当前位置:首页>品牌发布>>正文

NMINIEYE进入前装领域 年内目标十五款车型

来源:新华网发布时间:2018-08-28 15:03:43

MINIEYE

5月30日,MINIEYE在北京召开2018成果发布会,公布了商业化成果以及自动驾驶布局。

据悉,MINIEYE自主研发的L3以下高级驾驶辅助类产品,已经进入前装领域,和比亚迪、众泰、奇瑞、东风柳汽等乘用车和商用车主机厂以及多家Tier 1企业产生合作,目前累计定点9款车型,搭载其产品的多款车型年内将上市。后装领域,其产品已经获得订单数万套,产品分布在全国29个省和直辖市的车队。同时,MINIEYE正在与新加坡-美国麻省理工学院联盟(SMART)开展自动驾驶相关的合作,预计于2019年实现商业化落地。

前装:拿下主机厂定点,年内目标十五款车型

在今年的CES展上,MINIEYE首次展出了前装产品X1。这是一款车规级主动安全产品,除了拥有前向碰撞预警(FCW)、车道偏离预警(LDW)、前车监控预警(HMW)、城市前车碰撞预警(UFCW)等功能之外,还新增了行人碰撞预警(PCW)以及交通标志识别(TSR)等功能,进一步保障驾驶员和车辆的安全。MINIEYE X1支持与毫米波雷达融合,功能扩展到自动紧急刹车(AEB)。

 刘国清

MINIEYE联合创始人兼CEO刘国清介绍,X1完全满足前装乘用车客户的严格要求,具有适应复杂工况、整机功耗小于3w、车规级方案、定制化和低成本五大优势。前装客户对于产品能否在复杂工况下保持鲁棒的性能有着更高的要求,X1能够应对大雨、夜晚低光、异型车、高温、颠簸等不同工况。

其在性能鲁棒的同时,整机功耗小于3瓦。这意味着X1能够在炎热的环境下同样稳定工作。在车规级方面,MINIEYE目前已经获得了IATF16949认证,X1核心器件也满足ISO26262、AEC-Q100等标准。另外,X1具有灵活设计可扩展的特点,可以满足与车机、数字仪表、HUD等结合的定制化需求,也能够扩展到AEB等控制型功能。

基于产品X1的这些优势,MINIEYE牵手数家前装客户,前装乘用车领域包括比亚迪、众泰、奇瑞等主机厂;万向集团等Tier1。商用车领域包括东风商用车、东风柳汽等主机厂和VITI、KUS等Tier1。刘国清透露,和乘用车主机厂的合作年内就能实现SOP,已定点3款车型。商用车已获得6个车型的定点,目前已经量产供货。

 商用车

进入前装领域对MINIEYE意义重大。后装产品因其局限,无法切入执行层面,相比较而言前装市场前景巨大。以国际巨头Mobileye作为参考,其一年的营收中,前装收入达到将近80%。刘国清称,MINIEYE的小目标是今年年内定点十五款车型。

后装:数万套订单,装载车辆遍布29个省市

自去年11月份MINIEYE的后装ADAS产品M3量产以来,已经获得数万套订单,装配车辆遍布全国29个省市。今年MINIEYE进一步丰富产品矩阵,推出了内视产品——驾驶员行为监测系统F1,以满足更多后装客户的需求;以及M3的升级版本M4,在原有功能上增加对行人、交通标志牌的识别和驾驶员行为监测系统,并开通数据平台服务。刘国清称,无论是前装市场还是后装市场,MINIEYE一直秉承客户需求导向原则。

后装客户除了对产品性价比的要求外,还希望产品的安装速度快、适配车型广等等。MINIEYE自主研发的安装工具让安装人员不再需要笔记本电脑和笨重的标定板、花二十分钟就能安装一台设备。相比较市场上同类产品的安装大约需要1到2小时,MINIEYE能够为客户节省更多人力开销和时间成本。另外,MINIEYE的产品能够适配超过1000种车型,支持非破线式安装。

刘国清称,作为一家技术公司,领先的技术和过硬的产品是立足之本,但如何为客户创造价值才是制胜关键。除了产品本身的质量之外,安装、维护等等细节也非常重要。对于技术背景的公司来说,需要积极的投身市场,洞察客户需求,并以迅捷的反应去迭代产品。

 ADAS

技术:用算法、数据、传感器融合构筑壁垒

自动驾驶未来的普及依赖于很多技术的发展,比如汽车控制、人工智能算法、传感器、芯片、高精度地图、人机交互等等。这其中每一块都是一个大命题。MINIEYE联合创始人兼首席科学家吴建鑫表示,MINIEYE过去5年一直在冷静积累关键技术,持续以安全和有商业价值的产品为核心。在现场,吴建鑫分享了团队在算法、数据、传感器融合三个方面的研发成果。

 自动驾驶

算法方面,吴建鑫认为关键在于在有限算力、低功耗、合理成本条件下来进行算法设计。MINIEYE自主研发的ThiNet技术让神经网络有效“瘦身”,降低其对算力和存储的要求,部分ThiNet成果被发表于AI领域顶级会议ICCV2017。MINIEYE还开发了嵌入式神经网络加速库FastNet,利用FastNet对Squeezenet等网络进行加速,其计算性能相较于Caffe,NCNN(腾讯),TensorFlow Lite(Google)均有1.8倍以上的提升。吴建鑫还介绍了MINIEYE自主设计的神经网络架构IP HardNet,这项技术可以帮助高计算复杂度的神经网络在小面积的FPGA(如zynq 7010,zynq 7020)上实时工作。正是ThiNet、FastNet和HardNet“神经网络三件套”帮助MINIEYE将深度学习广泛用于产品化中。

数据积累的工作,MINIEYE在创业初期就开始进行,已经持续了44个月。目前积累的标注数据里程超过1300万公里。这也帮助MINIEYE在一些本地化场景里的性能表现要优于国外的产品。随着后装产品的大规模装配,MINIEYE将会逐步在为用户服务的过程中积累更多数据。

而传感器融合一直是趋势所向,MINIEYE为一些前装客户定制的解决方案就是视觉-毫米波雷达融合产品,利用摄像头识别物体,毫米波雷达测量距离和速度,优势互补,相关产品已经量产。目前,MINIEYE在完成和毫米波雷达、IMU融合的基础上,正在研发与包括LiDAR、超声波、热成像等更多传感器融合的感知方案。

自动驾驶领域里,有两条主要的路径去实现汽车自动化:一是直接去做L4、L5级自动驾驶;一种是从L1、L2级起步向高级别渐进式发展,MINIEYE属于后一种。在L1、L2级别的产品已实现商业化的基础上,MINIEYE开始在L3以上自动驾驶布局,在发布会上宣布了正在与新加坡SMART合作,并计划在2019年把限定场景自动驾驶项目落地国内。