视觉是人类观察世界、认识世界的重要功能手段，人类从外界获得的信息约75％来自视觉系统，特别是驾驶员驾驶需要的信息90％来自视觉。在目前汽车辅助驾驶所采用的环境感知手段中，视觉传感器比超声、激光雷达等可获得更高、更精确、更丰富的道路结构环境信息。在自动驾驶领域，一个前提性的问题就是路况识别和车辆、障碍物的距离、速度检测，解决了这个问题才可能去控制汽车驾驶。

在第四届“芯动北京”中关村IC产业论坛上，北京核芯达科技有限公司CEO李慎威介绍了该公司的技术方向。核芯达由半导体产业资深老兵李慎威与北汽产投、Imagination、翠微股份联合发起。作为第一家由中国国有整车企业与国际芯片巨头合资成立的汽车芯片设计公司，核芯达将专注于面向自动驾驶的应用处理器和面向智能驾舱的芯片研发，为以北汽集团为代表的国内车企在汽车芯片领域提供先进解决方案。特别是在定位技术上，核芯达偏爱SLAM技术。

SLAM——自动驾驶导航里的热门技术

李慎威讲到，在自动驾驶中，3D定位技术是至关重要的，试想下，如果没了GPS，汽车该靠什么定位？SLAM的核心技术就是让你一边开车的同时进行3D建模，从而判断物体，这是核芯达未来要投资的重点。

SLAM 是同步定位与地图构建 （Simultaneous Localization And Mapping） 的缩写，最早是由 Hugh Durrant－Whyte 和 John J．Leonard 在1988年提出的。SLAM与其说是一个算法不如说它是一个概念更为贴切，它被定义为解决“机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征（比如，墙角，柱子等）定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目”的问题方法的统称。

SLAM技术的核心步骤，大体上而言，SLAM包含了：感知、定位、建图这三个过程。

感知——机器人能够通过传感器获取周围的环境信息。

定位——通过传感器获取的当前和历史信息，推测出自身的位置和姿态。

建图——根据自身的位姿以及传感器获取的信息，描绘出自身所处环境的样貌。

双目立体视觉，强光下变现更优异

除此之外，在现在的机器视觉方面，结构光、TOF、双目立体视觉三大主流技术：

TOF：简单来讲，通过光的飞行时间来计算距离。

结构光：通过红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集反射的结构光图案，根据三角测量原理进行深度信息的计算。

双目立体视觉：原理类似于莱卡相机，对近距离和远距离有一些视差的补偿。核芯达对这个技术很是看好，原因就在于不容易受到强光干扰，成本较低也没有什么专利困扰。李慎威解释，人对亮到全黑环境会有一个适应过程，人在这方面的过程非常慢，如果从暗到亮，这个适应是比较快的。对于TOF和结构光则会有一些短板，近期特斯拉与一辆侧躺的白色卡车相撞事件就是一个很好的例子。机器视觉并没有计算出来前方有物体存在。

在研发芯片过程中，核芯达计划利用双目立体视觉的优势进行设计，再搭配最新的GPU，以及人工智能加速器，持续推进ADAS及智能驾驶感知芯片的开发。

据悉，核芯达开发的基于智能驾舱和面向L2－L4多级别环境感知方案，预计将分别于2021和2022年实现成功流片、量产。目前，拥有独立IP的自主智能驾驶及智能驾舱芯片仍然稀缺，相关领域的突破对于国内智能汽车产业发展意义重大，市场空间广阔。