ADAS高壁垒、长周期 本土公司该如何崛起？| 硬创公开课

本篇文章3243字，读完约8分钟

雷锋。搜索“雷锋”。这篇文章来自勤奋的开放班|adas技术的难点是什么？内容安排:科技创始人陈矛的发言记录。

创新科技创始人陈矛

分享嘉宾:陈矛，1990年毕业于华中科技大学研究生院，从事gps导航软件、图像处理、机器视觉和人工智能技术的研发近20年，曾创办广州旭泰通信和广州凯麦导航两家gps应用公司。2008年，自主开发的导航软件出口国外。2015年，凭借自主研发的车道偏离预警系统，获得了工业和信息化部首届中国制造商大赛一等奖。现在他是美国格赖斯集团adas专家咨询小组的成员。

1.adasadas是一个外来词，是高级驾驶辅助系统的英文缩写。它是一种主动预防和防止驾驶事故的技术，而不是一种被动安全技术，用于减轻事故造成的损失，如安全带、安全杆和安全气囊。

目前，智能驾驶、自动驾驶和无人驾驶的概念混淆不清。在这里，我想表达一下自己的看法。在我看来，adas的初始阶段是智能驾驶，高级阶段是自动驾驶，终点是无人驾驶。在初级阶段，它主要基于预警，是一个单机辅助驾驶系统。在高级阶段，主要是控制自动驾驶，更多的是与车辆的互联网相结合。无人驾驶的终极阶段更多地依赖于高精度地图和高精度gps。在这个时候，adas只是一种辅助驱动。

虽然目前adas的概念趋于一般化，但行业的默认是只有基于机器视觉、图像识别(包括可见光图像、雷达图像、红外图像等)的辅助驾驶技术。)而人工智能技术可以被视为真正的adas技术。如车道偏离警告、盲点检测、行人碰撞警告、车道保持、前方防撞等。一般来说，驾驶辅助功能如abs、esp、导航、倒车雷达、驾驶记录等。不能称为高级驾驶辅助系统。

第二，adas的本质是什么？adas的本质是人工智能，核心是算法。在感知、认知、决策和执行这四个环节中，前三个环节涉及大量的算法。传感部分主要是传感器，负责采集图像(可见光、红外线和雷达)，相当于人眼。人们的眼睛可以根据周围的照明环境自动调整瞳孔大小，并根据物体的距离自动调整焦距，使图像清晰，但图像传感器的类似调整只能通过算法来实现。

认知环节是adas的重点和难点。分析你看到的图像是否包括车道、车辆和行人并不是一件简单的事情。达到一定的准确度和识别率可能并不困难。虽然人眼的识别率很容易达到99.9999%，但机器的识别率和可靠性99.9%、99.99%和99.999%实际上不是一天能达到的。

这是因为人类图像识别的理论还处于起步阶段，尽管目前的深度学习技术是一种黑箱技术，它只知道为什么。

3.adas是一个高壁垒、长周期的行业。为什么adas是一个高壁垒、长周期的行业？我认为目前adas技术的最大障碍在于识别算法。无论你是刚起步两年或三年的公司，还是五年或六年的国有主机厂，还是十多年来一直从事adas研究的大学团队，每个人都缺少实际的路试里程，路试里程不够，数据量大，直接影响系统算法的可靠性和健壮性。

目前，作为adas领域的全球基准，mobileye在算法的可靠性和准确性方面处于领先地位，远远高于其他公司。他们花了15年时间才达到99.99%的正确识别率。他们的第一个，真的名副其实。经过15年的磨砺，也从侧面证明了这个行业壁垒很高。

有人可能会说99%的准确率是不够的？如果它是相对于100%的测试，它确实是一个非常高的分数。然而，对于涉及人们生命安全的应用，即使是一个概率很小的事件，如果你的驾驶时间或里程基数比较大，乘以一个小概率事件将成为一个高概率事件。一旦发生，它可能会伤害人们的生命。

因此，行车安全的可靠性没有上限，只有下限。准确率低于99%的Adas产品和技术很难给用户带来好的体验。目前，淘宝众筹(准确率达不到70%)推出的所谓adas产品给用户的体验很差。

