Maxieye发布所罗门计划 赋能自动驾驶

当一家公司的产品进入前装，下一步会做什么？

Maxieye给出了自己的答案：开放图像数据、协议以及工具链，赋能整个行业，推进自动驾驶应用发展。

对于一家成立于2015年，相继拿下包涵TOP1和TOP2的多家商用车领域企业和包涵TOP2的多家乘用车领域企业的量产订单的前装供应商而言，是否到了向外界说开放的时间点？这个开放会有什么样的意义？

Maxieye CEO周圣砚信心满满的说道：对于公司的产品，自己有足够的信心，开放技术平台，是因为当下行业内有很多迫切的需求，需要依赖视觉相关技术的赋能，但行业内并无先例。

因此Maxieye希望能够通过开放自己的技术，让更多行业内厂商释放能力，共同推进汽车的智能化。迈出这一步对于公司而言，有挑战也有机遇，公司希望能够迎难而上。为此，也为开放平台取了一个特殊意义的名字：所罗门计划。

所罗门计划

所罗门计划的核心，是四部分：开放协议架构、开放图像数据、开放开发工具、战略伙伴定制。

在自动驾驶中，有感知传感器厂商、人机交互厂商、也有域控制器、无人驾驶厂商，各个厂商都有自己所擅长的地方，作为国内汽车产业链内的新势力，要进入前装供应链，需要的是产业链上下游的合作，单打独斗无法形成战斗力。

作为视觉为主的供应商，Maxieye希望首先开放自己的技术平台，促进上下游的深度合作。所罗门计划开放的宗旨，也是围绕这个核心来进行。

开放协议架构方面，包括全目标协议CAN总线接口输出，底层及上层各个环节检测结果；开放图像原始数据，便于合作伙伴二次开发及算法集成；开放内部测试及融合开发工具链，便于合作伙伴调试及二次开发；对于战略合作伙伴，将结合其场景进行深度定制开发支持。

举例而言，所罗门计划将会为HUD以及数字仪表的用户，提供全协议目标图像坐标输出、世界坐标输出、三维投影的C语言源代码，帮助用户更便捷的调试产品性能；激光雷达用户也能获得全协议目标图像坐标输出、世界坐标输出和角度坐标输出；图商可获得车道线、停车线、斑马线等的坐标系方程，用户可叠加由GPS的绝对坐标，产生目标的绝对坐标，从而生成地图。

对于自动驾驶客户而言，能获得更高纬度的车辆信息、定位元素识别、更准确的车道线识别(更高算力算法)，以及针对特定使用场景的相关数据。比如低速自动驾驶中算力集中于30米内的高精度目标识别、算力集中于路沿，减速带以及车道线的识别等。

另外对于自动驾驶的执行器机构，也能获得车道线的三次曲线方程、车道线的类别、车道线的最远可信距离、车道分叉点以及相邻车道信息，全协议车辆信息（相对距离，相对速度）、全协议行人信息（相对距离，相对速度）、全协议骑行者信息（相对距离，相对速度）。

可以看出，所罗门计划可以服务的用户，囊括了自动驾驶的感知、执行、决策部分，但核心还是围绕视觉技术。开放平台在这个时代并不鲜见，但大多数人脑中对于开放的概念，还是基于大公司整合产业链的平台，那么对于一家初创的公司，如何说服别人使用自己的平台呢？

像素级对标的实力

周圣砚表示：能够开放平台，首先要对自己的技术有自信，既不怕抄袭，也能得到业内认可。如此，平台才不会形同虚设，渐成行业标准。

国产供应商在向OEM推荐产品时，常常会被拿来同国际厂商的产品作对比，各个厂商在宣传自己的产品时，也会做这样的横向比较，以证明自己的实力。但在形形色色的对比中，到底什么才是真的体现实力的对比？而不是单项冠军，全项平平？

周圣砚认为，在这些对比中，有不少的误区，比如应用型对标、单一指标对标、不同算力平台的对标。

仅仅通过对比有些应用型功能指标，比如TTC，THW和LDW等指标，不具有说服力，这些指标在支持技术门槛比较低的报警类应用时勉强可以适用，当应用于控制类以及自动驾驶等方面时，往往需要更多的性能指标；

