前一个模块《骁龙820A汽车与智能设备间进行USB音频分享方案介绍 》对涉及到的USB音频技术关键细节作进一步的详细分析，本模块开始分享一下关于ADAS方案。

　　本篇对ADAS做一个基本介绍，在接下来的更新中将会描述各个模块用到的技术以及解决方案

　　汽车行业是一个有百年历史的行业，且在这100多年来，一直循序渐进的发展，很少有突破性的进展。但近几年，由于技术上的一些新突破，从传感器，到计算机技术，新能源技术，尤其是人工智能领域的一些突破，给传统的汽车行业带来了深刻的变革。其中突出的就是对自动驾驶的研究和实施。

　　汽车给人类带来的巨大便利，极大的提高了生产效率，但同时也带来了很多负面影响。包括人员的伤亡（交通事故），空气污染，以及交通拥堵带来的巨大时间成本。

　　在2017年前沿科技展示大会电子消费展上，专注辅助驾驶（ADAS）和自动驾驶研发的纵目科技与高通联合展示了，基于骁龙820A平台并运用深度学习的ADAS产品原型，赢得了业界大佬的广泛关注。

　　这台搭载ADAS原型系统的装备，运用了运行在骁龙820A神经网络处理引擎（SNPE）上的统一神经网络算法。在纵目科技和清华大学联合自主开发完成， 能够实现高速公路和市区道路场景下的ADAS功能，可对车辆、行人、自行车等多类物体识别，以及对像素级别可行驶区域的实时语义分割。

　　毫无疑问，深度学习的尝试已经在服务器上尝试了多年，但挑战在于，如何把复杂的算法放到线下的处理器上。

　　高通提供了神经网络处理引擎（SNPE）。这款深度学习开发套件SDK今年五月初发布，可运行于搭载了高通Zeroth机器智能平台的820芯片处理器。 开发者可以在SNPE上搭建自己的深度学习网络模型，纵目这款原型产品使用的网络模型是联合清华大学3D Image实验室共同定义的，清华大学提供了初始的网络模型原型，后期优化和算法的工程化、细节的调试和实现是由纵目主导完成的。

　　高通骁龙820A是从手机平台进行车规化的，它的功耗优化做得相当好；其次，高通背后是基于手机等移动终端的大规模市场，芯片上的IP研发费用在的手 机市场上得到了摊销，具有非常明显的成本优势；，未来只是单纯强调计算能力或具备深度学习能力的芯片不太可能成为汽车行业大规模应用的产品。类似高通 820A这样，在一块电路板上集成了5G通信模块、神经网络处理引擎、GPS、DSRC、无线WiFi等诸多功能的芯片，是适应未来智能互联/自动驾驶汽 车发展趋势的产品。

　　未来有望能利用高通820A平台较强的扩展性打造一系列产品，应用场景囊括了从低速的2D/3D环视泊车辅助、自动泊车、自主泊车、高速的AEB/ACC /LDW驾驶辅助，以及属于更高阶段的自动驾驶等范畴。而随着产品功能的变化，会陆续增加摄像头的数量，接入其他功能的传感器。未来再逐步将这些原型产品 推向量产。

　　系统首先需要进行感知，感知车辆、感知环境来回答我在哪里？ 周边环境如何？ 这块采用的传感器技术包括了激光雷达、毫米波雷达、摄像头、超声雷达、高定位、以及高地图、V2X等技术。系统通过分析决策来分析 “接下来会发生什么”以及“接下来我该做什么”。通过执行结构完成相应的操控动作。

　　感知部分主要通过不同的传感器作为数据源来获取周边的环境信息。目前使用的传感器包括激光雷达，毫米波雷达和摄像头。

　　激光雷达，能够生成数字搞成模型。它的工作过程包括，LiDAR以一定的角速度匀速转动，在这个过程中不断地发出激光并收集反射点的信息，计算出所有反射点的坐标。LiDAR每旋转一周收集到的所有反射点坐标的集合就形成了该时刻的点云（point cloud）。

　　摄像头由于成本低、分辨率高、也是可获得外观信息的传感器，在目前技术条件下成为主要的传感器硬件。摄像头有单目、双目、甚至多目的解决方案。单目摄像头在测距等应用中需要维护大量样本进行训练，而双目和多目由于采用了立体视觉的技术，可以不再依赖大量样本数据但需要复杂的算法和大量的实时计算才能得出。

　　镜头的角度、有效识别距离、分辨率三者之间是矛盾的。比 如 ADAS 系统对摄像头的要求是纵深方向的视野要好、低像素、高感光度(给机器用的)。而行车记录仪（给人用的）要求大广角，像素要高得多（即使只有 200万像素），因此，现在一些市面上的行车记录仪也可实现ADAS 中如FCW的一些功能，这种方式从传感器上本身就有缺陷。

　　以上大概介绍了ADAS的技术路线以及发展趋势，在后续的更新中，我们将对某几项技术进行探讨。