目前智能傳感器廣泛應(yīng)用于消費電子、汽車工業(yè)、航空航天、機(jī)械、化工及醫(yī)藥等領(lǐng)域。隨著物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等新興產(chǎn)業(yè)的興起，智能傳感器在智能農(nóng)業(yè)、智能工業(yè)、智能交通、智能電網(wǎng)、健康醫(yī)療、智能穿戴等領(lǐng)域，都有著廣闊的應(yīng)用空間。

 

智能圖像傳感器是能夠捕捉和分析視覺信息，代替人眼做各種測量和判斷的設(shè)備，由圖像傳感器和視覺軟件組成，前者用于捕捉圖像，后者用于分析“看到”的內(nèi)容。典型的圖像傳感器可以分為：圖像采集、圖像處理和運動控制三個部分。它綜合了光學(xué)、機(jī)械、電子、計算機(jī)軟硬件等方面的技術(shù)，涉及到計算機(jī)、圖像處理、模式識別、人工智能、信號處理、光機(jī)電一體化等多個領(lǐng)域。

 

根據(jù)感光器件的不同，圖像傳感器可以分為CCD和CMOS兩種。兩者都執(zhí)行相同的步驟：光電轉(zhuǎn)換——電荷累積——輸出——轉(zhuǎn)換——放大。

 

 

CCD成像儀主要由兩部分構(gòu)成：濾色器和像素陣列，微透鏡將光線漏光到每個像素的光敏部分上，當(dāng)光子通過濾色器陣列時，像素傳感器開始捕獲通過的光的強(qiáng)度，然后對光信號進(jìn)行組合，統(tǒng)一輸送到外部線路進(jìn)行A/D處理。與CCD相比，CMOS是具有像素傳感器陣列的集成電路，其每個像素傳感器都有自己的光感傳感器、信號放大器和像素選擇開關(guān)。

 

 

智能傳感器的實現(xiàn)結(jié)構(gòu)主要有三種：非集成化實現(xiàn)、混合形式、集成化實現(xiàn)。按照智能化的程度，分別對應(yīng)：初級、中級和高級形式。MEMS傳感器是指采用微機(jī)械加工和半導(dǎo)體工藝制造而成的新型傳感器。與傳統(tǒng)的機(jī)械傳感器相比，MEMS傳感器具有體積小、重量輕、成本低、功耗低、可靠性高、適于批量化生產(chǎn)、易于集成和實現(xiàn)智能化等特點。從集成化的角度來說，MEMS傳感器是智能傳感器的未來。

 

 

目前最常見的智能圖像傳感器組件便是攝像頭，已普遍應(yīng)用于手機(jī)和可穿戴設(shè)備等消費電子，目前手機(jī)、平板電腦市場趨于飽和，未來無人駕駛、車聯(lián)網(wǎng)、AR、VR、無人機(jī)等新興智能領(lǐng)域?qū)蔀橹悄軋D像傳感器的新增需求點。在這些領(lǐng)域的主流傳感器組件分別是：攝像頭、毫米波雷達(dá)、激光雷達(dá)。其中激光雷達(dá)在探測距離、探測精準(zhǔn)度、天氣適應(yīng)性和夜視功能方面具有極大的優(yōu)勢，將會成為未來高端成像設(shè)備的主流。

 

 

激光雷達(dá)的成像原理可簡單概括為：激光雷達(dá)的發(fā)射模塊發(fā)射出一束具有一定功率的激光束或者是光脈沖，然后經(jīng)散射鏡將光線散射出去，打到待探測目標(biāo)面上；反射回來的信號由激光雷達(dá)的接收模塊接收，經(jīng)過內(nèi)部的信號處理，結(jié)合強(qiáng)度像和距離像的融合，經(jīng)顯示設(shè)備輸出待測目標(biāo)的三維圖像。

 

 