这是因为不同于导航仪、行车记录仪、雷达电子狗、gps位置跟踪器等产品，普通用户可以自己安装。我们相信，真正的adas最终将走向前装市场(前装是指进入汽车工厂)。

这是因为adas需要对产品进行严格校准以获得最佳的警告效果，并且需要经过专业培训的工程师来安装它。如果你进入售后市场，准确安装将是一个大问题。到目前为止，还没有需要校准的电子产品(注意:安装后设置摄像头传感器的相关参数，以获得准确的报警效果)。

Adas是一项直接关系到驾驶和司机安全以及人身安全的技术。主机厂在选择方案时一定会非常谨慎。汽车所处的环境不同于普通电子产品，产品需要满足汽车法规的要求，汽车制造商对此类产品的可靠性、稳定性和准确性要求很高。

此外，adas涉及硬件，其周期比应用程序项目长得多。一方面，硬件迭代周期长，一个成熟的产品必须经过多次硬件迭代，而一辆新车在主机厂的研发周期相对较长，这决定了其项目具有较长的周期性。

4.当地的气温是如何上升的？目前，国外的adas产品是最受关注、听到和使用的，那么本土的adas是如何崛起的呢？我认为市场机会主要体现在以下两个方面:

细分领域的突破。Adas是一个相对广泛的领域，一个公司不可能做到所有这些。选择自己的利基作为突破口，将有限的资源放在自己特定的领域，争取在某个功能上有所突破，赶上或超越行业标杆，是一种选择。

对自动驾驶的渗透。汽车工业未来的发展趋势是智能驾驶-自动驾驶-无人驾驶。如果只停留在辅助预警功能上，在后续开发中可能是被动的。因此，在研究和开发adas方案时，必须考虑ADAS与自动驾驶的结合。只有这样，当自动驾驶时代在未来到来时，我们才能确保在行业中占有一席之地。

V.adas的发展趋势我对adas的发展趋势和未来非常乐观。

adas的发展必须从离线自行车智能开始，逐步发展到在线adas。在此过程中，车辆网络技术(v2v/v2i)将被集成，因此由于两个传感系统(自行车本身的传感器和在线网络传感器)的存在，系统的可靠性和准确性将大大提高。

此外，深度学习也是一种机器学习方法，主要用于检测和识别特征不明显或没有特征的物体。这是近年来特别流行的机器学习方法。目前，较高的成本是应用深度学习的一个障碍。此外，在识别具有明显特征的刚性物体时，深度学习不一定比传统的机器学习好。

然而，由于难以或不可能用数学方法来描述图像识别领域，如行人识别，因此深入学习方法将成为未来的发展趋势。

然而，深度学习是突出的，随着计算芯片技术的快速发展和成本的下降，深度学习将有可能进入实际应用领域。

上表介绍了不同类型传感器的工作原理、优缺点。通过比较，我们可以看出不同的传感器各有优缺点，每个传感器都有自己的适用范围，每个传感器都有自己的弱点。

因此，在未来，如果要实现全天候和高可靠性的应用，多传感器融合将不可避免。

问答:自动驾驶系统包含许多子系统，包括自适应巡航、车道偏离报警系统、车道保持系统、防撞或预碰撞系统、夜视系统、自适应照明控制等。这些子系统中哪一个在技术上是成熟的？哪些产品最有可能大规模推广(可以应用于单价数万元的汽车)？哪些阻力因素暂时不能大规模推广？

答:涉及人工智能的adas技术在中国还不完全成熟，基本上还处于测试阶段。目前，国内夜视系统基本不具备夜视行人识别功能，因此国内夜视系统不是adas产品。

然而，它有着特殊的功能，360全景系统的技术也越来越成熟，有望在国内A级车中率先推广。然而，这个系统实际上并不包含人工智能技术，严格来说，它不是adas。之所以不能大规模推广，是因为国产adas产品需要一段时间才能成熟，而国外产品太贵了，不能等。

问:这项政策对智能驾驶有很大影响吗？它会不会像新能源汽车行业一样，国家规定装有自动刹车(或其他系统)的车辆应该达到一定年限？政策对这个行业有什么影响？

答:事实上，adas已经开始以政策强制的形式出现。今年3月初，新的机动车安全运行标准明确指出，11米长的公共汽车需要在自动驾驶系统中安装车道偏离警告(ldw)和向前碰撞防止(fcw)系统。

但具体实施时间尚未确定，预计最迟将在2017年和2018年实施。