作為智能汽車(chē)AI視覺(jué)算法系統(tǒng)最主要的傳感器之一，攝像頭除了作為人眼的延伸，需要看得清之外，更需要看得準(zhǔn)。因此，如何進(jìn)一步提升攝像頭的性能，進(jìn)而提升整個(gè)AI視覺(jué)算法在環(huán)境感知過(guò)程中的準(zhǔn)確性，成了業(yè)界共同關(guān)注的問(wèn)題。

目前來(lái)看，僅僅依靠攝像頭制造工藝的一致性及攝像頭在車(chē)上安裝的一致性，已經(jīng)很難滿足AI視覺(jué)算法對(duì)于攝像頭精度的要求。比較之下，通過(guò)在攝像頭生產(chǎn)工藝中進(jìn)行內(nèi)參標(biāo)定，可以更好地提升AI視覺(jué)算法精度，故而正逐漸成為解決此類問(wèn)題的重要手段之一。ADAYO華陽(yáng)數(shù)碼特“煜眼”技術(shù)，在生產(chǎn)線上即可快速準(zhǔn)確地標(biāo)定攝像頭內(nèi)參，并將內(nèi)參保存在攝像頭內(nèi)，在攝像頭AA工藝上更進(jìn)一步提升了攝像頭的精度，從而保證ADAS應(yīng)用的算法精度，改善用戶體驗(yàn)。

攝像頭感知誤差受多重因素影響

在設(shè)法提升攝像頭精度之前，首先要弄明白攝像頭的感知精度究竟會(huì)受哪些因素影響。整體來(lái)看，主要有兩大方面的原因：

1、受攝像頭本身一致性的影響，包括鏡頭的誤差、裝配誤差

▅ 攝像頭鏡頭的誤差：由鏡頭的鏡片加工誤差及鏡片在鏡頭內(nèi)的組裝誤差產(chǎn)生，通常會(huì)產(chǎn)生兩類問(wèn)題（計(jì)算以像素大小為3微米的100萬(wàn)像素?cái)z像頭為例，下同）：

焦距誤差：主流的鏡頭的焦距誤差規(guī)格為±5%，僅考慮焦距誤差一項(xiàng)，比如1mm的焦距變化5%，主光線角度為20度處，會(huì)產(chǎn)生6個(gè)像素的誤差；

鏡頭的畸變誤差：鏡頭廠家一般可向攝像頭模組廠家提供徑向畸變曲線，這條曲線一般是鏡頭的測(cè)試平均值或者是理論設(shè)計(jì)值，實(shí)際每顆鏡頭的畸變與此都會(huì)有一定的偏差；另外由于ADAS用鏡頭的畸變雖然主要是徑向畸變，但是畸變曲線只能反映徑向畸變的情況，無(wú)法反應(yīng)鏡頭的切向畸變，而鏡頭的切向畸變多少是存在的，嚴(yán)重時(shí)會(huì)達(dá)到2個(gè)像素的誤差水平，降低攝像頭的精度和一致性。

▅  攝像頭的裝配誤差：主要有光心偏差：攝像頭傳感器的中心與鏡頭光軸的錯(cuò)位。雖然高清攝像頭一般都采取了AA（主動(dòng)對(duì)準(zhǔn)）工藝，但僅靠此工藝，一般也只能保證光心±5個(gè)像素的水平。

▅ 一般攝像頭主要幾何誤差大?。?/strong>

以水平視角120度，1 mm焦距，像素3微米大小為例

以上誤差均與攝像頭內(nèi)參相關(guān)

2、受攝像頭在車(chē)上安裝一致性的影響

攝像頭外殼定位結(jié)構(gòu)的精度、攝像頭安裝支架的精度以及汽車(chē)結(jié)構(gòu)件本身的精度，都會(huì)影響攝像頭的安裝角度及位置，這些因素綜合起來(lái)，產(chǎn)生2度的角度誤差是很可能發(fā)生的。

這一因素雖然是攝像頭外參，但要將攝像頭的安裝誤差標(biāo)定準(zhǔn)確，首先也要求攝像頭內(nèi)參準(zhǔn)確。

“煜眼技術(shù)”助力AI視覺(jué)算法優(yōu)化

AI算法通過(guò)標(biāo)定攝像頭的內(nèi)參與外參，可以大幅消除上述誤差的影響。如果攝像頭本身的內(nèi)參和理論內(nèi)參有誤差，或者同一批次攝像頭的內(nèi)參數(shù)據(jù)的離散性較大，都會(huì)對(duì)AI算法的準(zhǔn)確標(biāo)定帶來(lái)困難。

華陽(yáng)數(shù)碼特“煜眼”技術(shù)采用獨(dú)特的中心點(diǎn)算法及其它參數(shù)優(yōu)化算法，可在線穩(wěn)定、準(zhǔn)確的測(cè)出攝像頭內(nèi)參，并將內(nèi)參寫(xiě)入攝像頭中，從而可以滿足在線操作的節(jié)拍速度，對(duì)每個(gè)攝像頭進(jìn)行在線標(biāo)定。寫(xiě)入攝像頭的內(nèi)參可以直接被ADAS算法讀取，通過(guò)算法進(jìn)行有效補(bǔ)償，來(lái)實(shí)現(xiàn)精準(zhǔn)的物像測(cè)距和識(shí)別定位，提升AVP、APA、FCW、LDW、DMS、OMS等應(yīng)用領(lǐng)域的算法精度，給車(chē)主提供更好的用戶體驗(yàn)。

