視覺是人類認(rèn)知世界最重要的功能手段，生物學(xué)研究表明，人類獲取外界信息75%依靠視覺系統(tǒng)，而在駕駛環(huán)境中這一比例甚至高達(dá)90%。

如果能夠?qū)⑷祟愐曈X系統(tǒng)應(yīng)用到自動(dòng)駕駛領(lǐng)域，無疑將會(huì)大幅度提高自動(dòng)駕駛的準(zhǔn)確性，而這正是當(dāng)前計(jì)算機(jī)科學(xué)和自動(dòng)駕駛領(lǐng)域最熱門的研究方向之一，它就是機(jī)器視覺技術(shù)。

機(jī)器視覺技術(shù)發(fā)展至今已有二十多年的歷史，而真正發(fā)生革命性進(jìn)步的則是莫爾視覺計(jì)算理論的提出，通過實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)相關(guān)算法使機(jī)器擁有同人類視覺系統(tǒng)同樣的功能提供了可能。一般來說，機(jī)器視覺系統(tǒng)包含有鏡頭、攝像系統(tǒng)和圖像處理系統(tǒng)，而其核心則是專用高速圖像處理單元，也就是把存入的大量數(shù)字化信息與模板庫(kù)信息進(jìn)行比較處理，并快速得出結(jié)論，其運(yùn)算速度和準(zhǔn)確率是關(guān)鍵指標(biāo)。這主要通過高效合理的算法和處理能力強(qiáng)大的芯片來實(shí)現(xiàn)。

目前，市場(chǎng)上已有多種高效視覺專用硬件處理器及芯片等電子器件，并且隨著計(jì)算機(jī)技術(shù)的進(jìn)步，更先進(jìn)的算法被相繼發(fā)明，如采用網(wǎng)格分布式處理系統(tǒng)能夠有效的提高運(yùn)算的效率。今后機(jī)器視覺的核心問題將是對(duì)圖像的深入理解。

機(jī)器視覺在自動(dòng)駕駛中的應(yīng)用主要有以下兩個(gè)個(gè)方面：

障礙物檢測(cè)

障礙物檢測(cè)的準(zhǔn)確率是車輛自動(dòng)駕駛過程中安全性的重要保證。在行駛過程中，障礙物的出現(xiàn)是不可預(yù)知的， 也就無法根據(jù)現(xiàn)有的電子地圖避開障礙物，只能在車輛行駛過程中及時(shí)發(fā)現(xiàn)， 并加以處理。當(dāng)前， 由于自動(dòng)駕駛環(huán)境的不成熟，關(guān)于障礙物的定義尚沒有統(tǒng)一的標(biāo)準(zhǔn)。因此， 可以認(rèn)為一切可能妨礙車輛正常行駛的物體和影響車輛通行的異常地形都是車輛行駛過程中的障礙物。目前來看，障礙物檢測(cè)算法主要有以下三種：1. 基于特征的障礙物檢測(cè);2. 基于光流場(chǎng)的障礙物檢測(cè);3. 基于立體視覺的障礙物檢測(cè)。在三種算法中，基于立體視覺的障礙物檢測(cè)因?yàn)榧炔恍枰系K物的先驗(yàn)知識(shí)， 對(duì)障礙物是否運(yùn)動(dòng)也無限制， 還能直接得到障礙物的實(shí)際位置而成為主流研究方向。但其對(duì)攝像機(jī)標(biāo)定要求較高。而在車輛行駛過程中， 攝像機(jī)定標(biāo)參數(shù)會(huì)發(fā)生漂移， 需要對(duì)攝像機(jī)進(jìn)行動(dòng)態(tài)標(biāo)定。

道路檢測(cè)

自動(dòng)導(dǎo)航是自動(dòng)駕駛的必要條件，自動(dòng)駕駛過程中，道路檢測(cè)主要是為了確定車輛在道路中的位置和方向，以便控制車輛按照正確的路線行駛。另外，它還為后續(xù)的障礙物檢測(cè)確定搜索范圍，以及縮小障礙物檢測(cè)的搜索空間，降低算法復(fù)雜度和誤識(shí)率。然而由于現(xiàn)實(shí)中的道路多種多樣，在加上光照、氣候等各種環(huán)境因素的影響，道路檢測(cè)是一個(gè)十分復(fù)雜的問題。至今仍無一個(gè)通用的算法，現(xiàn)有算法基本上都對(duì)道路做了一定的假設(shè)。通常采用的假設(shè)有：1特定興趣區(qū)域假設(shè);2道路等寬假設(shè);3道路平坦假設(shè)。另外，道路平坦假設(shè)也為障礙物定義提供參考。

數(shù)據(jù)堂自有數(shù)據(jù)集的“智能駕駛數(shù)據(jù)解決方案”中掌握著駕乘人群的行為數(shù)據(jù)，不僅包含駕駛員行為標(biāo)注數(shù)據(jù)50種動(dòng)態(tài)手勢(shì)識(shí)別數(shù)據(jù)，103282張駕駛員行為標(biāo)注數(shù)據(jù)等，還包1300萬組人機(jī)對(duì)話交互文本數(shù)據(jù)，245小時(shí)車載環(huán)境普通話手機(jī)采集語音數(shù)據(jù)。不管是街景場(chǎng)景數(shù)據(jù)，駕駛員行為數(shù)據(jù)，還是車載語音數(shù)據(jù)，數(shù)據(jù)堂基于Human-in-the-loop智能輔助標(biāo)注技術(shù)”和豐富的AI數(shù)據(jù)項(xiàng)目實(shí)施經(jīng)驗(yàn)及完善的項(xiàng)目管理流程，支持智能駕駛場(chǎng)景下駕駛艙內(nèi)、艙外的圖像、語音數(shù)據(jù)采集任務(wù)，輔助智能駕駛技術(shù)在復(fù)雜多樣的環(huán)境下更好的感知實(shí)際道路、車輛位置和障礙物信息等，實(shí)時(shí)感知駕駛風(fēng)險(xiǎn)，實(shí)現(xiàn)智能行車、自動(dòng)泊車等預(yù)定目標(biāo)。對(duì)于智能駕駛而言將是其他企業(yè)難以企及的優(yōu)勢(shì)。

目前，機(jī)器視覺技術(shù)在自動(dòng)駕駛中并沒有進(jìn)行大規(guī)模的應(yīng)用，其實(shí)這這并非是硬件的問題，事實(shí)上攝像頭技術(shù)在汽車中的應(yīng)用已經(jīng)十分成熟，如行車記錄儀，廣角視野、倒車影像等功能都完全具備，而芯片技術(shù)也已能夠高效完成圖像的壓縮處理，最終難點(diǎn)在于模擬神經(jīng)網(wǎng)絡(luò)的視覺算法。