與相機(jī)圖像不同，激光雷達(dá)可通過測量光線的飛行時間，測量物體距離。除此之外，相機(jī)的數(shù)據(jù)源單一，不可靠，雖具有完全360°的覆蓋范圍，但很容易被迎面而來的光線、黃昏或陰影中看不到東西所遮擋，無法區(qū)分遠(yuǎn)處的重要場景。以車用傳感器為例，分別對比攝像頭、毫米波雷達(dá)、激光雷達(dá)，三者之間的區(qū)別如下圖所示：

 

 

 

20世紀(jì)90年代末期，隨著CMOS圖像傳感器工藝和設(shè)計技術(shù)的進(jìn)步，市場份額不斷擴(kuò)大，近年來市場占有率已經(jīng)超過90%，取代CCD成為主流。2016年CMOS的市場規(guī)模為103億美元，三大巨頭索尼（Sony）、三星（Samsung）和豪威（Omnivision）分別占比全球市場份額35%、19%和8%，合計占比62%，市場格局相對比較集中。

 

 

從區(qū)域市場的分布來看，根據(jù)Globle image sensor的預(yù)測，2012-2018年全球全球圖像傳感器市場規(guī)模同比增長率為4.35%，到2018年，市場規(guī)?？蛇_(dá)106.6億美元，增長主要集中在亞洲，中國將會成為最大的受益國。2012年北美、亞洲和歐洲和其他區(qū)域的市場份額分別為35%、34%、22%和9%，而到了2018年四大區(qū)域的市場份額分別為：27%、40%、18%和15%。

 

從下游應(yīng)用領(lǐng)域分布來看，當(dāng)前CMOS圖像傳感器主要應(yīng)用于智能手機(jī)和平板電腦，占比下游應(yīng)用70%左右。隨著嵌入式數(shù)字成像技術(shù)迅速擴(kuò)展，未來用于智能手機(jī)和平板電腦的CMOS的比例將會逐漸降低，汽車系統(tǒng)將成為CMOS圖像傳感器增長最快的應(yīng)用，到2020年汽車行業(yè)傳感器市場規(guī)?？稍鲩L至22億美元，約占市場總額152億美元的14％。2015年-2020年，汽車用CMOS全球銷售額復(fù)合年增長率可達(dá)55％。

 

 

在汽車行業(yè)之外，未來2015-2020年間，安全監(jiān)控領(lǐng)域可保持36％的年均復(fù)合增速，增長至9.12億美元；醫(yī)療/科學(xué)應(yīng)用領(lǐng)域可保持34％的年均復(fù)合增速，增長至8.67億美元；玩具/電子游戲可保持32％的年均復(fù)合增速，增長至2.74億美元；工業(yè)系統(tǒng)可保持18％的年均復(fù)合增速，增長至8.97億美元。

 

從應(yīng)用形式來看，CMOS傳感器的主要應(yīng)用為攝像頭模組（CCD）， 2014年全球CCD市場規(guī)模為201億美元，其中封裝、AF（自動對焦系統(tǒng)）& OIS（圖像穩(wěn)定系統(tǒng)）供應(yīng)商規(guī)模合計占比市場份額的72%，分別為72億美元和72.5億美元。根據(jù)Yole Développement預(yù)計，2020年CCD全球市場規(guī)?？稍鲩L至510億美元，6年間的年均復(fù)合增速為16.8%，其中封裝領(lǐng)域市場規(guī)模達(dá)225億美元，年均復(fù)合增速20%；AF & OIS市場規(guī)模達(dá)155億美元，年均復(fù)合增速13%。

 

 

目前手機(jī)、電腦用攝像頭是攝像頭模組下游應(yīng)用的最廣泛領(lǐng)域之一，未來隨著無人駕駛技術(shù)的逐步推進(jìn)，融合了圖像傳感器的車載攝像頭以及激光雷達(dá)，作為ADAS的解決方案將會面臨新一輪的增長，除了車感攝像頭之外，無人機(jī)和機(jī)器人領(lǐng)域、以及增強(qiáng)現(xiàn)實（AR）和虛擬現(xiàn)實（VR）領(lǐng)域都將是智能圖像傳感器的新的市場增長點。

 

 

