新聞中(zhōng)心

今天的社會正變得越來越以多媒體(tǐ)爲中(zhōng)心、依賴更多的數據和自動化。自動駕駛系統正在加速普及。自動化、分(fēn)析化和智能化正在從人類轉向“特定于機器”的應用。計算機視覺和視頻(pín)将在我(wǒ)們未來的數字世界中(zhōng)扮演重要角色。數以百萬計的智能傳感器将通過人工(gōng)智能嵌入汽車(chē)、智能城市、智能家居和倉庫。此外(wài)，5G技術将成爲一(yī)個完全互聯的智能世界的數據高速公路，有望連接從人到機器甚至機器人的一(yī)切。

一(yī)個多世紀以來，汽車(chē)行業一(yī)直是一(yī)個關鍵的經濟風口，它正朝着自動駕駛和車(chē)聯網的方向發展。汽車(chē)正變得越來越智能化，對人類操作的依賴也越來越少。V2V和V2X，即來自傳感器和其他來源的信息通過高帶寬、低延遲和高可靠性的鏈路傳輸，爲全自動駕駛鋪平了道路。90%以上的汽車(chē)事故是人爲失誤造成的，自動駕駛可以讓交通事故造成的損失銳減，将在實現汽車(chē)行業“零事故”、“零排放(fàng)”和“零擁堵”的宏偉願景中(zhōng)發揮關鍵作用。

根據Tractica公司預測，到2025年，汽車(chē)人工(gōng)智能硬件、軟件和服務的市場規模将從2017年的12億美元增至265億美元。這包括機器學習、深度學習、NLP、計算機視覺、機器推理和強大(dà)的人工(gōng)智能。麥肯錫稱，到2030年，全自動駕駛汽車(chē)将占全球乘用車(chē)銷量的15%，到2040年，這一(yī)數字将升至80%，具體(tǐ)取決于監管政策、消費(fèi)者接受度和安全記錄等因素。自動駕駛目前是一(yī)個相對新生(shēng)的市場，該系統的許多好處隻有在市場擴大(dà)之後才能完全實現。

由此看來，智能網聯汽車(chē)已經成爲全球衆多國家在汽車(chē)制造領域的戰略發展方向。早在2018年，美國便發布了《準備迎接未來交通：自動駕駛汽車(chē)3.0》。同樣在2018年，歐盟發布了《通往自動化出行之路：歐盟未來出行戰略》。文件顯示，到2022年，所有新車(chē)需具備通信功能，實現車(chē)聯網，到2030年普及完全自動駕駛。中(zhōng)國工(gōng)信部于2018年印發了《車(chē)聯網（智能網聯汽車(chē)）産業發展行動計劃》。計劃提出，第一(yī)階段，到2020年，在車(chē)聯網（智能網聯汽車(chē)）産業跨行業融合方面取得突破，具備高級别自動駕駛功能的智能網聯汽車(chē)實現特定場景規模應用。第二階段，2020年後，高級别自動駕駛功能的智能網聯汽車(chē)和5G-V2X逐步實現規模化商(shāng)業應用，實現“人-車(chē)-路-雲”的高度協同。

但對于技術發展來講，唯一(yī)的障礙是車(chē)輛必須具備視野、思考、學習和駕馭各種駕駛場景的能力。

人工(gōng)智能定義車(chē)輛

當下(xià)關鍵技術的缺失以及水平滞後是制約智能網聯汽車(chē)發展的瓶頸之一(yī)，關鍵零部件包括傳感器、定位系統、ADAS等。其中(zhōng)傳感器的三大(dà)核心部件包括車(chē)載攝像頭、毫米波雷達和激光雷達。

我(wǒ)們知(zhī)道，完全自主駕駛的體(tǐ)驗是通過一(yī)個複雜(zá)的傳感器和攝像頭網絡實現的，這些網絡爲機器重現了外(wài)部環境。自動駕駛汽車(chē)通過處理攝像頭、激光雷達、雷達和超聲波傳感器收集的信息，告訴汽車(chē)與周圍物(wù)體(tǐ)的距離(lí)、路緣、車(chē)道标記、交通信号和行人的視覺信息。

與此同時，随着嵌入式系統、導航、傳感器、視覺數據和大(dà)數據分(fēn)析等領域的最新進展，我(wǒ)們也見證了車(chē)輛和移動邊緣計算的智能化程度不斷提高。首先是先進的ADAS，包括緊急制動、倒車(chē)攝像頭、自适應巡航控制和自動停車(chē)系統。

