Mobileye公布最新自动驾驶方案

2020年9月24日，吉利汽车与Mobileye正式签约，将使用EyeQ5做自动驾驶，同时，Mobileye也公布了最新的自动驾驶方案。  

11个摄像头中，4个鱼眼短距离的泊车用摄像头，7个远距离自动驾驶用摄像头，包括前向6个，后向1个。与EyeQ4最大不同之处在于三目摄像头被双目取代了，三目摄像头实际是单目摄像头在不同FOV上的扩展，特斯拉和国内新兴造车的辅助驾驶或自动驾驶方案都是采用三目。而Mobileye这次没有用三目，挡风玻璃后视镜位置是两个单目摄像头，FOV分别是28度和120度。

       考虑到两个摄像头之间的距离，显然不是奔驰那样传统的Stereo Camera立体双目摄像头，并且根据这两个摄像头的FOV看，也不是主摄像头。倒车镜上则有一个FOV为100度的摄像头，A柱下方还有一个侧向的FOV为100度的摄像头。   实际上Mobileye的前部六个摄像头（可能后部的摄像头也参与了）构成了SfM（Structurefrom Motion）。Stereo Vision（立体视觉）SfM比较稀疏，再进一步稠密化就是Multi ViewStereo，即MVS。虽然这七个摄像头都是单目，但他们是合在一起工作的，应该叫多目立体视觉。   Mobileye有关SfM的专利主要有三个，一个是2014年的DenseStructure from motion，另一个是2017年的StereoAuto-Calibration From Structure-from-motion，还有一个是2020年的COMFORTRESPONSIBILITY SENSITIVITY SAFETY MODEL（长达197页），其中虽未提及SfM具体算法，但描述了SfM Stereo Image的处理流程。

Mobileye的Stereo Image处理流程

自动驾驶领域，感知部分的任务就是建立一个准确的3D环境模型。深度学习加单目三目是无法完成这个任务的。单目和三目摄像头的致命缺陷就是目标识别（分类）和探测（Detection）是一体的，无法分割的。

       必须先识别才能探测得知目标的信息，而深度学习肯定会出现漏检，也就是说3D模型有缺失，因为深度学习的认知范围来自其数据集，而数据集是有限的，不可能穷举所有类型，因此深度学习容易出现漏检而忽略前方障碍物，如果无法识别目标，单目就无法获得距离信息，系统就会认为前方障碍物不存在危险，不做任何减速，特斯拉多次事故大多都是这个原因。   传统算法，则可能无法识别前方障碍物，但依然能够获知前方障碍物的信息，能够最大限度地保证安全。当然这需要传感器配合，激光雷达和双目立体视觉都是以传统算法为核心（因为它不需要识别目标，自然就不需要深度学习，当然你也可以用深度学习处理激光雷达数据，但不是为了识别目标）。

       其次，深度学习是一个典型的黑盒子系统，汽车上任何事物都必须具备可解释性和确定性，深度学习并不具备。传统车厂尽量避免在直接有关汽车安全领域使用深度学习，当然，深度学习是识别目标准确度最高的方法，不得不用。大部分车厂会坚持使用可解释的具备确定性的传统图像算法，直到深度学习变成白盒子。  

上图为Waymo深度学习科学家drago anguelov 2019年2月在MIT在讲述无人车感知系统时，坦承机器学习的不足，单目系统漏检无法避免，特别是在交通复杂的中国。深度学习的漏检和算力没有任何关系，再强大的算力也无法避免漏检，也就无法避免事故。   若要解决漏检这个问题，或者说构建一个没有缺失的3D环境模型就必须用将识别与探测分离，无需识别也可以探测目标的信息，忘掉深度学习，传统的做法是激光雷达和双目立体视觉。但激光雷达商业化，车载化一直进展缓慢，双目的缺陷是立体匹配算法门槛太高，在线标定非常困难，只有奔驰、斯巴鲁、路虎和雷克萨斯运用的比较好。宝马虽然高端车型使用双目，但实测结果并不理想，宝马如今也部分放弃了双目路线，电动SUV领域还未放弃双目。

