“在商用車這個領域大家也知道，從安全駕駛角度有非常重要的意義，因為商用車它如果出了事故，它的影響，它的嚴重程度其實比乘用車有更加重大的意義。”魔視智能CEO虞正華表示。

魔視智能CEO虞正華在高工智能商用車開發者大會上發表主題演講

過去卡車駕駛員致命或者受傷，這里面有若干類，可以看一下，要么是發生偏離，要么是碰撞，當然會有前向的碰撞或者是側向的碰撞。從事故的分析角度上來說，如果從預防的角度我們可以看到，最主要兩類預防其實就是跟車道偏離相關，或者跟前向碰撞相關的一些事故。

所以從政策法規角度，對于營運車輛國家也有一些法規的推行，比如LDW、FCW這樣的功能，但是明年可能會上升到AEB這樣的功能，在這樣的背景之下，國家政策的推動，所以這個行業在商用車這最近也是比較熱鬧的。

像ADAS這樣的系統其實也已經在有些車上開始運轉了，這里面有兩個問題，我想在座的或者業內人士也會有一些思考，是最低成本的滿足它的標準做一個應付，還是說希望這個系統真正能夠做到事故的預防，在這方面發揮作用。

第二點，其實今年的FCW可能只是一個過渡，到明年怎么適應AEB的要求。從報警這個等級，到制動跟控制對系統的要求是完全不一樣的，對系統的準確性的要求是完全上了一個等級。

我們認為核心就是，你的ADAS系統的準確性、可靠性，是不是真正達到能夠預防事故，能夠提供有效的警示與處理這樣一個程度。

回頭看一下前視ADAS系統的組成，通常來說今天主要的傳感器包括視覺傳感器，包括毫米波雷達傳感器，傳感器的信號可以做一個融合，提供一個環境感知的功能，假如后面要做決策、控制，如果是報警可以做一個警示的顯示。

但在這個系統里面最核心的一點還是環境感知的質量，就是你是否能準確的感知到車外的環境，前方的目標與車輛自身的狀況，這樣才能做一個可靠、準確的決策，來供你執行。

環境感知的角度，今年大家可能主流上車的產品，或者說涉及到的一些功能主要就兩個方面，LDW和FCW。

LDW也只能靠攝像頭來解決，FCW因為適應標準的要求，所以基本上會采用雷達跟攝像頭相融合的方案。PCW目前也看到一些主機廠有這樣的需求了，不同的類型可能有不同的要求，但關鍵還是回到環境感知的兩個點。

一個是對車道線的檢測，一個對目標的檢測，以及相關的物理量的測量。明年再往后的話，我們可能會看到更多的從LDW過渡到LKA這樣的功能，FCW過渡到AEB這樣的功能，從功能的角度上提升，對準確預測同樣也是一個更高的要求。

從環境感知的角度來說，有什么樣的困難和挑戰呢？我可以舉一些例子，做LDW也好做LKA也好，就是要做車道線，其實你會面臨各種各樣的挑戰，比如說上面兩個圖的車道線的磨損，你在這種情況之下車道線已經看不太清楚了，這個時候怎么辦？

車道線也有很多復雜的類型，除了直道還有彎道，虛線、實線還有魚骨線，兩側都是魚骨線還是單側是魚骨線，這也是一個非常復雜、非常多樣的環境。

我們需要做前向防撞，路上碰到的目標的類型也是復雜多樣的，除了機動車之外，可能還會出現各種各樣的，因為中國的路況就是比較復雜，可能有農用車、板車，甚至有三輪車，都可能出現在你道路的前方，行人的姿態也是復雜多樣。

你還會面臨到不同的工況，不同的天氣，這些環境感知的角度其實都提出了很多的挑戰。在過去這些傳統的方法大家為什么覺得難做？也是在于這些環境的變化，這種復雜性。

從2012年開始，在新的人工智能的算法和深度學習的加入，證明了對目標的識別能力，對環境的感知方面其實它能夠帶來革命性的突破，對于這種復雜的目標場景，對于這種復雜多變的環境變量，它能夠有效的進行目標識別。不管外界的車是在任意角度，行人是什么樣的姿態，用深度學習這條路線已經證明可以很好的解決這些問題。

我們可以放一些利用深度學習的視頻，比如像素級的語義分割，把圖像的每一個像素點用深度學習的方法我們區分為19種類別，包括車道、人行道、電線桿、交通標識、人、車等等。

拿這個東西來干什么，我們做主動安全也好，很重要的一點是我們可以把這個道路識別出來。如果不是路上的目標那我就不能去撞，可能有各種各樣的障礙物，只要是障礙物你都不能去撞。這種情況下我們做前向防撞就有很重要的算法上的突破。