如圖所示，由汽車(chē)工(gōng)程師協會(SAE)定義的6個自動駕駛級别被引入後，全自動汽車(chē)有望逐步實現。這些級别的範圍從無自動化、有條件自動化到全自動汽車(chē)。随着自動化水平的提高，汽車(chē)将接管司機更多的功能。ADAS主要分(fēn)爲L1級和L2級。Waymo、優步、特斯拉等汽車(chē)制造商(shāng)和科技公司，以及一(yī)些tier-1，都在大(dà)力投資(zī)更高水平的駕駛自動化。

随着人工(gōng)智能技術創新的快速增長，L4得到了更廣泛的接受，目标主要在高速公路條件下(xià)運行的車(chē)輛。

雖然此時L3級和L4級之間的障礙主要是各國的監管，但L4級和L5級之間的跳躍要大(dà)得多。後者需要具備導航複雜(zá)路線和不可預見情況的技術能力。

随着自動化水平的提高，将需要更多的傳感器、處理能力、内存、高效功耗和網絡連接帶寬管理。下(xià)圖顯示了自動駕駛汽車(chē)所需的各種傳感器。


深度學習、邊緣計算和車(chē)聯網的融合，是由人工(gōng)智能和車(chē)輛通信共同推動。在可視數據應用中(zhōng)，面向機器的視頻(pín)處理和編碼的另一(yī)種實現技術是新興的MPEG機器視頻(pín)編碼(MPEG- VCM)标準。

2020年，MPEG會議通過Zoom線上召開(kāi)了MPEG史上第一(yī)次全線上會議。本次會議重新定義了VCM研究範圍，更新了機器視覺應用場景及需求，增加了智慧工(gōng)業場景及其智能任務。機器視覺編碼VCM專家組研究範圍定義爲：MPEG VCM标準組旨在定義一(yī)種壓縮的視頻(pín)或特征碼流，該碼流從視頻(pín)中(zhōng)提取，服務于用于多種機器任務，同時保障高壓縮效率和機器智能任務性能。此壓縮視頻(pín)或特征碼流服務于機器視覺和人機混合視覺應用。

這裏有兩種具體(tǐ)技術:

有效壓縮視頻(pín)/圖像

特征提取的共享

可以看出，基于标準的機器視頻(pín)壓縮和分(fēn)析算法(MPEG-VCM)和5G V2X在實現自動駕駛汽車(chē)的全面發展中(zhōng)起着至關重要的作用。

5G V2X和新興MPEG-VCM标準使行業朝着統一(yī)的國際方向發展。這種統一(yī)的法規和國際标準的建立對未來智能交通和人工(gōng)智能汽車(chē)行業的全球市場奠定了基礎。

未來的自動駕駛汽車(chē)有很多可能的VCM-V2X聯合架構。根據給定AV基礎架構場景的需求，我(wǒ)們可以使用集中(zhōng)式、分(fēn)布式或混合的VCM-V2X架構，如圖所示。目前，大(dà)多數聯網汽車(chē)制造商(shāng)都在嘗試使用低成本攝像頭的集中(zhōng)式架構。一(yī)直以來，由于攝像機的不斷提高的可伸縮性、靈活性和資(zī)源共享能力，讓它們變得更加智能、更加分(fēn)布式，它們的優勢将會更加凸顯。新興的MPEG-VCM标準還提供了傳輸壓縮提取特征的能力，而不是在車(chē)輛之間發送壓縮的視頻(pín)/圖像。
Gyrfalcon Technology Inc.是這些創新技術的典型公司，利用人工(gōng)智能和深度學習的力量，依靠出衆的性能、能效和可擴展性，在設備、邊緣和雲應用中(zhōng)爲人工(gōng)智能驅動的攝像頭和自動駕駛汽車(chē)提供了突破性的解決方案。

5G、邊緣計算、計算機視覺、深度學習和機器視頻(pín)編碼(VCM)技術的融合将是全自動駕駛汽車(chē)的關鍵。标準和互操作技術，如V2X、MPEG-VCM标準、強大(dà)的邊緣和闆載計算推理加速器芯片，使得低延遲、低成本、節能和安全的優點能夠滿足AI汽車(chē)工(gōng)業的要求。

免責聲明
本文來自騰訊新聞客戶端自媒體(tǐ)，不代表騰訊新聞的觀點和立場。