视觉系ADAS产品测试与评价 - ADAS视觉方案及11家创业公司完全盘点

　　（四）不同摄像头平台

　　1、单目和双目

　　视觉方案要完成ADAS任务，一般要实现测距（本车与前方障碍物距离）和识别（障碍物是什么）两项工作。按照车载摄像头模组的不同，目前主流ADAS摄像头可以分为单目和双目两种技术路线。

　　单目摄像头的算法思路是先识别后测距：首先通过图像匹配进行识别，然后根据图像大小和高度进一步估算障碍与本车时间。在识别和估算阶段，都需要和建立的样本数据库进行比较。想要识别各种车，就要建立车型数据库，想要识别麋鹿，就要建立麋鹿数据库。

　　双目摄像头的算法思路是先测距后识别：首先利用视差直接测量物体与车的距离，原理和人眼类似。两只眼睛看同一个物体时，会存在视差，也就是分别闭上左右眼睛看物体时，会发现感官上的位移。这种位移大小可以进一步测量出目标物体的远近。然后在识别阶段，双目仍然要利用单目一样的特征提取和深度学习等算法，进一步识别障碍物到底是什么。

　　因为视差越远越小的缘故，业内有观点认为，双目在20米内有明显的测距优势，在20米距离外，视差减小测距存在难度，可以用高像素摄像头和更优秀的算法来提升测距性能，该处是难点也是核心竞争力。

　　双目镜头间距和测距是两个此消彼长的参数，镜头间距越小，检测距离越近，镜头间距越大，检测距离越远。考虑车内美观和ADAS需要，小尺寸远距离双目产品更受欢迎。

　　因为增加了一个镜头，带来更多运算量，整个摄像头模组的性能要求和成本都更高了。而且在两者都有的标定工作上，双目要比单目更加复杂。

　　而且选择双目方案切入市场并不能完全绕开单目方案的难点，在第二个阶段，你依然要需要一个庞大的数据库，依然需要打磨算法。

　　三、视觉系ADAS产品测试与评价

　　目前没有统一的ADAS测试评价标准。常规的测试一般分为两个阶段：

　　在算法库测试，库中包含了各类工况下收集的行车场景视频，通过用库中的场景视频跑分，测试算法识别率。目前测试库由各家自采自测，因为采集所用的传感器不同，不同企业间的测试单看结果没有可比性。

　　由德国卡尔斯鲁厄理工学院和芝加哥丰田技术研究所联合创办的KITTI，是国际上权威性较高的机动车辅助驾驶应用技术评估的算法评测平台。目前有部分公司在该网站测试算法，结果公开可查。不同公司跑分的用时存在差异，因此在看结果排名时，也不能忽略多个参数比较。

　　在实车测试阶段，将产品DEMO安装到车上测试，根据漏报、误报判断算法可靠性，对发现问题进行反复调试。现阶段高质量的实车测试大多由主机厂和零部件供应商掌握，准确测量需要借助激光雷达等设备，在相互校验的过程中完成测量，成本略高，检测周期也略长。

　　业内人士表示，测试产品能力70-90分的区分更多使用算法库测试，区别90-95分，甚至是95-98分时，必须进行实车定量测试。而目前ADAS各家拉开差距正是在于将90分提高到99分。想做到这点必须要通过大量的实际道路测试打底，并对算法的准确性和鲁棒性不断打磨。因此从某种程度上来说，经历过主机厂Tier1严苛训练的方案提供商，产品可靠性更高，前装经验会成为下一次合作洽谈的资本。

　　目前企业对外宣称衡量算法能力的“识别率”指标不能说完全没有参考价值。前提是谈论所谓的识别率要把产品放在不同复杂场景下评估，并且单独讲识别率指标没有意义，需要把它和其他指标放在一起考量。产品必须确保在不同的路况、天气、车型，对不同姿态的人、不同的车道线，算法都能稳定工作（鲁棒性）。