行图像识别。几十万条“教师数据”都存储在新摄像头的图像处理微型计算机中，然后该摄像头拍摄的图片会与“教师数据”进行比较，以判断物体是否是行人。之前，日立汽车系统的立体摄像头使用的是正常的模式识别法，即使用多幅图像进行判断。即使行人只有下半身被汽车前大灯照到或者是可以看到行人的整个身体，而各个身体部位的亮度不同时，与传统的模式识别法相比，该摄像头采用了机器学习，会更容易检测到行人。当将机器学习技术应用于图像识别处理时，需要处理的数据量就会有所增加。为了解决该问题，日立汽车系统对立体摄像头的微型计算机进行了改造，提升了其性能。之前的立体摄像头使用三个微型计算机分别进行图像处理、图像识别和车辆控制。而日立汽车系统的新型立体摄像只集成了两台微型计算机，用于图像处理和图像识别。然后，再将用于图像识别的微型计算机从单核升级为双核。随着核数的增加，该微型计算机不仅可以采用机器学习技术，还能提高图像识别的处理速度。此外，日立汽车系统还增加了CMOS传感器的动态探测范围，降低了镜头的F值（F值越小，光圈越大），将摄像头的灵敏度提高了一倍。...
2021
-
04
-
01
盖世汽车讯 据外媒报道，以色列初创公司TriEye开发了一款短波红外(SWIR)摄像头，能提高驾驶安全。最初，这项技术是为国防应用而开发的， 目前该公司计划精简红外摄像头，填补传统汽车环境传感器的缺陷。目前该公司已经在第一轮融资中筹集了1700万美元，主要投资者是英特尔。该技术使用SWIR摄像头，能在夜间和大多数天气条件下获取高分辨率的图像数据，并且成本较低。SWIR摄像头能使高级驾驶辅助系统(ADAS)和自动驾驶汽车在恶劣天气和低光照条件下(如雾、灰尘或夜间)拥有完美的视觉能力，从而提高ADAS和自动驾驶汽车的可靠性和安全性。在国防和航空航天工业中，SWIR摄像头用于“观察”标准摄像头无法看到的图像数据。然而，目前这些摄像头对于大众市场应用来说价格太昂贵。该产品由TriEye的首席技术官Uriel Levy领导，以耶路撒冷希伯来大学(Hebrew University)的纳米光子学研究为基础。这项研究成果使大规模制造CMOS SWIR传感器成为可能。该公司表示，其SWIR技术与普通数码摄像头类似，以CMOS为基础，可以大规模生产SWIR传感器。此外，与目前用于昂贵国防系统的InGaAS技术相比，其成本降低了1000倍。因此，与传统摄像头相比，SWIR摄像头低成本、体积小、分辨率高、安装简单，可以安装在汽车挡风玻璃后面。
2020
-
10
-
14
盖世汽车讯 据外媒报道，目前，用于探测自动驾驶汽车行驶路径中三维物体的激光传感器体积庞大、外形丑陋、价格昂贵、能效低，但是精度高。此类激光探测和测距（激光雷达）传感器通常都安装在汽车车顶上，从而增加了风阻，对电动汽车来说是个缺点，而且会让一辆车的成本增加约1万美元（约合67181元人民币）。但尽管存在很多缺点，大多数专家认为激光雷达传感器是自动驾驶汽车安全地感知行人、汽车和道路上其他危险的唯一可行方法。如今，康奈尔大学（Cornell）的研究人员发现了一种更简单的方法，只要使用挡风玻璃两侧的两个便宜摄像头，就可探测到物体，而且探测精度接近激光雷达，而成本只有其一小部分。研究人员发现，鸟瞰而不是从传统的正面视角来分析捕捉到的图像时，准确度提高了两倍以上，从而使得立体摄像头可以成为激光雷达的低成本替代品。康奈尔大学计算机科学系副教授兼该论文的资深作者Kilian Weinberger表示：“自动驾驶汽车的基本问题之一是要去识别周围的物体，这显然是汽车能够在驾驶环境中实现导航的关键。人们普遍认为，没有激光雷达，就无法生产自动驾驶汽车。而我们已经证明，至少在原则上证明了，这是有可能的。”激光雷达传感器利用激光创建有关周围环境的三维点图，通过光速测量物体距离。而立体摄像头跟人眼一样，利用两个视角确定深度，看起来非常具有发展前景。但是他们识别物体的准确度非常低，传统看法是他们太不精确了。该论文第一作者，康奈尔大学计算机科学系博士生Yan Wang与合作伙伴仔细查看了立体摄像头的数据，惊讶地发现，立体摄像头获取的信息与激光雷达的精确度一样，但是他们发现，在分析立体摄像头的数据时，就出现了精确度的差异。对于大多数自动驾驶汽车来说，摄像头或传感器捕获的数据都是使用卷积神经网络进行分析的，卷积神经网络是一种机器学习算法，可通过采用过滤器识别与图像相关的模式，从而识别图像。此类卷积神经网络已经被证明非常擅长识别标准彩色照片中的物体，但是如果从正面识别，会扭曲照片中的三维信息。因此，Wang和同事们将图像从正面视角转为了鸟瞰角度观察到的点云，准确度就提高了两倍多。Weinberger表示，最终，立体摄像头可能会成为低成本汽车识别物体的主要方法，或者是已经配备了激光雷达的高端汽车识别物体的备用方法。
2019
-
06
-
04