相比手機(jī)攝像頭，汽車攝像頭的進(jìn)入壁壘更高，單價也是手機(jī)攝像頭的八倍左右（車載攝像頭價格在 32 美元（約合人民幣 197 元）左右，夜視用車感攝像頭更是高達(dá)上千美元。2016年ADAS的市場規(guī)模為105億美元，根據(jù) Strategy Analysis 預(yù)測，到2020 年ADAS 市場規(guī)模可達(dá)300億美元，復(fù)合增長率可達(dá)24%。

 

 

隨著ADAS市場的爆發(fā)，車用攝像頭迎來了增長的風(fēng)口，作為ADAS全景系統(tǒng)的重要組成部分，市場上主流的ADAS解決方案中，一輛車至少安裝7個攝像頭，按照安裝的位置，分別分為：前視、后視、側(cè)視以及車內(nèi)監(jiān)控四大部分。目前來看歐美國家的ADAS的市場滲透率較高，在8%左右，而中國的滲透率較低，為3%左右。且歐美各國近期都紛紛出臺強(qiáng)制安裝ADAS系統(tǒng)的政策，未來ADAS系統(tǒng)的滲透率將會逐步提高，相關(guān)機(jī)構(gòu)預(yù)測到2020年全球新車ADAS系統(tǒng)的滲透率可達(dá)20%。

 

2005年-2015年，全球汽車產(chǎn)量由6593.4萬輛增長至8967.8萬輛，年均復(fù)合增速3%，預(yù)計未來仍以該速度增長，至2020年全球汽車產(chǎn)量可達(dá)1.04億輛，由此預(yù)估車用攝像頭的市場規(guī)模到2020年可達(dá)214.5億美元，年均復(fù)合增速為38.6%。

 

 

ADAS系統(tǒng)是無人駕駛的基礎(chǔ)，未來隨著ADAS系統(tǒng)技術(shù)的不斷成熟，無人車也將會進(jìn)入爆發(fā)增長階段。相比車感攝像頭，激光雷達(dá)可以探測到更遠(yuǎn)的距離，對惡劣天氣的適應(yīng)性更強(qiáng)，因而成為無人車視覺系統(tǒng)的首選。根據(jù)激光雷達(dá)的激光發(fā)射器的數(shù)量不同，目前Velodyne Lidar無人車系統(tǒng)用激光雷達(dá)售價在7999美元-8.5萬美元，未來隨著激光雷達(dá)技術(shù)的不斷發(fā)展，成本可進(jìn)一步降低，對車感攝像頭的替代效應(yīng)也將凸顯。

 

 

根據(jù)BI Intelligence預(yù)測，未來自動駕駛車輛（包括L1-L5）將會由2016年的50萬輛增長至2025年的2200萬輛，其中不包括能夠?qū)崿F(xiàn)L5的全自動駕駛車輛，達(dá)到L5級別的全自動駕駛車輛預(yù)計2025年之后將會出現(xiàn)。由于激光雷達(dá)的價格較貴，假設(shè)只有高自動駕駛車才會安裝，目前高端車占比市場總量的4%左右，保守估計2017年到2025年車用激光雷達(dá)的市場規(guī)?？梢杂?0.5億美元增長至80億美元，年均復(fù)合增長率在33%左右。

 

 

無人機(jī)和機(jī)器人有著極其廣泛的細(xì)分市場，包括消費者無人機(jī)，自動駕駛車輛，招待機(jī)器人，遠(yuǎn)程呈現(xiàn)等，預(yù)計無人機(jī)和機(jī)器人業(yè)每年將新增至少10種應(yīng)用，帶來約10億美元的收入。目前無人機(jī)和機(jī)器人傳感器的市場規(guī)模為3.51億美元，預(yù)計到2021年可增長至7.09億美元，年均復(fù)合增速可達(dá)12.4%。

 

 

