開放的感知中間結果助力國內的ADAS功能不斷進化

目前，對于感知算法API，行業內還是較為封閉的。很多功能較難落地(比如信息娛樂域關于ADAS功能的增強現實顯示功能)，部分原因是由于感知算法只提供給智能前視攝像頭模塊內部使用，不愿提供給其他子系統使用導致的。而地平線感知中間結果可以做到全開放。且由于地平線算法的低級語義非常豐富，全開放的感知中間結果能夠支持客戶在應用層開發更加復雜的功能。

截止目前，地平線算法可以支持10類動態目標和53類靜態目標。其中動態目標包括：成年人、兒童、騎行者等3類行人，以及轎車、SUV、面包車、卡車、客車、摩托車以及老年代步車7類;而靜態目標則包括8類車道線、2類紅綠燈以及43類交通標識。比Mobileye更豐富的感知信息，給客戶實現差異化功能提供了堅實的感知基礎。

圖1 地平線算法所提供的豐富感知信息

開放而全面的工具鏈，踐行“深度賦能”理念

為了增加視覺算法迭代的敏捷性，能夠更好地支持國內各種極端的感知場景，地平線推出了AI芯片工具鏈Horizon OpenExplorer(地平線“天工開物”)，包括數據、訓練和設備部署工具，例如模型訓練工具、檢查驗證工具、編譯器、模擬器、嵌入式開發包等(圖9)，形成閉環。數據產生模型，模型可以被部署到設備上運行，運行過程中又可以指導模型的調優，甚至收集新的數據。這樣的一種自我進化的開發模式，可以提升開發速度，降低開發門檻，保證開發質量。基于這種模式可以減少約30%的開發人力，節省50%的開發時間，更重要的是，因為開發門檻被降低了，開發者的規模甚至可以擴大一個數量級。

地平線會持續對開發工具進行升級，為客戶提供半自動化的處理流程。主要包括：數據工具與模型，模型與端上設備之間的閉環迭代;豐富的模型/系統參考原型，簡潔易用直觀方便的交互手段;標準化開發流程，加上持續的測試，集成，部署機制。

圖9 地平線“天工開物”芯片工具鏈

更具體地將，地平線的模型訓練工具能夠支持TensorFlow等主流的深度學習框架，幫助用戶自己訓練模型;編譯器支持將開源訓練框架模型格式轉換為芯片上的二進制格式;嵌入式開發包則能夠支持客戶調用算法庫開發自己的應用，讓客戶自己在芯片商快速部署應用。整個工具鏈包能夠覆蓋完整的開發鏈路(圖10)。而經過地平線編譯器的優化，能夠極大緩解算法的訪存瓶頸，提高芯片的計算效率(圖11)。

圖10 基于“天工開物”工具鏈的開發流程

圖11 經過地平線編譯器自動優化的算法，性能提升巨大

近來，地平線與韓國SK電訊公司合作開發了動態眾包高精地圖解決方案。SK利用地平線的工具鏈，開發了韓國道路的視覺感知算法，證明了工具鏈的易用性和可靠性。

簡言之，地平線的開放是從提供系統參考解決方案，到全面開放感知結果，再到工具鏈的全棧解決方案的深層次、多維度的全面開放，充分賦能汽車行業的智能化發展。如果客戶主張效率最大化的分工合作理念，地平線就提供軟硬件一體芯片方案;如果客戶青睞能力最大化，希望使用自己的算法，地平線就為客戶提供純芯片和整套工具鏈，幫助客戶實現足夠深入的開發自由度，踐行“深度賦能”的長期承諾。