而在识别距离上，也并不是越远越好，为了符合实际应用，视觉方案商通常都会选择52度的镜头，兼顾远近距离障碍物的探测和视野，单纯追求识别距离远并无实际应用意义。

算力平台越高大上，理论上可以得到更漂亮的数据，但实际车规量产的产品，不可能随心所欲的增加算力，往往是在算力、功耗、实际需求、价格等多方面做出取舍，达到一个平衡。

因此，周圣砚认为，相对合理的对比标准，应该包含三点：相近的设计参数、计算资源、详细的检测指标。

公司的产品使用了分辨率为CMOS（1280*720），相近的镜头HFOV52度；用了一款算力普通，能够运行卷积神经网络的车规级ASIC芯片(TDA2X)；在此前提下，基于图像级的以及时间轴的详细的对比才比较合理。

经过对比，公司的产品在车辆检测率、识别距离、车道线曲率、车道线检测距离、车道线个数等指标上占有优势，其它指标基本持平或相对弱势。

周圣砚表示，作为国产供应商，事实上在一些方面具有一定的优势，比如地图的测量、车道线、道路环境的检测，相对拥有的自有度更高，因此可以在相应的技术指标上，有所领先。

另外一方面，国内OEM厂商有着五花八门的需求，如果供应商愿意去匹配，实际上有非常多的机会。当然这一切的前提，还是公司的基本实力要过关。也因此，公司成为了国内为数不多的几个拿下OEM前装订单的厂商。

特立独行的TDA2X？

谈到自动驾驶、深度学习，业内首选的都是GPU这种算力巨擘，但真的应用到行业中的，并没有多少。这是源于汽车行业以及本身市场的特性，产品品质要求高，同时价格要合适。

因此，在方向未定的时候，业内前装厂商，大多以灵活性较高的FPGA，作为算力平台的核心。

区别于传统做法，Maxieye使用了传统芯片厂商TI的TDA2X。其功耗小于5W，工作温度范围-40~85度，符合AECQ-100认证、内部的硬件层有深度学习处理器、DSP、ARM资源。

TDA2X可支持全高清视频（1920 × 1080p，60fps），多达 4 个嵌入式视觉引擎 (EVE)，支持包括前置摄像头、泊车辅助、环视和单一架构上的传感器融合。

支持的功能有对象检测、行人检测、信号标志识别、车道检测和偏离警告、自动紧急刹车、自适应巡航控制、前部碰撞警告、远光灯辅助、车后物体检测、停车辅助，对感知传感器的原始数据也能融合。

周圣砚认为，TDA2X在性能和品质上符合车规的要求，是一款成熟的SOC。开发人员可灵活配置算力资源，应对不同场景的不同应用。在实际落地产品中，这些特性非常的关键。

对于业内所认为的深度学习算法还未完全定型，其表示针对不同场景的主流算法，已经到了定型的时候。在量产方案中，可以根据相应的需求做固定，并不是完全的变化莫测。

同时，他认为在硬件层面，更高算力的平台，传统芯片厂商都会在后续的产品中做出匹配，这并不是制约行业发展的因素。FPGA是一个过渡型的解决方案，未来SOC的处理器，一定是主流的方向。

Maxieye同TI方面，建立了良好的合作关系，在算力平台上会得到其支持。当然对于其他芯片平台也是开放的，因为本质上选择算力平台的话语权在OEM，作为供应商提供技术方案即可。

作为国内首家开放技术平台的公司，Maxieye有自己的梦想。到2019年年末，周圣砚希望将自己的平台合作伙伴从现在的20家扩展到100家，而这些伙伴将同自己一起，完成更多的前装订单。

国内供应商目前已有百家左右，未来几年一定会优胜劣汰，最终剩下几家真正的前装供应商。Maxieye将自己定位于自动驾驶领域的赋能者，不仅要占据一定市场，还要推动行业的快速发展，此次推出所罗门计划，便是其中关键的一步。

未来能否长成参天大树，还需要更多时间的检验。