800万像素清晰吗(800万像素的最高分辨率是多少)

目前无论是造车新势力还是传统车企，自动驾驶相关的硬件配置越来越卷，200万像素摄像头已经设计成800万像素。虽然成本增加了，但硬件升级使200万像素摄像头的探测距离从120米扩展到了250米，它也可以更好地识别远处的各种交通标志。

鉴定后，这些获得的数据应该如何应用？这就涉及到感知中的“调节”和自动驾驶中的调节。摄像头采集的客观世界呈现给后端的规划控制部分，就像人用眼睛看世界一样，大脑再根据这些对世界做出反应。所以如果只是硬件升级，但是背后的算法不变，这样的升级是没有意义的。

黑芝麻智能系统架构高级经理钟鸣

黑芝麻智能系统架构高级经理钟鸣对钛媒体APP表示，为了推动更多企业使用国产大规模计算芯片，黑芝麻智能自主研发了很多感知算法，可以在中短期内加速和帮助一些智能导航和停车应用。产品迅速落地。

800万像素摄像头的背后应该有怎样的感知算法？

800万像素的摄像头可以将车辆检测距离增加到250米，这意味着车辆可以在高速公路上以更高的速度自动巡航，提前发现250米距离的障碍物，车辆会停下来或躲避。在非高速公路上行驶时，摄像头可以探测到远处行人过马路的运动轨迹，也可以提前探测到百米外的红绿灯信号，从而在车辆做出减速等规避动作时，为驾乘者提供更好的体验。在城市道路上行驶时，摄像头的广角功能可以及时检测到左右靠近的车辆和试图堵塞的车辆，供系统判断。

以上所有对车辆、行人、远近障碍物的检测，在自动驾驶中称为感知。这些感知到的结果会被发送到后端，以预测和规划每个目标的轨迹，从而更好地控制车辆的行驶，这也是越来越多的车型配备800万像素摄像头的原因。

自动驾驶中200万像素摄像头对应的产品形态通常是L2级别的辅助驾驶功能，不需要检测红绿灯等复杂的交通标志。然而，通过800万像素的摄像头和匹配的传感算法，其应用场景可以扩展到NOA的各种场景。无论是车辆的3D BOS，还是轿车、SUV、面包车、公交车等车辆类型，都可以准确分类，甚至连国际供应商都很头疼的各种交通标志都可以全面检测出来。这个算法的背后，是黑芝麻扎根中国，了解国内交通状况和多样化场景的能力。

对感知算法的挑战之一是检测和识别不同类型的道路标记，如实线、虚线、虚拟现实、虚拟现实和黄线，这些标记在不同的场景中经常看到。也许人从眼睛到大脑的识别和规划是一件非常简单的事情，但是对于算法来说，需要增加整个模型的规模，增加大量的数据来检测车道线的分叉和合并点。目前黑芝麻的智能感知算法最多可以支持六条车道线和两条路缘石，可以检测大弯。

此外，黑芝麻的智能感知算法还能识别每辆车的灯光信号，无论是大灯还是尾灯，转向灯还是刹车灯，算法都能完成对每辆车的识别。这种程度的光线识别有利于算法预测所有道路交通参与者的行为，从而为乘客提供更加舒缓的体验。

为了提高现有目标检测和障碍物检测的鲁棒性，黑芝麻智能通过无监督或半监督的方式，将语义分割和深度估计的训练方法与训练数据相结合，来验证和提高整个算法的鲁棒性，以确保这种感知算法能够满足系统在不同场景下的设计性能要求。

比如在日常使用过程中，以需求最高的环视感知为例。黑芝麻智能使用的A1000芯片比竞品的计算能力更强，对各种场景的鲁棒性更强，可以准确识别各种车位，甚至车位上的挡块、地锁等障碍物都可以通过神经网络识别。同样复杂的并线车辆识别，在黑芝麻的智能感知算法中也得到了相对完美的解决。在侧向、后向和前向的六个摄像头完成360度视觉感知后，算法对结果进行融合，融合后的结果将由规划控制完成NOA或城市道路的相应规划。

授人以鱼还是授人以渔？

黑芝麻智能的算法设计包含了神经网络、后处理等诸多元素。当市场要求NOA或L2变道时，R&D团队将分析相应的视觉要求，以检测距离目标的稳定性以及需要检测的距离目标。之后黑芝麻智能会有针对性的收集数据，通过不同的方法设计后处理算法，完成最终产品。这个闭环过程就是包括神经网络和后处理在内的自动驾驶感知算法的迭代过程。

目前神经网络算法的迭代过程主要来源于数据和算法的双向驱动。前者可以通过收集更多的数据并进行标记来不断提高神经网络的精度，可以添加更多的Cornercase来提高神经网络的鲁棒性。后者可以通过算法功能开发或算法结构调整来更好地适应这些Cornercase测试，这也需要闭环。

为了让合作伙伴的产品更快落地，黑芝麻智能还为他们提供了一套深度学习工具链。合作伙伴可以谈论将他们在服务器或AI上开发的模型转化为可以在黑芝麻的智能芯片上运行的程序，然后通过pytorch、Caffe等一系列训练框架，将训练结果进行融合和模拟，生成代码和相应的报告。这个工具链已经能够满足MobileNET等主流机型的操作要求，可以在黑芝麻智能的芯片上完成目标检测或者车道线检测。

黑芝麻智能的闭环模型就是通过这个深度学习工具链完成的。算法伙伴也可以使用黑芝麻智能提供的工具链进行模型闭环，可以在PC上快速模拟切入平台的结果和量化，从而更好地让AI开发工程师以此来验证模型是否有效。

在钟鸣看来，目前每一层都会提出自己的出行和停车综合解决方案。虽然很多企业的全套算法能力还在建设中，但从长远来看，随着NOA的广泛应用，以及各大车企对数据和神经网络的训练，安全算法的开发将逐渐成为车企和Tier 1的共同努力。但随着NOA需求的不断增加，结构化道路的计算能力需求可能高达几十吨到几百吨，这就是国产大计算能力芯片的机会。