CV芯片作为整个视觉感知技术中最关键的一环,目前也还处在初期

CV 芯片作为整个视觉感知技术中最关键的一环，目前也还处在初期
人类从外界获得的信息约 75%来自视觉系统，而在驾驶行为中尤为突出，驾驶
员驾驶需要的信息 90%来自视觉。

藉此，在自动驾驶的感知系统中，视觉感知成为了重要的
一环。

相比于超声波雷达、毫米波雷达、激光雷达等传感器，摄像头诞生时日更久，但基于摄像
头的感知技术，兴起并没有多年。

CV（ Compute Vision）计算机视觉或称机器视觉，是一门通过图像获取所需要信息的学科，
在实际的应用中，会通过硬件的摄像头，获取图片或者视频信息，中间需要经过内部的ISP、DSP 处理，以得到更清晰的图像，然后利用深度学习的算法，对获得的图片信息进行分析、
处理，最终得到现实世界通过图像映射而来的数字或符号信息，以便于机器理解现实世界。

在这个过程中，涉及到的最核心技术，就是对图像的分析、处理，工程应用中，视觉芯片
担当了处理的核心任务。

得益于 CV 在识别、运动分析、场景重建、图像恢复的能力，其广泛应用于安防、无人机、
自动驾驶等领域。

而在自动驾驶中， CV 不仅可以识别障碍物（行人、车辆等）、道路情况，还可用于构建地图。

相比于传统消费领域，汽车的使用环境更为复杂严苛，因此CV 在自动驾驶领域的应
用才刚起步。

CV 芯片作为整个视觉感知技术中最关键的一环，目前也还处在初期。

CV"> 在自动驾驶中应用CV 技术，CV 技术必须具备实时性、鲁棒性、实用性这三个特点。

实时性要求 CV 系统的数据处理必须与车辆的高速行驶同步进行；
鲁棒性是要求智能车辆对不同的道路环境如高速公路、市内公路、普通公路等，复杂的路
面环境如路面的宽度、颜色、纹理、弯道、坡度、坑洼、障碍与车流等，各种天气晴、阴、
雨、雪、雾等均具有良好的适应性；
实用性指智能车辆能够为普通用户所接受。

目前， CV 主要用于路径的识别与跟踪。

与其它传感器相比，CV 具有检测信息量丰富、。