具體到智能圖像傳感器在無人機(jī)領(lǐng)域的應(yīng)用，目前主要是以相機(jī)模組的方式，搭載在無人機(jī)上，作航拍或者地圖測繪等需要成像的領(lǐng)域，2014年無人機(jī)出貨量為45萬臺，市場規(guī)模約7億美元，高盛預(yù)測，未來到2020年，無人機(jī)出貨量可達(dá)780萬臺，市場規(guī)?？蛇_(dá)33億美元，出貨量年均復(fù)合增速達(dá)60%。隨著無人機(jī)市場的爆發(fā)，無人機(jī)用攝像頭也將會迎來新增長，預(yù)計到2020年無人機(jī)用攝像頭市場規(guī)模可達(dá)1億美元，2013-2020年年均復(fù)合增速達(dá)35.4%。目前激光雷達(dá)成本較高，多用于測繪用無人機(jī)上，未來隨著激光雷達(dá)技術(shù)不斷成熟，成本不斷下降，激光雷達(dá)在無人機(jī)市場的應(yīng)用也將會越來越多。

 

 

 

隨著AR和VR的應(yīng)用越來越廣泛，該市場包括了音頻、圖像、存儲器和處理器，幾乎可以涵蓋我們生活的方方面面。就近期而言，推動AR/VR發(fā)展的九大動力主要是：游戲、現(xiàn)場活動、電影娛樂、保健、不動產(chǎn)、零售、工業(yè)以及軍事，其初始驅(qū)動力來源于個人消費。高盛預(yù)計2025年，AR/VR軟件收入的60%將來源于個人，40%源自于企業(yè)和公共部門，而推動AR/VR的應(yīng)用的三大動力主要是：用戶體現(xiàn)、技術(shù)突破和內(nèi)容的拓展。

 

 

相關(guān)機(jī)構(gòu)預(yù)測2016年-2025年，AR/VR的市場規(guī)模可從40億美元增長至800億美元，年均復(fù)合增速可達(dá)40%，其中硬件規(guī)?？捎?0億美元增長至420億美元。在未來市場增長一般的情況下，AR/VR設(shè)備的出貨量可由2016年的120萬臺增長至2020年的730萬臺，年均復(fù)合增速為57%。而在未來市場增長較好的情況下，AR/VR設(shè)備的出貨量由2016年的840萬臺增長至2020年的7000萬臺，年均復(fù)合增速可達(dá)68%。

 

由市場和出貨量我們可以估算出2016-2020年AR/VR設(shè)備的平均售價為2380美元/臺，未來隨著技術(shù)的不斷成熟，價格將會進(jìn)一步降低。保守估算AR/VR領(lǐng)域用攝像頭市場規(guī)模由2016年8400萬美元增長至2020年的7億美元，年均復(fù)合增速為70%。

 

 

具有微米級特征的MEMS傳感器正逐步取代傳統(tǒng)機(jī)械傳感器的主導(dǎo)地位，預(yù)計2021年，MEMS智能傳感器市場規(guī)模可達(dá)200億美元，2016-2021年均復(fù)合增速為9%。攝像頭技術(shù)應(yīng)用比較成熟，激光雷達(dá)尚未實現(xiàn)商業(yè)量產(chǎn)，未來可重點關(guān)注能夠降低成本的固態(tài)激光雷達(dá)的實現(xiàn)方式。

三、智能圖像傳感器的技術(shù)現(xiàn)狀及未來發(fā)展趨勢

 

 

智能傳感器的基本技術(shù)主要包括：功能集成化、人工智能材料的應(yīng)用、微機(jī)械加工技術(shù)、三維集成電路、圖像處理及DSP（數(shù)字信號處理）、數(shù)據(jù)融合理論（嵌入式數(shù)字成像技術(shù)），有兩種設(shè)計結(jié)構(gòu)，分別是：數(shù)字傳感器信號處理（DSSP）和數(shù)字控制的模擬信號處理（DCASP），一般采用DSSP模式，通常至少包括兩個傳感器：被測量傳感器（如圖像傳感器）和補(bǔ)償傳感器，傳感信號經(jīng)由多路調(diào)制器送到A/D轉(zhuǎn)換器，然后在送到微處理器進(jìn)行信號補(bǔ)償和校正，測量的穩(wěn)定性只能由A/D轉(zhuǎn)換器的穩(wěn)定性決定。

