自动驾驶的安全落地，离不开视觉的精准感知。就像一个人要完整感知和理解这个世界，离不开一双明亮的眼睛。
在自动驾驶领域，视觉感知系统就是汽车的眼睛。
今年 3 月，Uber 自动驾驶出现安全事故之后，如何在黑夜、恶劣天气等情况下，提前精准感知道路状况，成为自动驾驶行业最关心的议题之一。
而在多传感器融合逐渐成为共识之后，自动驾驶尤其是 L3 级以上自动驾驶需要处理的庞大数据量，芯片功耗与算力也一直是自动驾驶落地绕不过去的关键问题。
黑芝麻智能科技，这家位于中国上海的视觉感知计算平台提供商，正致力于解决这个问题。
“我们要做的是：用芯，看懂世界。”黑芝麻智能科技创始人兼CEO单记章说。
解决Uber、特斯拉困扰的视觉感知问题
黑芝麻智能科技成立于2016年，其创始人单记章和刘卫红曾分别在硅谷微电子行业和零部件研发制造行业从业20多年。辅助驾驶、自动驾驶视觉感知，以及传感器融合解决方案是黑芝麻智能科技的核心产品。
自动驾驶四大核心技术，分别是环境感知、精确定位、路径规划、线控执行。环境感知作为第一环节，处于智能驾驶车辆与外界环境信息交互的关键位置。
在单记章看来，一个准确的、稳定的、可靠的感知系统，对于自动驾驶车辆至关重要。
然而，要实现自动驾驶车辆的精准感知并不容易。Uber自动驾驶车辆在行驶过程中撞上路边推着自行车的行人;特斯拉没有识别出路边的隔离带，结果直接撞了上去;Mobileye无人驾驶测试车，没有识别出交通灯信号导致闯红灯。
自动驾驶事故案例
“如果没有一个好的感知系统，自动驾驶根本无从谈起。”为此，黑芝麻专攻视觉感知技术，涵盖了光学、传感器控制、图像处理、机器视觉、神经网络算法、神经网络高速计算等。
感知理解就是将看到的东西理解出来，而视觉感知不仅包括眼睛看到的可见光，还包括超声波和雷达。在具体应用中，需要对各式传感器获得的距离、速度、颜色等信息做感知和融合理解。
这些技术方案能够应用于自动驾驶、消费电子以及智能家居等业务领域。目前，黑芝麻主要专注于汽车、手机以及消费电子，自动驾驶是黑芝麻重点投入的方向。在具体应用中，主要面向L3和L4车型的辅助驾驶。
“黑芝麻的算法能够得到完整的、比较清晰的图像，这样能够为深度学习、网络加速提供很好的图像信息来源。”单记章说。
UltraDL感知演示：多路况检测
通过黑芝麻的技术方案，在不同路况下，自动驾驶汽车能有效识别出车道、汽车、行人、交通标志等，即使是在弯道，大逆光、低光、雨雾天等情况下也能有效识别。
在2016年11月，黑芝麻拿到北极光创投领投的A轮投资，并在2018年1月获得蔚来资本领投的近亿元A+轮战略投资。
多传感器融合提高感知能力
大雾、雨雪天气可用
机器通过传感器来感知世界，目前主流的传感器有摄像头、激光雷达、毫米波雷达、超声波雷达和夜视系统等，但多种传感器的使用存在一个时效性和有效融合的问题。
业内人士认为，目前来看，所有的传感器都有自己的优劣势，难以相互替代。在未来要想实现自动驾驶，一定需要多种传感器相互协同工作，构成汽车环境感知系统，在不同的驾驶环境下发挥自己的优势，实现功能互补。
在黑芝麻提供给自动驾驶的解决方案里，面对复杂的外部环境，通过传感器感知信号，利用控光技术处理光场，使得摄像头能够实现在各种特殊工况条件下成像。再通过毫米波雷达、超声波雷达、GPS、IMU与摄像头融合，将这些信号传入到黑芝麻感知系统。
黑芝麻解决方案
在现实世界中，对面一束强光打过来，人的自然反应是闭眼或扭头偏离，但照相机无法偏离，控光技术则可以选择光的频率，不仅识别出可见光和红外光，还可以选择频率和波长，并测量出深度和距离。这个原理同样适用于大雾、雨雪等恶劣天气。
其中，黑芝麻对控光技术的运用得益于单记章的实战经历，他毕业于清华大学微电子系，在硅谷工作多年，曾任世界某知名图像芯片公司的算法和软件开发副总裁。
除了基础的控光技术，黑芝麻还从面向AI的图像处理技术出发提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程，提供各种光照环境条件下准确的感知结果。
具体到自动驾驶领域，当车辆在路上高速行驶时，即使开远光灯也难以照射到很远，黑芝麻利用光来做图像处理，能提高车辆的感光能力。“在图像处理方面利用AI，把感光度提高至现在的十倍。”单记章说。
计算能力和功耗
是视觉感知领域的制胜关键
清晰的视觉、优质的算法、多传感器融合、足够的计算能力，这四个方面构成评估视觉感知系统的关键要素。
为了提高计算能力， 黑芝麻运用AI技术和神经网络做计算，但这种方法面临两大挑战，第一要求计算能力非常强，第二是要做好功耗处理。
在单记章看来，除了恶劣环境的成像处理，计算能力和功耗是这个行业当前面临的最大挑战，而这也成了视觉感知行业制胜的关键。做神经网络计算对芯片的计算能力要求很高，尤其是在做L3和L4自动驾驶时，但目前市场上能够选用的芯片非常少。
目前在芯片领域做得最成功的是传统芯片巨头英伟达，L3和L4的芯片也主要选用它们的产品。但在单记章看来，车载芯片依然存在很大的优化空间。“英伟达的芯片存在一个很大的问题，就是功耗大。百度Apollo的系统就是用英伟达的技术做的，但是功耗达到上千瓦。”
和英伟达GPU的路线不同，黑芝麻把神经网络的计算做成专用芯片，用作自动驾驶用。单记章表示，“我们可以把功耗降到5瓦左右。通过专用芯片可以对大功耗主要来源全面优化：用可适配的定点运算取代浮点运算;用三维阵列提高计算效率;用跨层连续运算最大化减低内存的反复访问。”
黑芝麻提供的行业对比数据
除了英伟达，Mobileye在自动驾驶高级辅助领域也具有优势，这是一家以色列科技公司，在去年3月被英特尔以153亿美元的价格收购。
在单记章看来，黑芝麻的进度跟Mobileye差不多，Mobileye的强项主要在驾驶的目标检测方面，但在神经网络、图像处理、感知融合等方面黑芝麻要更强，“同Mobileye EyeQ4和EyeQ5相比，黑芝麻感知芯片单位功耗下计算能力有优势。”
因为是车规级的芯片，目前黑芝麻的芯片设计部分已经结束，预计年底开始流片。而通过输出技术解决方案，黑芝麻今年已获得1000万美金的销售额，明年预计将达到5000万美金。
