近年來，汽車領(lǐng)域?qū)σ曨l監(jiān)控的需求成為拉動安防行業(yè)進(jìn)一步發(fā)展的因素。車載攝像頭處于自動駕駛和車聯(lián)網(wǎng)雙風(fēng)口，市場規(guī)?？臻g巨大。

　　一、識別技術(shù)

　　和人類的眼睛一樣，自動駕駛汽車也有它自己的眼睛，用來識別周邊的車輛、障礙物、行人等路上的情況。自動駕駛的眼睛是由傳感器構(gòu)成的，包括攝像頭、激光雷達(dá)、毫米波雷達(dá)，還有紅外線、超聲波雷達(dá)等。

　　其中，最常用的是攝像頭，它和人類的眼睛最接近，可以看清有顏色的標(biāo)識、物體，看得懂字體，分得清紅綠燈。但是缺點(diǎn)也不少，比如在夜晚或惡劣的天氣下視力就嚴(yán)重下降，也不擅長遠(yuǎn)距離觀察。

　　其次是頗富爭議的LiDAR，即激光雷達(dá)。比較常見的是在車頂，像是頂不停旋轉(zhuǎn)的帽子。原理很簡單，就是通過計(jì)算激光束的反射時(shí)間和波長，可以完成繪制周邊障礙物的3D圖。而短板則是無法識別圖像和顏色。

　　還有，毫米波雷達(dá)，因?yàn)樗梢匀旌蚬ぷ?，這使得它不可或缺，即便它無法識別高度，分辨率不高，也難以成像。但它憑借其穿透塵霧、雨雪的硬本領(lǐng)，站穩(wěn)一席之地。

　　其中與安防最密切相關(guān)的當(dāng)屬最常見的攝像頭了。當(dāng)前，最新的人工智能技術(shù)使得安防攝像頭擁有人臉識別、車牌識別、活體檢測等功能，成為推動安防產(chǎn)業(yè)發(fā)展的變革力量。而AI的應(yīng)用，也使其他行業(yè)產(chǎn)生對攝像頭的需求，這其中就包括自動駕駛。

　　目前主流自動駕駛技術(shù)靠兩種系統(tǒng)來實(shí)現(xiàn)：一是激光雷達(dá)系統(tǒng)，但成本過高，推廣不易;另一個(gè)就是視頻監(jiān)控分析系統(tǒng)，這項(xiàng)技術(shù)已較為成熟，價(jià)格低，易推廣。而在自動駕駛所有技術(shù)當(dāng)中，基于視像的技術(shù)較為突出，通過視頻監(jiān)控，可以實(shí)時(shí)分析路況、車輛及行人信息，輔助汽車做出有效、及時(shí)的反饋。其中，圖像傳感器性能決定傳輸圖像質(zhì)量，沒有高質(zhì)量圖像獲取與傳輸，視頻分析準(zhǔn)確性就無從談起。視頻監(jiān)控與高質(zhì)量圖像傳感器對于自動駕駛汽車來說非常重要。

　　未來，在攝像傳感器性能突破、芯片成本下降以及深度學(xué)習(xí)技術(shù)推動下，預(yù)計(jì)在自動駕駛汽車后視/環(huán)視和夜視攝像頭、先進(jìn)駕駛輔助系統(tǒng)、視鏡替代和行車記錄儀、駕駛/車輛接口等應(yīng)用中至少應(yīng)用8-10個(gè)攝像頭。

　　近年來，汽車領(lǐng)域?qū)σ曨l監(jiān)控的需求成為拉動安防行業(yè)進(jìn)一步發(fā)展的因素。車載攝像頭處于自動駕駛和車聯(lián)網(wǎng)雙風(fēng)口，市場規(guī)?？臻g巨大，根據(jù)HIS估算，全球車載攝像頭出貨量將從2014年的2800萬個(gè)增長到2020年的8300萬個(gè)，復(fù)合增長率達(dá)20%。安防企業(yè)大舉進(jìn)入自動駕駛領(lǐng)域，很大一部分是以自身先進(jìn)安防技術(shù)為背景，尤其是視頻監(jiān)控技術(shù)。

　　二、決策技術(shù)

　　通過眼睛識別得到了周邊環(huán)境，接下來就要充分利用這些信息進(jìn)行理解分析，決定自己該如何走下一步。要完成這項(xiàng)任務(wù)的就是最強(qiáng)大腦。自動駕駛機(jī)器人需要完成大腦中的知識庫有兩種方式：專家規(guī)則式和AI式。

　　專家規(guī)則式，英文叫rule-based。即提前編寫好規(guī)則，當(dāng)需要做決定的時(shí)候必須嚴(yán)格遵守這些規(guī)則。舉個(gè)例子，當(dāng)準(zhǔn)備超車變道時(shí)，需要滿足以下條件(這是一個(gè)假專家，僅供參考)：道路半徑大于500R(彎道不變道)；跟目標(biāo)車道上的前后車的距離都在20m以上；比后車的車速慢不超過5km/h;等等等等...以上N個(gè)條件同時(shí)滿足時(shí)，即可超車變道。

　　AI式，就是一直很火的人工智能。模仿人類的大腦，通過AI算法對場景進(jìn)行理解?；蛱崆巴ㄟ^大量的犯錯(cuò)積累經(jīng)驗(yàn)，或事前聽某人指點(diǎn)江山。通過AI式積累知識庫，會讓她的反應(yīng)更加靈活。

　　三、定位技術(shù)