 

 

具有微米量級特征的MEMS傳感器可以完成某些傳統(tǒng)機(jī)械傳感器所不能實現(xiàn)的功能。因此，MEMS傳感器正逐步取代傳統(tǒng)機(jī)械傳感器的主導(dǎo)地位，在消費電子產(chǎn)品、汽車工業(yè)、航空航天、機(jī)械、 化工及醫(yī)藥等領(lǐng)域得到廣泛的應(yīng)用。

 

 

MEMS 傳感器的門類品種繁多，目前壓力傳感器、加速度計和陀螺儀是MEMS器件應(yīng)用最廣泛的器件，MEMS的市場總額為54.25億美元，其中壓力傳感器、加速度計和陀螺儀合計占比約45%，隨著各國對ADAS系統(tǒng)的重視，以及無人駕駛的爆發(fā)，未來汽車電子市場的增長將會成為驅(qū)動MEMS市場增長的主要動力。

 

Yole Développement預(yù)測，未來MEMS（微機(jī)處理系統(tǒng)）智能傳感器將會從2015年的115億美元增長至2021年的200億美元，年均復(fù)合增速為9%，在相同時期，出貨量的同比增長率達(dá)13%。

 

 

 

智能圖像傳感器涉及到計算機(jī)、圖像處理、模式識別、人工智能、信號處理、光機(jī)電一體化等多個領(lǐng)域，主要分為硬件系統(tǒng)和軟件系統(tǒng)兩大部分。硬件系統(tǒng)包含了處理器、存儲器和控制器，軟件系統(tǒng)主要包括各種驅(qū)動和算法。

 

目前較為先進(jìn)的應(yīng)用主要有：激光雷達(dá)、3D成像和傳感技術(shù)、虹膜識別。

 

激光雷達(dá)的成像主要涉及以下幾個主要部件：激光發(fā)射器——散射片——接收器——處理器——輸出顯示，其中關(guān)鍵部件在于激光發(fā)射光系統(tǒng)和接收光系統(tǒng)。

 

 

發(fā)射光系統(tǒng)中的激光器的輸出波長因工作物質(zhì)的不同而不同，根據(jù)工作物質(zhì)（氣體、光纖、半導(dǎo)體、自由電子、液體激光器）、激勵能源（光泵、電激勵、化學(xué)式）以及輸出的波長（紅外激光器、紫外激光器和可見激光器）可以對激光器進(jìn)行不同的分類，目前主流激光器主要有：固體Nd：YAG激光器、光纖激光器、半導(dǎo)體激光器等。

 

用于激光雷達(dá)系統(tǒng)的激光器的關(guān)鍵技術(shù)指標(biāo)在于光波可探測的距離，對于激光雷達(dá)來說，激光器發(fā)出的光波越長，可探測的距離就越長，而光波長度不僅取決于光波本身的特性還取決于激光器的功率，一般而言，功率越高光波可探測的距離越長。

 

 

激光雷達(dá)接收器的作用在于將目標(biāo)反射或者散射的激光回波信號轉(zhuǎn)換為相應(yīng)的電信號，主要由：接收光學(xué)系統(tǒng)、光電探測器、前置放大器、主放大器和探測器偏壓控制電路構(gòu)成。就接收器使用的材料而言，主要是IV族中的Si、Ge和III-V族的GaAs、InP等材料，但硅材料以其晶體完整性、大尺寸、優(yōu)良的熱學(xué)性能等以及硅微電子技術(shù)的成熟性等優(yōu)勢，廣泛應(yīng)用與目前的集成電路。但具最新消息，在Luminar公司即將推出的1000臺性能優(yōu)越的激光雷達(dá)（40陣列、探測距離可達(dá)200米），所用激光接收器為InGaAs接收器。相比硅基的激光接收器，InGaAs接收器具有更高的敏感性，但成本更高，未來隨著成本的降低，將會有越來越廣泛的應(yīng)用。

 

 

