无人驾驶入门（camera篇）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

 

    随着camera的普及，汽车上使用camera的地方也越来越多。不管是智能后视镜、倒车雷达、360度全景、行车记录仪，还是碰撞预警、红绿灯识别、车道偏移、并线辅助、自动泊车，这些地方都可以看到camera的影子。

 

    传统意义上的camera一般分为镜头、sensor、isp这三个部分。其中镜头调整焦距和曝光量，sensor负责生成图像，而soc内部的isp负责对原始图像进行二次处理。目前整个camera的价格已经很低了，从几十到几百元不等。不管从前装市场，还是后装市场来说，camera类的产品可以说是花样繁多，琳琅满目。

 

    在无人驾驶领域，关于摄像头这一块，mobileye基本上占据了很强的位置。因为mobileye不仅提供算法软件，还提供硬件加速，在性能和识别率方面，相比较其他厂家来说，已经领先了一大步。虽然，现在激光雷达在自动驾驶上使用较多，但是短期内我们仍然会看到camera会发挥较大的作用。就现在来说，一般会安装5-8个摄像头，1个摄像头作为前置摄像头，检测当前道路、直线、红绿灯，还有4个摄像头进行360度检测，如果cpu算力够，安装更多的摄像头也是没有问题的。

 

    camera相比较其他sensor设备来说，本身具备了很多特有的属性，这些特性是其他设备短时间内不具备的。

 

1、成本优势

    按照激光雷达64线现在的报价，一辆宝马车的价格和64线的激光雷达是差不多的。即使16线的激光雷达，价格也在几千到上万美金。而camera没有这个烦恼。

 

2、分辨率

    即使按照最高分辨率来说，128线的激光雷达已经是天价，而一般的camera分辨率却可以轻松达到1280*800。

 

3、深度学习加持

    人们研究图像算法的历史较长，加上最近流行的深度算法、图像标定技术、疲劳检测、情绪检测技术，本身camera能做的事情还有很多很多。

 

4、信号灯、路线和手势的识别

    自动驾驶中，信号灯、路线、特殊车辆和交警手势识别这块，目前看来只有camera和v2x两种方法能解决。因为雷达自身特性，它是没有办法判断限速、停车和信号灯等标志的。包括gps、camera、v2x在内的信息融合，或许是不错的一个方法。

 

5、低速、低成本设备的要求

    某些低速、低成本、特定场景、封闭环境的无人驾驶车辆，本身速度很慢、环境单一、运行路径固定，这些车辆使用camera来处理数据具有很高的性价比优势。当然，为了保险，一般会添加数量不等的雷达设备。但是如果添加了复杂的激光设备，那么势必造成很大的成本压力，对客户来说有点得不偿失了。

 

    说了这么多，希望大家可以继续学好camera、用好camera。在我看来，从成本、信号灯识别、人工智能、adas等很多方面考虑，camera在未来的几年到十几年只会越用越多，希望大家好好思考和积极实践。