?。ㄋ模┎煌瑪z像頭平臺

　　1、單目和雙目

　　視覺方案要完成ADAS任務，一般要實現測距（本車與前方障礙物距離）和識別（障礙物是什么）兩項工作。按照車載攝像頭模組的不同，目前主流ADAS攝像頭可以分為單目和雙目兩種技術路線。

　　單目攝像頭的算法思路是先識別后測距：首先通過圖像匹配進行識別，然后根據圖像大小和高度進一步估算障礙與本車時間。在識別和估算階段，都需要和建立的樣本數據庫進行比較。想要識別各種車，就要建立車型數據庫，想要識別麋鹿，就要建立麋鹿數據庫。

　　雙目攝像頭的算法思路是先測距后識別：首先利用視差直接測量物體與車的距離，原理和人眼類似。兩只眼睛看同一個物體時，會存在視差，也就是分別閉上左右眼睛看物體時，會發現感官上的位移。這種位移大小可以進一步測量出目標物體的遠近。然后在識別階段，雙目仍然要利用單目一樣的特征提取和深度學習等算法，進一步識別障礙物到底是什么。

　　因為視差越遠越小的緣故，業內有觀點認為，雙目在20米內有明顯的測距優勢，在20米距離外，視差減小測距存在難度，可以用高像素攝像頭和更優秀的算法來提升測距性能，該處是難點也是核心競爭力。

　　雙目鏡頭間距和測距是兩個此消彼長的參數，鏡頭間距越小，檢測距離越近，鏡頭間距越大，檢測距離越遠。考慮車內美觀和ADAS需要，小尺寸遠距離雙目產品更受歡迎。

　　因為增加了一個鏡頭，帶來更多運算量，整個攝像頭模組的性能要求和成本都更高了。而且在兩者都有的標定工作上，雙目要比單目更加復雜。

　　而且選擇雙目方案切入市場并不能完全繞開單目方案的難點，在第二個階段，你依然要需要一個龐大的數據庫，依然需要打磨算法。

　　三、視覺系ADAS產品測試與評價

　　目前沒有統一的ADAS測試評價標準。常規的測試一般分為兩個階段：

　　在算法庫測試，庫中包含了各類工況下收集的行車場景視頻，通過用庫中的場景視頻跑分，測試算法識別率。目前測試庫由各家自采自測，因為采集所用的傳感器不同，不同企業間的測試單看結果沒有可比性。

　　由德國卡爾斯魯厄理工學院和芝加哥豐田技術研究所聯合創辦的KITTI，是國際上權威性較高的機動車輔助駕駛應用技術評估的算法評測平臺。目前有部分公司在該網站測試算法，結果公開可查。不同公司跑分的用時存在差異，因此在看結果排名時，也不能忽略多個參數比較。

　　在實車測試階段，將產品DEMO安裝到車上測試，根據漏報、誤報判斷算法可靠性，對發現問題進行反復調試?，F階段高質量的實車測試大多由主機廠和零部件供應商掌握，準確測量需要借助激光雷達等設備，在相互校驗的過程中完成測量，成本略高，檢測周期也略長。

　　業內人士表示，測試產品能力70-90分的區分更多使用算法庫測試，區別90-95分，甚至是95-98分時，必須進行實車定量測試。而目前ADAS各家拉開差距正是在于將90分提高到99分。想做到這點必須要通過大量的實際道路測試打底，并對算法的準確性和魯棒性不斷打磨。因此從某種程度上來說，經歷過主機廠Tier1嚴苛訓練的方案提供商，產品可靠性更高，前裝經驗會成為下一次合作洽談的資本。

　　目前企業對外宣稱衡量算法能力的“識別率”指標不能說完全沒有參考價值。前提是談論所謂的識別率要把產品放在不同復雜場景下評估，并且單獨講識別率指標沒有意義，需要把它和其他指標放在一起考量。產品必須確保在不同的路況、天氣、車型，對不同姿態的人、不同的車道線，算法都能穩定工作（魯棒性）。