智能網(wǎng)聯(lián)化
燈光控制模塊將作為整車(chē)網(wǎng)絡(luò)的一個(gè)節(jié)點(diǎn),不再是孤立的燈具電子模塊,通過(guò)與整車(chē)總線互聯(lián)互通,大燈就有了自己的“思維”——只照亮該照亮的地方,燈具電子網(wǎng)聯(lián)化控制會(huì)成為一個(gè)發(fā)展趨勢(shì)。
實(shí)時(shí)自適應(yīng)照明,是智能燈光發(fā)展的一個(gè)階段,也是車(chē)用網(wǎng)聯(lián)化的一個(gè)成功應(yīng)用。從照明來(lái)講,100像素以下的ADB足以實(shí)現(xiàn)車(chē)燈照明,每個(gè)像素均由單獨(dú)LED芯片精確控制0%-100%的光強(qiáng),對(duì)不同交通情況、天氣狀況、道路路況、自身車(chē)況所需要的配光分布做出調(diào)整。當(dāng)有其他車(chē)輛進(jìn)入車(chē)燈的光分布區(qū)域時(shí),模塊會(huì)有選擇性地動(dòng)態(tài)掩蔽對(duì)方車(chē)輛所在區(qū)域以防止眩目。
數(shù)字高分辨光處理技術(shù),能提供萬(wàn)級(jí)以上,甚至百萬(wàn)級(jí)像素,能清晰投影復(fù)雜的、帶有曲線的圖形,確保光順的截止線拐點(diǎn),實(shí)現(xiàn)沒(méi)有鋸齒的截止線。DLP把光用到極致,在進(jìn)行來(lái)車(chē)會(huì)車(chē)遮蔽的時(shí)候,確定需要遮蔽的區(qū)域以及滿足要求的最小遮蔽窗口,減少照明范圍的損失,適應(yīng)未來(lái)有人/無(wú)人駕駛共同存在的環(huán)境。
在實(shí)現(xiàn)照明功能的同時(shí),通過(guò)與攝像頭、導(dǎo)航以及雷達(dá)技術(shù)的融合,以投影的方式實(shí)現(xiàn)信息的傳遞,增強(qiáng)車(chē)與人之間的互動(dòng)、汽車(chē)與其他道路使用者的溝通。為后續(xù)智能駕駛提供更加安全和便捷的夜間行駛“光服務(wù)”,增強(qiáng)多種場(chǎng)景的安全駕駛體驗(yàn)。
信息交互化
交互設(shè)計(jì)致力于為特定的汽車(chē)應(yīng)用場(chǎng)景設(shè)計(jì)最優(yōu)的解決方案。根據(jù)各個(gè)駕駛階段的有用信息,做出合理決策和操作,通過(guò)影像、圖形、聲音等手段,在友好的交互界面上體現(xiàn)信息將會(huì)是信息交互化發(fā)展的必然趨勢(shì)。以DLP為例,除了照亮該照亮的地方(高精度ADB遮蔽),甚至通過(guò)燈光給司機(jī)打信號(hào),比如,交互信號(hào)有: 導(dǎo)航信息路面投射,限速提示,行人互動(dòng)信息提示,行人位置跟蹤提示,行駛意圖信號(hào)投影,預(yù)測(cè)行駛區(qū)域提示等。信息交互化作為智能駕駛技術(shù),將有效提高汽車(chē)駕乘的安全性,通過(guò)制造不同場(chǎng)景的交互方案,將用戶的產(chǎn)品體驗(yàn)做到極致。
用戶界面?zhèn)€性化
用戶界面是信息交互的表現(xiàn)途徑,是讓產(chǎn)品好用且使人愉悅的技術(shù)。用戶界面設(shè)計(jì)時(shí),既要了解用戶在同產(chǎn)品交互時(shí)彼此的行為,又要了解用戶和他們的期望,用戶界面必須具有易用性和良好的用戶體驗(yàn)性。在不影響安全、不違背法規(guī)的前提下,將來(lái)會(huì)有越來(lái)越多車(chē)型,開(kāi)放用戶界面的部分設(shè)置功能,將個(gè)性化配置權(quán)限釋放給用戶,用戶通過(guò)本地或OTA方式更新個(gè)性化的配置。比如,交互信息的觸發(fā)使能、觸發(fā)條件、信息內(nèi)容,個(gè)性化出行、音樂(lè)、智能停車(chē)、 電臺(tái)推薦等。