除了有可以接收直線光的接收器之外，還有另外一種形式接受光信號的形式，即是Oryx獨家開發(fā)的“相干光雷達(dá)系統(tǒng)”。不像激光雷達(dá)那樣通過光電傳感器來偵測光線粒子，該系統(tǒng)根據(jù)光的“波粒二象性”，以波的形式使用納米天線來感知反射回來的信號（光）。

 

其原理是：用激光束照亮前方，用第二套光學(xué)儀器，將入射光導(dǎo)引到大量的微型整流納米天線中。由于系統(tǒng)不需要機(jī)械鏡面或一系列通道來引導(dǎo)激光、捕捉環(huán)境，只需要發(fā)出激光束來照亮前方，所以可大大降低成本。另外，系統(tǒng)所使用長波紅外光被水吸收的比率很低，也很少受到太陽輻射的影響，所以不會在大霧或強(qiáng)光直射環(huán)境下失效。

 

 

激光雷達(dá)按有無機(jī)械旋轉(zhuǎn)部件分類，包括機(jī)械激光雷達(dá)和固態(tài)激光雷達(dá)。根據(jù)線束數(shù)量的多少，又可分為單線束激光雷達(dá)與多線束激光雷達(dá)。而未來的發(fā)展方向?qū)臋C(jī)械走向固態(tài)，從單線束走向多線束。

 

 

目前激光雷達(dá)遲遲沒有大規(guī)模應(yīng)用的原因在于組裝和調(diào)試成本高，為了實現(xiàn)激光在水平視角的360°掃描，需要為激光雷達(dá)安裝機(jī)械旋轉(zhuǎn)裝置，而降低激光雷達(dá)成本的根本手段便是取消機(jī)械旋轉(zhuǎn)結(jié)構(gòu)。方法一是：利用MEMS微振鏡來控制激光的方向，把所有的機(jī)械部件集成到單個芯片，目前荷蘭Innoluce公司正在著手這一技術(shù)的研發(fā)，預(yù)計2018年量產(chǎn)，成本不超過100美元。方法二是：完全取消機(jī)械結(jié)構(gòu)，采用相控陣列的原理實現(xiàn)固態(tài)激光雷達(dá)。光相控陣列的原理是：采用多個光源組成陣列，通過控制各光源發(fā)射的速度和時間差，靈活合成角度，且精密可控的主光束，目前Quanergy公司的S3產(chǎn)品用的就是這一原理，成本可降低至250美元/臺。

 

 

隨著激光雷達(dá)技術(shù)的推進(jìn)，微型化、低成本、高性能將會成為必然趨勢，固態(tài)激光雷達(dá)也將會成為最終的激光雷達(dá)形式。全球現(xiàn)有的激光雷達(dá)的主要生產(chǎn)廠家，如下表所示：

 

 

3D成像能夠識別視野內(nèi)空間每個點位的三維坐標(biāo)信息，從而使得計算機(jī)得到空間的 3D數(shù)據(jù)并能夠復(fù)原完整的三維世界并實現(xiàn)各種智能的三維定位。目前在高端市場如：醫(yī)療和工業(yè)領(lǐng)域的應(yīng)用逐漸成熟，呈現(xiàn)出加速趨勢，預(yù)計2018年在移動和計算領(lǐng)域?qū)写罅?D成像和傳感產(chǎn)品面市，如：iPhone 8將采用前置3D攝像頭、Kinect游戲配件和Leap motion手勢控制器，3D成像技術(shù)將是解決人機(jī)交互的突破口。

 

 

目前主流的 3D 成像技術(shù)有三種：

 

