智能駕駛開發的幾個問題

1. 當前市場上的攝像頭產品經常存在近距離靜止目標不識別和輸出的車道線方程系數動態波動較大，請問導致該問題的原因您覺得是什么，該如何來解決？

近距離檢測問題

1）FOV視場角太小

2）幀率太低

3）增加樣本數據

波動問題

1）深度學習網絡模型太小，增加車道線網絡模型層數，修改每層卷積核的個數。

2）增加不同場景訓練樣本數據。

3）增加車道線檢測跟蹤。

4）修改曲線擬合特征點的帥選方法。

5）修改和矯正攝像頭標定參數。

A）攝像機外參：決定攝像機坐標與世界坐標系之間相對位置關系。

其中Pw為世界坐標，Pc是攝像機坐標，他們之間關系為Pc = RPw + T

式中，T= (Tx,Ty,Tz)，是平移向量，R = R(α,β,γ)是旋轉矩陣，分別是繞攝像機坐標系z軸旋轉角度為γ，繞y軸旋轉角度為β，繞x軸旋轉角度為α。6個參數組成（α,β,γ,Tx,Ty,Tz)為攝像機外參。

B）攝像機內參：確定攝像機從三維空間到二維圖像的投影關系。

針孔攝像機模型為6個參數（f,κ,Sx,Sy,Cx,Cy)；遠心攝像機模型為5個參數（f,Sx,Sy,Cx,Cy）。

線陣攝像機為9個參數（f,κ,Sx,Sy,Cx,Cy,width.highth)。

其中，f為焦距；

κ表示徑向畸變量級，如果κ為負值，畸變為桶型畸變，如果為正值，那畸變為枕型畸變。Sx,Sy是縮放比例因子。對針孔攝像機來講，表示圖像傳感器上水平和垂直方向上相鄰像素之間的距離；對于遠心攝像機模型，表示像素在世界坐標系中的尺寸。Cx,Cy是圖像的主點。對針孔攝像機來講，這個點是投影中心在成像平面上的垂直投影，同時也是徑向畸變的中心。對于遠心攝像機模型，只表示畸變的中心。Vx,Vy,Vz：線陣攝像機必須與被拍攝物體之間有相對移動才能拍攝到一幅有用的圖像。這是運動向量。

sx和sy是相鄰像元的水平和垂直距離。

2.項目開發前期如何選擇合適算力的嵌入式平臺？項目中后期如何針對嵌入式平臺進行算法的性能優化？

平臺選擇

1）車規級（安全性）

2）算力大小

3）開發周期（SOC/FPGA/ASIC/AMBA/2X等）

4）功耗（芯片的適應溫度也有嚴格要求。工業級芯片的工作溫度范圍是-40攝氏度至85攝氏度,而車規級芯片工作溫度范圍是-40攝氏度至125攝氏度。按照溫度適應能力以及可靠性分為四類:商業級(0_{70攝氏度)、工業級(-40}85攝氏度)、車規級(-40_{120攝氏度)、軍工級(-55}150攝氏度)）

5）功能模塊（感知/控制/決策等）。

性能優化

1）軟件硬件是一個整體，共同優化。

2）ARM，DSP和DPU上各自優化，引入neon指令等。

3）網絡模型輕量化。

模型輕量化的一些方法：

卷積核分解：使用1xN和NX1卷積核代替NXN卷積核；

使用深度壓縮deep
compression方法：網絡剪枝、量化、哈弗曼編碼；

奇異值分解；

硬件加速器；

低精度浮點數保存；

小模型的好處有哪些：

在分布式訓練中，與服務器通信需求小；

參數少，從云端下載模型的數據量小；

更適合在FPGA等內存首先的嵌入式、移動端設備上部署；

4）統一輸入輸出和軟硬件接口參數。

5）公用模塊統一調用。

6）多線程調度。

7）增加跟蹤模算法。

3. 針對某一攝像頭產品的開發，項目的開發性能目標和達成路徑該如何制定的？針對攝像頭圖像識別結果，如何評測其性能指標達成情況？

達成目標

1）需求明確。

2）項目開發計劃，時間節點把握。

3）適當留有時間，防止突發事件干擾，造成項目延期。

4）統一軟件架構，統一輸入輸出和軟硬件接口。

5）執行嚴格調試和測試計劃。

測試計劃

1）用科學的指標，比如mAP來量化性能指標。

2）現場場景測試，GPU和嵌入式測試同步。

3）與整車廠各個相關功能模塊長期聯調和現場測試。

4.主機廠是否需要進行圖像處理等相關算法產品的自主開發，相比采用供應商成熟產品有哪些優劣？

優劣

1） 主機廠有自主算法，提高主機廠的核心競爭力。

2） 內部算法，方便車廠測試，優化，修改，更新。

3） 增加人力物力成本開銷。

若是自主開發，如何趕超當前市面成熟產品？有哪些具體措施？

如何趕超

1） 引進優秀人才，提高核心競爭力。

2） 自主開發也要堅持對外交流與合作。

3） 用最先進的方法開發。比如，深度學習代替傳統算法；開發自動駕駛與輔助駕駛相結合。

4） 充分利用服務器，云計算等高效設備。

5） 采購先進的軟/硬件開發工具和測試工具。

總結

以上是生活随笔為你收集整理的智能驾驶开发的几个问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。