技術(shù)需求
作為汽車(chē)照明的技術(shù)領(lǐng)先者,華域視覺(jué)擁有清晰的戰(zhàn)略方向,建立了智能化模塊的開(kāi)發(fā)能力和體系,儲(chǔ)備了前沿技術(shù),可為客戶提供創(chuàng)新、先進(jìn)的產(chǎn)品及解決方案。
嵌入式系統(tǒng)研發(fā)能力
電子模塊開(kāi)發(fā)離不開(kāi)軟件,嵌入式系統(tǒng)開(kāi)發(fā)的能力建設(shè),是車(chē)用零件向電氣化、智能化、網(wǎng)聯(lián)化進(jìn)化的必要條件。
軟件架構(gòu)需具備跨平臺(tái)性,實(shí)時(shí)性,圖形化,視覺(jué)識(shí)別,可擴(kuò)展性,安全性等。其對(duì)嵌入式系統(tǒng)的軟硬件架構(gòu)提出了標(biāo)準(zhǔn)化需求,通過(guò)拆分硬件和軟件,創(chuàng)造出一種全新的模塊化軟件體系,為客戶提供一個(gè)具有高度動(dòng)態(tài)性和靈活性的平臺(tái),使研發(fā)人員專注于算法、模型等應(yīng)用軟件的開(kāi)發(fā),利于需求確認(rèn)、仿真分析、快速原型、HIL驗(yàn)證,利于迭代改進(jìn),利于最終方案的快速凍結(jié)。
機(jī)器視覺(jué)算法研發(fā)能力
用深度學(xué)習(xí)為機(jī)器視覺(jué)賦能,解決人類視覺(jué)的一個(gè)痛點(diǎn):在黑暗或惡劣的天氣條件下,人類具有有限的視力和反應(yīng)能力。
深度學(xué)習(xí)的優(yōu)勢(shì)主要是自學(xué)習(xí)特征。深度學(xué)習(xí)如果有足夠多的樣本用于訓(xùn)練,就能夠使系統(tǒng)的感知能力足夠高; 傳統(tǒng)的計(jì)算機(jī)視覺(jué)算法需要手工提取特征,很多時(shí)候還需專家知識(shí)、算法的魯棒性設(shè)計(jì),非常困難,很難保證魯棒性,另外還需大量的調(diào)試、非常耗時(shí)。
深度學(xué)習(xí)一般包括四種類型的神經(jīng)網(wǎng)絡(luò)層:輸入層、卷積層、池化層、輸出層。隨著網(wǎng)絡(luò)層和節(jié)點(diǎn)數(shù)的增加,可以表達(dá)更細(xì)、更多的識(shí)別目標(biāo)特征,網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)越多,檢測(cè)精度越精確。
卷積層和池化層是深度學(xué)習(xí)的核心處理層。卷積層主要是用于負(fù)責(zé)物體特征的提取;池化層主要是負(fù)責(zé)采樣。
深度學(xué)習(xí)主要包括兩方面內(nèi)容:一個(gè)是訓(xùn)練,一個(gè)是檢測(cè)。訓(xùn)練一般主要是離線進(jìn)行,就是將采集到的樣本輸入到訓(xùn)練的網(wǎng)絡(luò)中。訓(xùn)練網(wǎng)絡(luò)進(jìn)行前向輸出,再利用標(biāo)定信息進(jìn)行反饋,最后輸出模型,這個(gè)模型再導(dǎo)入到檢測(cè)的網(wǎng)絡(luò)中,檢測(cè)網(wǎng)絡(luò)就可以對(duì)輸入的視頻和圖像進(jìn)行檢測(cè)和識(shí)別。