MAXIEYE杨腾飞:视觉系统的极致体验,用户思维助力场景通关( 二 )


【MAXIEYE杨腾飞:视觉系统的极致体验,用户思维助力场景通关】另一方面 , 我们的辅助驾驶系统 , 真的可以让用户觉得你很智能吗 , 在这样的一个智能手机时代 , 汽车上的软件 , 现在大部分汽车上的产品软件 , 还面临一个(问题) , 消费者拿到这个车 , 这个软件终生不再升级的产品 , 这个产品也不能称之为非常智能的产品 。
接下来找了一些实际开发过程当中遇到的例子 , 我们在打造这样一个ADAS驾驶体验的时候 , 会有哪些corner case的痛点 。这个图片仔细看 , 它在隧道里的场景 , 在左边的是在隧道的墙面上 , 因为非常亮 , 反射了一个右边的车 , 这种情况下 , 对于视觉来讲很容易识别成一个(真实的)车 , 这种场景怎么解决 。下面的图片是一个三轮车 , 带了一个铁架子 , 大概四五米长 , 这种目标的(检测)距离 , 雷达的距离跟摄像头检测的距离差别比较大 , 这种场景怎么解决 。还会遇到一些cut—in的车辆 , 我们是希望只要冒出头就可以检测 。还有一些车道线的问题 , 左边的视频其实是一个下匝道的场景 , 我们知道现在的车道线的检测 , 是搞不定非平行的车道线 。上下匝道有分岔口 , 其实如果没有很好的算法支撑 , 这种车道线其实很难支撑你做高速公路的上下匝道的场景 。
以及我们在过红绿灯的时候 , 车道线检测是不是足够长 , 是不是可以检测到对面的车道线 , 这些场景基本上都是我们在做开发中会遇到的corner case的问题 , 当然我们已经解决了 。如果这些corner case不能解决 , 你很难让用户用得放心 。刚才我们提到这个产品是否智能 , 现在1R1V的产品 , 市面上也没有带OTA功能的 。我们今年年底量产的一个项目 , 也是业内首次 , 在1R1V产品上部署了这样的一个OTA的功能 , 包括数据闭环的一些方案 。每个车我们在终端的车机上 , 进行一些数据的收集 , 根据我们的算法 , 去勾选一些对算法改进、有价值的数据 , 这些数据会会收到服务器 , 进行一些仿真 , 抓取一些有价值的数据 , 重新进行一些训练 , 从而参与算法的迭代 , 最终再通过OTA闭环到车机终端 , 这样形成一个完整的数据闭环 。这种产品 , 只有做到这样的一个闭环 , 才能说我这个系统是一个越用越聪明的系统 , 才能称之为是一个智能的系统 。
前面提到你把产品打造成一个用户愿意用的产品 , 第二个问题来了 , 这个产品是否是用户用得起的 , 我们也知道现在很多自动驾驶方案 , 动辄几个激光雷达 , 无数个摄像头 , 很多毫米波雷达 , 包括一些RTK , 高精地图全部上 。如果用户想要一个好的驾驶体验 , 他真的用的起吗?我们认为在科技平权的时代 , 相对盲目堆砌硬件 , 我们更倾向于充分挖掘算法的极限 。相对只是说简单机械重复 , 我们更希望在方法论上进行创新 , 这样才能真正做到设计上的交付 , 最终的产品做到人人可用 , 人人可享 。具体我们怎么用用户思维打造产品 , 接下来给大家播放一个短片 , 给大家了解一下 。刚才提到了我们是一家视觉感知起家的ADAS系统供应商 , 我们一直专注于汽车前装业务 , 目前在商用车市场上 , 整个市场占有率方面还是做的不错的 。我们今年年底 , 也是有两家乘用车的量产项目 , 1R1V的产品 , 要做到L2的功能 , 还包括OTA数据闭环 。
公司成立四年多的时间 , 过去每年营收大概是做到300%(增长) 。具体我们在乘用车和商用车推出的产品 , 刚才我们要做低成本的产品 , 实现高性能的方案 。所以我们基于一个单视觉产品扩展出来 , 有1R1V等方案 。在域控制方面 , 也有两款行泊一体的 , 5R5V , 还包括DMS驾驶员的疲劳检测 , 还有5R11V的 , 整个的系统里面 , 还可以支持激光雷达的接入 。