“煜眼技術(shù)”在ADAS中的應(yīng)用

1.在 AVP、APA、AVM、VSLAM、FCW、BSD、PCW、AEB 等需要使用攝像頭進(jìn)行距離判斷（有時(shí)是協(xié)助其它傳感器進(jìn)行距離判斷）或圖像拼接的應(yīng)用中，對(duì)攝像頭物像的位置對(duì)應(yīng)關(guān)系有比較高的要求，對(duì)攝像頭進(jìn)行內(nèi)參精準(zhǔn)標(biāo)定，修正攝像頭之間的差異，可大幅提高算法的精度，從而改善用戶體驗(yàn)。

不管是攝像頭內(nèi)部的幾何誤差（用像素表示），還是攝像頭在車(chē)上安裝誤差（用角度表示）都可歸結(jié)為角度誤差。

假如攝像頭的安裝高度為1.3米，攝像頭1度的誤差，在地面上會(huì)產(chǎn)生的測(cè)距誤差如下：

攝像頭安裝位置越低，地面目標(biāo)越遠(yuǎn)，測(cè)距誤差越大。

從上面計(jì)算可以看出，攝像頭成像的幾何精度，對(duì)地面物體的距離判斷至關(guān)重要?！?strong>煜眼”技術(shù)可以將中心偏差及畸變一致性控制在全視野范圍內(nèi)2個(gè)像素之內(nèi)。

2.在LDW、DMS、OMS、TSR等主要以目標(biāo)識(shí)別為主的應(yīng)用中，特別是使用了機(jī)器學(xué)習(xí)的算法時(shí)，使用“煜眼“技術(shù)標(biāo)定的攝像頭內(nèi)參，能有效消除成像的畸變，明顯提高算法的識(shí)別精度。這是因?yàn)檫M(jìn)行機(jī)器學(xué)習(xí)的訓(xùn)練時(shí)，一般使用的是沒(méi)有畸變或畸變較小的鏡頭采集的訓(xùn)練影像數(shù)據(jù)，實(shí)際使用時(shí)如果使用FOV大于100度的攝像頭，影像畸變大，會(huì)降低識(shí)別率，從而影響AI視覺(jué)算法精度。

目前行業(yè)內(nèi)通常是通過(guò)攝像頭內(nèi)的ISP（圖像處理器）的能力，使用固定的幾個(gè)參數(shù)進(jìn)行畸變校正。但是ISP的畸變校正能力非常有限：徑向畸變一般不能完全校正（比如校正后留有10%左右的畸變），一般也不做切向畸變校正，更無(wú)法校正畸變中心，此方法對(duì)于AI視覺(jué)算法要求的攝像頭魚(yú)眼畸變小于1%的指標(biāo)，仍有重大差距。

以下為一款攝像頭在使用“煜眼“技術(shù)標(biāo)定內(nèi)參并應(yīng)用內(nèi)參作畸變校正前后的圖像對(duì)比：

（使用“煜眼”技術(shù)測(cè)定內(nèi)參后，畸變率可控制在0.5%以下，從例圖中可以看到校正后，地板的經(jīng)緯線橫平豎直）

ADAYO華陽(yáng)數(shù)碼特“煜眼”技術(shù)的理念是用最精準(zhǔn)的AI傳感器，助推自動(dòng)駕駛技術(shù)，帶來(lái)美好的科技生活享受。自2019年推出到現(xiàn)在，目前“煜眼”技術(shù)已經(jīng)獲得包括百度在內(nèi)的多家知名自動(dòng)駕駛公司的認(rèn)可，并已在多個(gè)車(chē)廠項(xiàng)目上落地。最新進(jìn)展是搭載百度AVP自主泊車(chē)的威馬W6車(chē)型，全系使用華陽(yáng)數(shù)碼特的帶有“煜眼”技術(shù)的攝像頭，為威馬W6車(chē)型特定場(chǎng)景的無(wú)人駕駛技術(shù)保駕護(hù)航。此外，華陽(yáng)數(shù)碼特“煜眼”技術(shù)在百度最新推出的基于純視覺(jué)的自動(dòng)駕駛技術(shù)ANP（領(lǐng)航輔助駕駛技術(shù)，達(dá)到L4的技術(shù)水平）和江淮新能源的DMS項(xiàng)目上也已落地，“煜眼”技術(shù)的應(yīng)用領(lǐng)域已經(jīng)擴(kuò)展到自動(dòng)駕駛技術(shù)的多個(gè)應(yīng)用領(lǐng)域。

作為ADAYO華陽(yáng)集團(tuán)汽車(chē)電子業(yè)務(wù)的重要力量之一，華陽(yáng)數(shù)碼特愿攜手更多自動(dòng)駕駛技術(shù)及合作伙伴，共同探討“煜眼”技術(shù)在自動(dòng)駕駛領(lǐng)域的無(wú)限可能，并期待與更多自動(dòng)駕駛技術(shù)廠商及主機(jī)廠合作，為廣大車(chē)主提供美好的科技生活享受。

返回第一電動(dòng)網(wǎng)首頁(yè) >