所以在深度學習方面，我們做了很多的算法的工作，跟自動駕駛相關的。今天更重要的工作是把這個技術變成我們產品中具有的功能，這是我們最近做的一些工作，綠色的是黃色車道線，然后包括這些車輛，各種目標檢測，這段視頻里面車輛的類型是非常多樣的。

基于Freespace，后面可以帶來一個非常巨大的突破，因為單一傳感器面臨的問題，結合這個技術都能夠得到一個非常完美的解決方案。

那么，晚上的效果怎么樣呢？我這里也有一個，這是夜間的環境照明，這個并不是很充分，但即使在這樣的情況下，對道路的識別包括車道線，各種目標的識別，還是能夠非常準確的把目標識別出來。

目前我們的算法是基于FPGA，我們花了三年時間一直在做這個事兒，我們是國內第一家基于FPGA和深度學習方案的前視ADAS產品，已經量產。

今天也很高興跟大家匯報一下，我們這個產品經過主機廠接近兩年的測試，我們已經在國內實現了乘用車的前裝量產了，單月超過千臺的出貨。就我們自己的了解，在同類的自動駕駛創業公司里面我們應該是最早實現乘用車前裝量產的。

在乘用車以外，我們也很高興把同樣的技術用到了商用車的領域，這是面向商用車的一整套產品，核心部件是基礎深度學習的ADAS一體機，帶一個小的顯示器，報警顯示，也可以接入77G毫米波雷達，通過融合來實現報警的功能，這個體積跟乘用車一樣，采用了同樣的車規級芯片，負40到125度。

這套系統主要功能包括車道偏移報警，包括行人防撞、前向防撞，當然也可以擴展到AEB。

LDW其實我們是經過了大量的充分的驗證，主機廠為了把我們整套系統充分驗證前向防撞是做了大量的工作，這是商用車的主機廠做的測試，在左右兩個輪子的地方對著地面拍，這樣來驗證你的車道偏離報警是否準確，右邊的車道線變紅了就是發生了車道偏離，發生了報警，這是一個彎道的情況，通常來說彎道的這種車道偏離比直道要難做一些。

除了快速路，我們還面臨鄉間道路，其實車道線并不是那么清晰的的一些挑戰，包括直道、轉彎道這樣的一些挑戰。包括隧道，各種各樣的測試場景。

還有更大一個挑戰，這本身是一個晚上，大家看這個車道線是一個S彎，拐過來很快又拐過去，大家可以看到我們對這樣一個復雜的車道線，而且這個線本身是個魚骨線，我們可以準確的識別到車道線和車身的位置，也沒有任何誤報的情形。

FCW也是一樣的，需要我們對前向目標通過視覺和毫米波雷達融合的方案，傳統上就是拿雷達來做，左邊是視頻，雷達的信號貼到視頻上，右邊是鳥瞰圖。

比如，地上修路的鐵板，這是一個虛假的目標，這個問題怎么來解？我們把freespace跟雷達結合，大家看路邊的虛景無論障礙物還是其他的目標都已經消失了，綠色的是正前方的車輛，最后這一張，有雷達會檢測到鐵板，但是我們知道這是個路面，我們很容易就可以把這個目標過濾掉，這樣對于做一個前向防撞，做AEB這是一個很重要的突破了。

這是我們在一個主機廠做的測試，這個是剎車，這個識別和剎車其實都是通過剎車的指令，通過ADAS系統所給出來的，這是對行人防撞的。

其實我們的測試驗證前面只是一部分，我們已經花了兩年多的時間，在全國跑了超過500萬公里進行了大量的驗證，這套系統本身也通過了很多相應的標準檢測，包括在重慶過的883，過的JT/T1904標準的檢測。這套系統現在也已經有多家的主機廠開始量產。

魔視智能是一家人工智能算法和汽車ADAS和自動駕駛相結合的公司，我們是一個國際化的團隊，總部在上海，在澳大利亞有一個全資的人工智能研究院。

我本人是有十多年的算法產品化背景，我們首席科學家沈春華是國際上非常著名的人工智能的專家，大家可以查一下他的學術背景，在全世界都是非常頂尖的。為什么放在澳大利亞？在視覺領域，阿德萊德是全世界第二，這也是為什么我們在澳洲設立了全資的人工智能研發中心。

從公司角度，我們是2015年成立的，前面都是專注產品技術的研發，2016年做了第一套基于深度學習的車規級ADAS產品，2017年上半年跟車廠測試，今年開始乘用車量產。