         除了激光雷达和双目立体视觉外还有一种方法，这就是今天要说的主角：SfM。在双目立体视觉中，两个相机之间的相对位姿是通过标定靶精确标定出来的，在重建时直接使用三角法进行计算；而在SfM中该相对位姿是需要在重建之前先计算的。双目必须两个镜头输入两张照片双目重建方法，SfM和MVS属于单目重建多目立体视觉，输入的是一系列同一物体和场景的多视图。SfM得到的通常是稀疏点云，而经过MVS处理极线约束后可建立稠密点云，可以媲美激光雷达点云，也就是Mobileye所说的Vidar。  

SfM的框架图

Structure fromMotion（SfM）是一个估计相机参数及三维点位置的问题。一个基本的SfM pipeline可以描述为:对每张2维图片检测特征点（feature point），对每对图片中的特征点进行匹配，只保留满足几何约束的匹配，最后执行一个迭代式的、鲁棒的SfM方法来恢复摄像机的内参（intrinsic parameter）和外参(extrinsic parameter)。并由三角化得到三维点坐标，然后使用Bundle Adjustment进行优化。常见的SfM方法可以分为增量式（incremental/sequentialSfM）,全局式（global SfM），混合式（hybrid SfM）,层次式（hierarchica SfM）。这些都是传统OpenCV算法，跟深度学习无关，而如今，简单易学深度学习横扫一切，复杂难学的传统算法人才非常稀缺，导致SfM几乎没有商业化的例子。  

       SfM最初是假定相机围绕静态场景运动，实际就是相机获取在目标不同位置的图像，因此可以用放置多个相机取代运动的单一相机。为了避免干扰，28度FOV与两个100度FOV的摄像头构成SfM系统。SfM通常针对静止目标（古建筑物居多），移动目标难度极大，干扰因素比较多，大部分人都望而却步。   在MVS重建精准3D尺寸模型领域有个难点，即尺度因子不确定性，这个可以用其他传感器如高精度IMU获取真实尺寸校准，但高精度IMU太贵了，还有一种方法就是DNN。也可以看作用先验尺寸数据推算实际尺寸。当然也有传统的非深度学习方法。  

上图即Mobileye的VIDAR，基于比较简单的神经网络DNN，对算力要求远低于图像识别分类的CNN。基于深度学习的3D点云和mesh重构是较难以计算的，因为深度学习一个物体完整的架构需要大量数据的支持。传统的3D模型是由vertices和mesh组成的，因此不一样的数据尺寸data size造成了训练的困难。所以后续大家都用voxelization(Voxel)的方法把所有CAD model转成binary voxel模式(有值为1，空缺为0)这样保证了每个模型都是相同的大小。利用一个标准的CNN结构对原始input image进行编码，然后用Deconv进行解码，最后用3D LSTM的每个单元重构output voxel。3D voxel是三维的，它的精度成指数增长，所以它的计算相对复杂。  

       这个多目立体视觉制造出来的VIDAR与真实的Lidar当然有一定差距，与传统的双目立体视觉相比精度也有一定差距，毕竟双目立体视觉发展了20年，不过多目比双目覆盖面更广。  

Mobileye SuperVision的系统框架图

在2020年Mobileye的专利里也提到了双处理器设置，第一个视觉处理器检测道路标识、交通标识，并根绝ROADBOOK做定位，第二个视觉处理器则处理SfM，并发送到第一个视觉处理器，构建起一个带有完整道路结构的3D环境模型。   和英伟达、特斯拉以及一堆视觉加速器厂家比，Mobileye并不擅长硬件高算力，EyeQ5的算力只有24TOPS，低于英伟达Xavier的32TOPS，2022年即将量产的Orin高达200TOPS。

       Mobileye擅长的是算法，SfM和MVS将筑起一道算法护城河，并借此提高安全。EyeQ5预计在2021年3月量产，尽管其算力与许多国内初创厂家相比都低，但高算力不代表安全，EyeQ5依然获得吉利、宝马等4个大整车厂的订单。   加入佐思数据平台会员，可获得Mobileye立体视觉专利完整版。

原文标题：忘掉单目和三目吧，Mobileye转向立体视觉

文章出处：【微信公众号：佐思汽车研究】欢迎添加关注！文章转载请注明出处。

责任编辑：haq