yulzhu

电子技术应用专栏作家——芝能汽车。紧跟技术创新,助力行业发展。

聊聊Mobileye

0
阅读(2823)

   最近和赵叔在探讨问题,在收集资料的时候写一些感受,本文聊几个方面,一它现在的业务核心;二它是怎么做成的;三未来的几个方向。

一 Mobileye的目前业务核心

    其核心还是提供了不同的方案,在横向和纵向的维度提供了可靠的芯片、算法和验证。由于横向和纵向,在L1的大部分方案中都是分离的,可以想见,大部分的LKA位置,但是AEB是如下图所示确定的事情。OEM在合作过程中,购买的细致功能分类是不得而知的。

   后装还是一个比较小的业务包了。

1) AEB

  • Kostal => AUDI

  • Delphi => Volvo

  • TRW =>GM Hyundai KIA

  • Mando=> Hyundai KIA

  • Magna=> Chrysler

  • Tesla 

  • BMW?

2)DNN Freespace HPP

  • Tesla

3) Traffic Jam Assist

  • Delphi => Volvo

QQ截图20160517113148.png


表1 业务概览

    其实我们总体可以梳理下,其目前业务的门槛,主要的增长在摄像头AEB里面的运用,从传感器融合过渡到某些OEM想用单摄像头来做AEB。

    总体来说,基于车道线的横向识别,是其早期业务。随着后续不同芯片厂家和Tie1自身的能力替身,这块的算法的竞争力是存在一些疑问的。 

  • LDW 是从2007年就开始运用的

  • LKA 是从2010年

   真正的业务核心,是未来AEB部分对行人的检测,这块是除图像之外完全做不到的。

2.png


表2 视觉系统能力归属

二 业务模式和历史探究

产品供应模式:在研发阶段直接接触了车企,模式:软件+芯片供给Tie1 

  • 首先和OEM接触,经过验证,由OEM来发布RFQ 

  • 根据RFQ来设计视觉传感器+参考电路 

  • Tie1 来设计模组,基于模组完善系统并在应用平台软件+算法上开发 

  • OEM来进行系统整合到车内 

  • 价格对OEM而言也是透明的,对于单个RFQ 

  • Tie2的模式,但是与车企是很强的绑定的关系 

这事我们也可以细细来谈为什么能获取

  • 1999 年 Mobileye N.V创立

  • 2000~2002 改进Demo系统

  • 2003 年 和Denso、Delphi签约

  • 2006 年进入后装

3.png


 在过了8年之后,2007年的时候是五个车型,在2011以前,还主要是豪华车型在做。

  • 2007 Volvo

  • 2008 BMW 一组豪华车的业务包,在单Camera上面的实现

  • 2010~2011 Opel

  • 2013 Nissan

  • 2015 Audi 单摄像头

4.png


图 Mobileye的主要业务勾连

 我们再来看看整个AEB和LDW的安全的部署情况

  • 我们再来梳理一下,2013和2014年的爆发其实就已经很明显了

5.png


图 NCAP要求

    其实这里有趣的事情单目视觉的问题一开始大公司都觉得很多,才有了一波传奇的诞生。

  • 是基于摄像头进行图像识别,所以人眼看不到的东西无法识别

  • 在识别车道线时,掉色的车道线、在雨雪覆盖下难以辨识的车道线可能无法识别。

  • 在隧道的入口和出口附近,前方车辆与隧道影像重叠也可能造成误报;

  • 前方车辆映照在被雨水淋湿的道路上的倒影也有可能造成误报;

  • 当太阳位于靠近地平线的正前方时,摄像头有时会无法正确识别前方车辆;

  • 当摄像头正前方的前窗上有水滴时,系统有可能发生鱼眼镜头效应,对前方车辆的大小判断错误

三 业务核心思考

1)延伸单目视觉处理能力

道路可行范围的构建

6.png


道路重构能力(这是在2014年的材料里面的叫法,后面演变成为Road Book) Road Profile reconstruction  capabilities using innovative algorithms that can detect and measure road bumps, potholes and debris  that are at least 10 centimeters in height from a distance of 50 meters.

7.png


概念

  • 读取基于图像的道路信息

  • 在算法内解析出关键信息如坐标、标志标签等,

  • 从而压缩数据大小,最后回传形成“Sparse 3D”和“Dense 1D”的道路地图 

这里首先形成一个3D的框架(所有方形的标志)

  • 标记方向信号

  • 抽取道路指示标志、车道线标志,还有其他矩阵的标记物

1D路型

  • 根据道路的形状进行抽取了

8.png


备注:这里有两个小分支

a)构建一套基于视觉的地图,如上所言,变成一个轻的信息服务商

b)构建基于视觉的智能交通的体系

    开始往巴士、基础设施渗透。

2)高速区间

9.png


3)自动泊车 Development of Automated Parking Support Functions  

  • 环视检测和后向检测visual processing capabilities based on surround views (side- and rear-facing cameras) to support the  growing need for automated parking functions.

  • 核心是行人检测 include the detection of  pedestrians, children and other obstacles that could stand in the way of automated parking and prevent  backover collisions  

10.png


此处出处:

11.png


参考文献:

  • MOBILEYE N.V. FORM 424B4

  • 2016 MOBILEYE CES 

小结

1)从嵌入式算法公司,开始转型数据处理公司,GM、VW都支持图像数据的供给,核心优势

2)想要在诸多其他图像方面的技术占据全球领导者,这一路看的还是挺牛逼的