【作 者】：网站采编
【关键词】：
【摘 要】：智能驾驶领域采用的传统基于帧检测的感知技术路线，是否存在缺陷？答案是肯定的，不管是摄像头还是激光雷达。事实上，已经有不少企业正在开发新的技术路线来弥补现有感知的能

智能驾驶领域采用的传统基于帧检测的感知技术路线，是否存在缺陷？答案是肯定的，不管是摄像头还是激光雷达。事实上，已经有不少企业正在开发新的技术路线来弥补现有感知的能力。

众所周知，目前市场采用的基于帧检测的视觉感知，与卷积神经网络配合可以部署识别和分类物体，包括人、动物、车辆、道路标志和各种其他障碍物。

但弊端也比较明显，比如，系统通常成本高昂，并且需要高能耗的CPU或者GPU。其次，以预定的帧率捕获视觉信息，增加了图像处理的数据吞吐量要求。

而基于事件的成像原理，传感器仅跟踪场景中的变化，不会传输在摄像头视场中保持不变的任何事物。它与传统摄像头不同，没有帧，每当单个像素中光强发生变化时，它就会累积。

“基于事件成像的主要优势是，在检测和跟踪应用中，能够以比基于帧的图像传感器快1000倍的速度捕获运动图像。”一家研发相关技术的公司负责人表示。

如今，基于事件成像的技术商业化进程已经开始。

一、降低延迟和数据处理量

去年初，全球图像传感器巨头索尼公司宣布，与一家初创技术公司联合开发出一种基于事件的堆叠式图像传感器，拥有业界最低的4.86μm像素尺寸以及业界最高的124dB（或更高）的高动态范围图像（HDR）性能。

新型视觉传感器体积小、功耗低，具有高分辨率、高速度、高时间分辨率等特点，可异步检测每个像素的亮度变化，并输出像素发生变化的数据，包括坐标和时间。

更关键的是，这种类型的视觉传感器，可以实现高效率、高速、低延迟的数据输出，此外，可以实现出色的弱光性能，快速的像素响应、高时间分辨率和高吞吐量的数据读取。

此外，通过有效压缩事件数据，即每个事件的亮度变化极性、时间和x/y坐标信息，已经实现了的高输出事件发生率。

在事件相机的感知中，对于每一个像素，当灰度值的变化超过一定的阈值之后，该像素位置就会产生一个输出，然后根据灰度是增加还是减少输出对应的极性。

目前，一些汽车制造商也已经盯上了这项技术可能带来的巨大潜在机会。去年初，戴姆勒与驾驶辅助系统开发商Terranet AB签署了一份开发采购协议，看中的就是后者推出的突破性3D动作感知技术VoxelFlow。

在Terranet AB公司看来，VoxelFlow技术能够比激光雷达更准确、更快地检测和分类物体。原因是，使用基于帧的方法感知时受到基本速度限制，尤其是无法检测到近距离、需要低延迟检测的运动物体。

统计数据显示，80%的撞车事故和65%的近距离撞车事故都与驾驶员在撞车前3秒内的注意力不集中有关，因此低延迟的检测能力尤为重要。

VoxelFlow采用的就是基于事件的感知技术，使用非常低的计算能力以极低的延迟对动态移动对象进行分类，每秒产生1000万个3D点，从而在没有运动模糊的情况下快速检测到移动物体。

从技术原理来看，基于事件感知，可以更有效地理解运动物体的轨迹，通过连续逐像素跟踪，而不再是逐帧序列分析。

相比之下，iPhone等智能手机的摄像头就逊色多了，每帧只有3.3万个像素点。不过，和目前智能驾驶系统使用的普通摄像头相比，手机摄像头反而更强大。

事实上，去年博世量产的第三代多功能摄像头采用的密集光流法，和上述提到的基于事件感知有一定的相似性。密集光流法，主要是替代目前的稀疏光流法，提高暗光环境下对物体的感知能力以及对小型物体的感知能力。

而基于事件感知的摄像头可用于多种应用，其中之一就是实现单目感知环境下的深度估计。不过，此前，核心的感知芯片体积较大，还不能完全满足汽车行业的要求。

二、2024年开启应用窗口？

与激光雷达相比，这种基于事件的感知技术的优势在哪里？

激光雷达，就是典型的基于帧的感知技术。它使用不可见的激光束来扫描物体。与人眼相比，激光雷达扫描和探测物体的能力非常快。

不过，瓶颈也恰恰在近距离感知。原因是，目前市场上推出的激光雷达，在30-40米以内距离对障碍物的反应速度还是不够快。

此外，考虑到激光雷达与摄像头的融合，后者的运行速度大部分是每秒30帧（fps），每帧的处理延迟是33毫秒。为了准确地检测行人并预测运动轨迹，需要多帧检测。

文章来源：《下一代英才》 网址: http://www.xydbjb.cn/zonghexinwen/2021/0523/1782.html