（1）結(jié)構(gòu)光（Structure Light）。具有特別結(jié)構(gòu)的光投射特定的光信息到物體表面后，由攝像頭采集。根據(jù)物體造成的光信號的變化來計算物體的位置和深度等信息，進(jìn)而復(fù)原整個三維空間，代表公司如：以色列 PrimeSense 公司 Light Coding 方案。Light Coding發(fā)射 940nm波長的近紅外激光，透過diffuser（光柵、擴(kuò)散片）將激光均勻分布投射在測量空間中，再透過紅外線攝影機(jī)記錄下空間中每個參考面上的每個散斑，形成基準(zhǔn)標(biāo)定。標(biāo)定時取的參考面越密，則測量越精確。獲取原始數(shù)據(jù)后，IR傳感器捕捉經(jīng)過被測物體畸變（調(diào)制）后的激光散斑pattern。 通過芯片計算，可以得到已知 pattern 與接收pattern 在空間（ x, y, z）上的偏移量，求解出被測物體的深度信息。

 

 

（2）TOF（Time Of Flight，飛行時間）。通過專有傳感器，捕捉近紅外光從發(fā)射到接收的飛行時間，判斷物體距離。TOF的硬件實現(xiàn)方式和結(jié)構(gòu)光類似，區(qū)別只是在于算法上，結(jié)構(gòu)光采用編碼過的光pattern進(jìn)行投射，而TOF直接計算光往返各像素點的相位差。

 

（3）雙目測距（ Stereo System）。原理類似人的雙眼，在自然光下通過兩個攝像頭抓取圖像，通過三角形原理來計算并獲得深度信息，目前的雙攝像頭就是雙目測距的典型應(yīng)用。

 

從技術(shù)角度來說， 3D成像并不是近年才新出現(xiàn)的。自2009年微軟發(fā)布基于3D成像的游戲體感交互設(shè)備Kinect已經(jīng)有8年時間，而Google的Project Tango也提出了4年。3D 成像已經(jīng)過了技術(shù)基礎(chǔ)期，即將進(jìn)入長達(dá)5年以上的高速成長期。

 

虹膜識別是一種新興的生物特征識別技術(shù)，通過采集虹膜圖像，提取和比對虹膜紋理特征點之間的差別來識別身份，相比于傳統(tǒng)的指紋、人臉等生物特征識別技術(shù)具有唯一性、穩(wěn)定性和高度的防偽性等優(yōu)勢。對比其他生物測定技術(shù)只能讀取13-60個特征點，虹膜測定技術(shù)可以讀取266個特征點，準(zhǔn)確率高達(dá)99.29%。虹膜識別技術(shù)的過程一般來說包含如下四個步驟：虹膜圖像獲取——圖像預(yù)處理——特征提取——特征匹配。

 

 

虹膜識別系統(tǒng)自進(jìn)入21世紀(jì)之后開始大量應(yīng)用于安防、監(jiān)控、特種行業(yè)身份識別等領(lǐng)域，但由于其硬件的笨重和算法的低靈敏度，并沒有突破消費級電子市場。直到2015年5月，日本手機(jī)廠商富士通發(fā)布了全球首款限量產(chǎn)虹膜識別智能手機(jī)Arrows NXF-04G，才被人們認(rèn)知。但相比目前的指紋識別，并沒有得到廣泛的應(yīng)用，其原因在于以下三大挑戰(zhàn)：虹膜算法，基于互聯(lián)網(wǎng)的安全解決方案以及虹膜支付的生態(tài)建設(shè)。

 

 

同時，虹膜識別技術(shù)本身也存在著以下幾點主要難題：圖像難采集、睫毛和眼皮的遮掩、瞳孔彈性形變、頭或眼球的轉(zhuǎn)動帶來虹膜旋轉(zhuǎn)誤差、戴眼鏡的反光影響、不同攝像頭設(shè)備帶來圖像質(zhì)量的差異等。

 

 

ADAS即是汽車駕駛輔助系統(tǒng)，Mobileye ADAS在功能方面覆蓋了安全增強(qiáng)、便利提高兩個方面功能，詳情如下表所示：

 

 

Mobile eye 的ADAS系統(tǒng)主要有三大核心技術(shù)，分別是：傳感器識別(Sensing)、高精地圖定位(Mapping)和駕駛策略系統(tǒng)(Driving Policy) 

 

