保隆李威：打造自动驾驶汽车的眼睛和耳朵

正是因为它可以对动态的物体进行处理，对传统的视觉来说如果我们要做一些计算的话，我们要对整幅图像做所有的计算，这样就消耗了大量的算力。算力是一个非常麻烦的问题，而这样一个传感器由于它是对事件动态产生变化，在前端等于它做了基于动态视觉提取ROI，减小了你的图像处理区域，大大提升了处理时间。第二，由于它是事件驱动，所以说它的像素点光强不需要去积累，我们传统的摄像头都是需要积累一定的光强然后输出，那么它不需要光强积累。它还有一个很好玩的特点，因为它是基于事件驱动的，所以它天然输出了物体的动态矢量信息，所以说它天然的可以去判断这个事物体的运动方向。大家可以想象一下，当一条路上有很多个人在走的时候，传统的相机都重叠在一起了，你是无法去分辨的，但是如果是基于目前新的技术，由于可以对每个运动方向有一个预测，对每一个物体的运动有一个输出，它天然地就可以把所有的物体区分开来。

最后它的时间可以达到纳秒级，我们也可以设定让它做到微秒级。传统上它也可以做一些灰度值的输出。我们可以看到一个人在打电话，这个人的动作幅度非常小，你可以看到他的轮廓在不断地输出，从上面的图里基本上看不到这个人在动，这个人基本上没有动，它有非常微小的动作，那么我们的事件驱动摄像头可以把这种非常微小的动作捕捉到然后输出出来，所以你可以看到他的轮廓在不断的变化，所有的变化就是轮廓的变化点。

最后一个特别有意思，光流。我刚才说过它可以测试物体的运动方向。抽烟的烟雾是由无数颗小粒子组成的，我们可以这么去理解，可以看到这个人在抽烟吐烟的时候，烟雾里面有不同的颜色，这种不同的颜色就是它的速度、矢量，矢量不同导致它的速度，即使是烟这样一种很微小的物体，我们依然可以通过动态驱动的摄像头抓到它的整个的特征。

我们看到这两个人是横向从里边穿出来，这是我们现在自动驾驶的一个软肋。现在不管是摄像头也好，雷达也好，甚至激光雷达也好，都有一个很致命的问题，我们对横向物体的敏感度是不够的，我们通常说自动驾驶在中国有一个最大的bug是电动自行车。如果今天有一辆电动自行车以很高的速度横向穿出的时候，我可以很坦率的告诉大家目前所有的自动驾驶车全部都可以挂掉，没有一个自动驾驶车能够在这个时候及时的对横向穿出的电动自行车做出很好的反应，这是由它的物理特征所决定的。

我们这颗摄像头因为对运动物体有很良好的输出，只要有东西横向穿出，我马上可以把它抓住，马上可以输出。上面和下面我们做了一个对比，上面是某个国际著名的做单目摄像头的企业的一个输出，下面是我们的输出，你可以看到他没有抓住，我们很好的抓住，我们也用雷达做过对比测试，雷达也反应不过来。在这种情况下我们目前所知的能够反应过来的只有这一颗动态视觉摄像头。

这是一个很好玩的案例。这是夜晚，这个是传统的摄像头，我们做了一些灰度处理之后，那边是高动态摄像头输出的，即使在夜晚，周边物体的轮廓依然可以非常清晰的输出，它具有非常强的光线适应能力，它的动态范围非常大。我们大概测试过应该是超过120个dB，应该会达到130dB左右，这个值我们现在还在测定中，还没有完全得出一个结论。

为什么我今天跟大家讲这样一个DVS摄像头？第一，确实是因为保隆现在正在开发这样一个比较前沿的摄像头，我们有传统的东西，但是我们也在开发这样一个前沿的摄像头。第二，目前自动驾驶再往后走，我们除了传统的一些东西，其实还源源不断的有新的技术出现，而所有这些新的技术，正一点一点地把汽车这样一台飞奔的大象的感知层填补得越来越好，它就会飞奔的越来越安全，这是一个点。所以说我们认为如果你是一个企业，你要去做感知层，你肯定不能说我只说一种或者两种，你一定要把所有这些感知层的东西按照特点去分类，做成不同的产品线，这样才能够在未来的市场上有竞争力。