　　目前，除了主流的用GPS或GNSS(全球衛(wèi)星導(dǎo)航系統(tǒng))來定位的方式之外，也有在公路上鋪設(shè)電磁誘導(dǎo)線等方式來實(shí)現(xiàn)定位。高精度GPS定位目前來說最大難題是，山區(qū)和隧道等地理因素對精度的影響，雖然可以依靠IMU(慣性測量單元)來進(jìn)行推算，但GPS丟失信號時(shí)間過長的話，累計(jì)的誤差就會比較大。

　　另外，自動駕駛專用的3D動態(tài)高清地圖帶給了自動駕駛更多可能性。因?yàn)橛辛烁咔宓貓D，就可以將自己的位置輕松定位在車道上。

　　對于未來的車輛來說，確定自身在車道內(nèi)的位置是基礎(chǔ)。因此定位和地圖構(gòu)建，成為了一個(gè)基礎(chǔ)而重要的環(huán)節(jié)，對于自動駕駛的核心控制系統(tǒng)而言，需要利用感知傳感器觀察環(huán)境，同時(shí)根據(jù)感知信號對環(huán)境的地圖構(gòu)建和自身進(jìn)行定位。而面向自動駕駛的精確控制，定位技術(shù)需要的是厘米級定位，確切地知道車輛的位置。根據(jù)自動駕駛系統(tǒng)所對應(yīng)的不同，大致可以分為：

　　基于地標(biāo)：根據(jù)視覺或者激光雷達(dá)的定位，與數(shù)據(jù)庫中的特征匹配，確定車輛本體的位置和環(huán)境。

　　基于信號定位：采用外界的位置信號，如衛(wèi)星系統(tǒng)(GNSS)和5G；

　　基于慣性導(dǎo)航技術(shù)：在了解車輛的位置后，計(jì)算車輛的當(dāng)前位置和方向。航位推算的本質(zhì)是在初始位置上累加位移矢量計(jì)算當(dāng)前位置，它是一個(gè)信息累加的過程。

　　四、通信安全技術(shù)

　　試想如果被黑客入侵，控制了你的自動駕駛車，不僅可以監(jiān)聽到你的秘密談話，還很可能成為殺人工具。黑客可以通過影響傳感器的數(shù)據(jù)而影響決策，或直接介入判斷機(jī)制進(jìn)而影響行駛軌道。

　　關(guān)于自動駕駛的安全，一般包括行駛安全、功能安全以及網(wǎng)絡(luò)安全。

　　安全性目前依舊是自動駕駛汽車的一大主要挑戰(zhàn)。自動駕駛汽車依靠人工智能、視覺計(jì)算、雷達(dá)、監(jiān)控裝置和定位系統(tǒng)協(xié)同合作，讓系統(tǒng)可以在沒有人類主動的操作下，自動安全地操作機(jī)動車輛。但自動駕駛系統(tǒng)的一個(gè)不安全"決定"，很可能會危害到人類生命，同時(shí)造成巨大的經(jīng)濟(jì)損失?，F(xiàn)在，在自動駕駛汽車呈現(xiàn)出實(shí)用化的這一過程中，有關(guān)自動駕駛系統(tǒng)的事故已引起各機(jī)構(gòu)的關(guān)注。

　　理論上講，由于自動駕駛汽車不像人類駕駛員那樣容易注意力分散或疲勞，它們其實(shí)具有減少路面交通事故的潛力。不過，人類在遇到新狀況時(shí)，無論是反應(yīng)速度還是反應(yīng)能力仍然要好很多。雖然現(xiàn)階段我們無法訓(xùn)練自動駕駛汽車熟悉所有可能的交通狀況，但工程師們可以向它們提供一種能計(jì)算"無事故軌跡"的框架，當(dāng)然，其前提是其他道路使用者也能合法駕駛。

　　自動駕駛車使用安裝在車上的傳感器和ICT終端來檢測和分析周圍環(huán)境，來控制方向盤和制動。隨著網(wǎng)聯(lián)車的發(fā)展，各種信息將通過網(wǎng)絡(luò)實(shí)時(shí)發(fā)送和接收。據(jù)intel稱，自動駕駛車每天將能夠處理大約4TB的數(shù)據(jù)。

　　汽車的通信和娛樂系統(tǒng)是最容易被黑客通過入侵手機(jī)網(wǎng)絡(luò)、WiFi、藍(lán)牙等通道，找到車載App漏洞進(jìn)行攻擊，就能獲取用戶在這些App上的隱私數(shù)據(jù)、歷史記錄，實(shí)現(xiàn)監(jiān)聽或促發(fā)導(dǎo)航偏離。

　　另外傳感器也是黑客入侵可能的途徑。像GPS、攝像頭、激光雷達(dá)、毫米波雷達(dá)、IMU等常見傳感器裝置，都可以被黑客干擾進(jìn)而影響自動駕駛的判斷機(jī)制和行駛軌道。比如攻擊激光雷達(dá)讓其辨別不了即時(shí)性不良數(shù)據(jù)，或者是試著干擾他們長期積累的聚合數(shù)據(jù)等等。

　　五、人機(jī)交互技術(shù)

　　遇到自動駕駛駕馭不了的場景，便會呼喚人接替它的工作。這時(shí)，HMI(人機(jī)界面)就發(fā)揮作用了。它的目標(biāo)是，用最直觀最便捷的方式通知我們，讓駕駛員盡快注意到。

　　此外，通過觀察分析駕駛員的面部表情和動作，判斷其困倦狀態(tài)，并通過給駕駛員提供感興趣的話題等方式予以提醒，也是人機(jī)交互多樣化發(fā)展的一個(gè)例子。還有些不僅局限于和車內(nèi)人的互動，也可以與路上行人進(jìn)行互動，表達(dá)讓行等意愿。