（1）傳感器識別包括車輛搭載的所有傳感器設(shè)備：攝像頭、雷達(dá)、激光雷達(dá)、超聲波傳感器等， 所有這些傳感器所收集到的信息，都將作為原始數(shù)據(jù)被傳輸?shù)礁咝阅茈娔X當(dāng)中并加以分析，為車輛建立環(huán)境模型(environmental model)。

 

Mobileye的圖像識別技術(shù)主要是基于EyeQ芯片技術(shù)的基礎(chǔ)，研發(fā)單眼攝像頭。 EyeQ 芯片是Mobileye的核心技術(shù)，具備異構(gòu)可編程性，用來支持包括機(jī)器視覺、信號處理、機(jī)器學(xué)習(xí)任何以及深度神經(jīng)網(wǎng)絡(luò)的部署。從 EyeQ5 開始， Mobileye 將會正式支持全自動駕駛標(biāo)準(zhǔn)的操作系統(tǒng)以及全套開源 SDK 用于開發(fā)者進(jìn)行算法開發(fā)。Mobileye 下一步布局三目攝像頭識別以及傳感器融合，完成360°全車周圖像傳感識別的覆蓋。

 

 

（2）高精地圖定位：用于幫助車輛在整個路徑規(guī)劃中精確定位，提供無人駕駛系統(tǒng)安全冗余， 高精度地圖的車輛定位精確度達(dá)到了10cm，遠(yuǎn)高于GPS的定位精確度。Mobileye推出道路體驗管理系統(tǒng)(Road Experience Management, REM)——一個端到端地圖和定位引擎。這個引擎包含三個主體：數(shù)據(jù)采集主體、地圖整合服務(wù)器（云端服務(wù)器整合眾包數(shù)據(jù)）、地圖使用主體（無人駕駛車輛）。

 

數(shù)據(jù)采集主體采集包括車輛路徑幾何數(shù)據(jù)、靜止路標(biāo)等數(shù)據(jù)，然后 Mobileye 進(jìn)行實時幾何及語義分析，之后這些數(shù)據(jù)被封裝為道路段數(shù)據(jù)(Road Segment Data)并傳送到云端服務(wù)器。云端服務(wù)器進(jìn)行數(shù)據(jù)整合以及源源不斷的 RSD 數(shù)據(jù)流量協(xié)調(diào)，最終打造為一張高精度、低反應(yīng)時間的全球路書 Roadbook。最后就是路書的本地化：讓無人駕駛車輛能夠使用這張路書， REM 會讓車輛在路書地圖中自動定位并根據(jù)實時更新來確保定位準(zhǔn)確。

 

 

（3）駕駛策略系統(tǒng)是針對各種路況做出反應(yīng)的決策系統(tǒng)。無人駕駛系統(tǒng)技術(shù)的難度在于路況的隨機(jī)性。Mobileye使用了一種深度學(xué)習(xí)方法——強(qiáng)化學(xué)習(xí)(reinforcement learning)算法。主要基于一個模擬復(fù)雜駕駛環(huán)境的仿真平臺，給定一個目標(biāo)，讓駕駛決策系統(tǒng)在模擬過程中自行試錯調(diào)試，對正確的決策進(jìn)行獎勵，對錯誤的決策進(jìn)行懲罰，從而實現(xiàn)自我學(xué)習(xí)和積累。

 

 

近期，Mobile eye與德爾福合作預(yù)計到2019年推出中央感應(yīng)定位和規(guī)劃（CSLP）自動駕駛系統(tǒng)，該項系統(tǒng)融合了相機(jī)、雷達(dá)、激光雷達(dá)等最佳的感知傳感器，汽車經(jīng)驗和計算機(jī)處理速度，是首個交鑰匙全集成自動駕駛解決方案，具有行業(yè)領(lǐng)先的感知系統(tǒng)和計算平臺。2019年CLSP系統(tǒng)將采用幾項先進(jìn)技術(shù)，包括：本地化能力、自由空間檢測、360°的行人感知、3D車輛檢測、路徑和運動規(guī)劃。

 

本文轉(zhuǎn)載自本翼資本CapitalWings。






推薦閱讀：