【台灣演義】台灣半導體教父 張忠謀
行業應用解決方案
|
2020年2月24日 星期一
．在疫情之後，台灣的安控業可以怎麼佈局（前述篇）……
Huawei CEO: HiSilicon to become primary supplier, Huawei in groove
3S MARKET 施正偉
兩年前張學友在中國辦了 50 餘場演唱會，媒體報導總共抓到了 60 名通緝犯。一些台灣人說到中國時，因沒按交通號誌指示行走，現場就被拍下來，城管公安馬上直接就過來開罰。
以這麼神準的影像監控+人臉辨識+AI+大數據（中國天網計畫的科技要素），為何無法控制冠狀病毒感染者的掌握、追蹤？卻能在三～六萬人的演唱會上，最高紀錄一場演唱會能抓到五名以上的通緝犯？
為什麼中國這麼多城市，經常因霧霾發生，攝影機連車牌都無法拍攝，卻在很多人臉辨識的國際評比上，可高達 99.99% 的成功辨識率？
客觀的說，以上這些訊息，有的應該是事實，也有刻意被渲染誇大，也有假訊息。但是，這幾年中國掀起智慧攝影機的發展運動，影像監控+人臉辨識+AI+大數據，讓美國也緊張起來，在去年 10月上旬，川普政府一口氣禁了 28 家，上述相關技術的中國領導廠商。
智慧攝影機的靈魂，就在所謂的 AI + SoC。前年底，有某廠商負責人邀我參與一個，向政府提議投資，H.265 + AI 影像監控設備，台灣自製晶片的計畫。
最後雖然我並沒有實際參與，但也因美中貿易問題，以及相關東南亞的一些專案，直間接與 AI + SoC 的廠商有所接觸 ……
—— —— —— —— —— —— —— —— —— —— —— ——
讓我把場景，先轉到目前的中國武漢肺炎疫情。從 2 月 5 日起，我透過 3S MARKET、臉書、Line 等網路與社群工具，已經分享多篇有關武漢肺炎對經濟、全球供應鏈的衝擊影響。
事實上不管中國何時能全面復工，復工之後的缺工、補工，恐怕要比以往至少兩倍到三倍的時間，才能真正開始步入正常作業。一般大家的看法大概都是如此。所以，很多人認為，大概到今年五、六月，才能真正恢復正常。
中國因疫情影響，很多經濟專家都認為，從農曆過年到目前，中國起碼掉了 1% 的 GDP。所以中國有不得不拼經濟的壓力，必須盡快復工。但是疫情混沌、封城效應、交通停擺，這些都將帶來更多無法預期的變數。
假設這些變數都能順利步上正軌，中國要全力拼經濟，很自然必須先救他們的國內經濟。另一方面，必須要用世界工廠賺國際的錢。這樣的局面，將發生「疫後」，國際、中國一起瘋搶資源的效應。
各行各業搶工、上游搶原物料、製造業搶零組配件，這個情形就恰如，台灣的排隊買口罩場景的翻版。很多行業在這效應之下，恐怕今年要排到拿到穩定的供應資源，難、難、難！
最近市場就有傳言，台灣一些非常倚賴對岸「打板子」的攝影機廠商，已經開始「打擺子」了！？一些廠商更不諱言，除了晶片可能不缺，鏡頭、外殼、線材通通都缺。
上週分享的 ，TrendForce「武漢肺炎對科技行業供應鏈影響的最新預測報告」這篇報導中，該作者暗示提到，海康大華或將被徵召，去生產熱像儀攝影機。我個人的猜測是，中共最擔心的是社會動亂，疫後這些用來監視人民的裝置，或許將更高於以往的裝設。
而安控行業並非是大產業，鏡頭、外殼、線材、SMT 很多電子產品都有需要，這些供應鏈幾乎大都已在對岸中國生根落地，監控業可以搶到多少？台灣業者又能搶到多少？
有些安控業者，至今仍沒有卸下要「衝量拼價」的使命。要實現這使命，必需要有的前提，是要倚賴中國紅色供應鏈的協助。我個人的觀點是，趁此時間調整，往高階或解決方案領域發展，台灣廠商再怎麼衝量，都難以匹敵對岸一、二線的任何一家廠商。縱使是疫情之後，台灣就算能快速建立供應鏈，也不可能能夠與中國拚量，特別是台灣沒有像中國的市場腹地。
很巧，有立委於 2 月 21 日在立法院質詢受武漢肺炎疫情延燒影響，政府振興產業要趁此機會。經濟部長沈榮津說，這次台商受武漢肺炎衝擊，有歐美大廠希望大陸台商，移轉生產基地回台灣，「未來台灣是高階製造中心」……
上週我與一位在歐洲的朋友聯絡，這位朋友約略提到，供應鏈斷鏈也將連帶影響到，歐洲一些智慧城市的進度。挺台的這位朋友說，最好趁此翻盤。不過這位朋友也憂心提到，台灣廠商不思策略結盟，不懂做解決方案……
如果台灣監控業仍一如已往，各做各的，只想建立各自的小圈圈，那我在前面的推演，武漢肺炎疫情恐將造成搶資源效應，而這種小圈圈做法模式，只能捫心自問，真的能夠搶到資源嗎？就不用說，如果真的沒搶到的時候，可能未來接踵而至，更要面臨一連串的經營挑戰。
安控業的 Next 會是什麼？
上週也與多位業者，聊到有關產業鏈是否斷鏈的議題，其中位業者說：「這個產業正在世代交替，老的意興闌珊，有的思想倒退嚕，比年輕人還幼稚；年輕的胸懷大志，但是有的頭腦，卻比老一輩的還要硬。」
我不會算命，無法去描述安控業的下一步將會怎樣，藉由兩年前，在台灣安全展的場合，有兩位比我年輕許多的業者，分別跟我說：這還叫做安全展嗎？我淡淡的回覆，你平常不是認為 3S MARKET 所談的應用與趨勢，都相當砌合市場的發展，那為什麼展覽不能呈現這樣的場景議題？
我想我已很清楚描述出當時的情境，還有目前監控業面臨的矛盾。也有好幾位資深業者，幾次也都表達：安控業本來就是一個應用產業，什麼技術可以用來解決問題，就拿來用。台灣就是一群類比出身的業者，排斥 IT、抗拒 IP，所以被中國廠商「整碗端去」！
兩年前一位廠商業者這樣說：「就是敏通、利凌賣太貴，所以有了悠克、陞泰；就是悠克、陞泰賣太貴，所以有了海康、大華 ……」
這位業者朋友的這句話，讓我立刻想起，2003 年我在上海，第一次認識海康老總胡揚忠時，他走過來跟我握手，開口的第一句話就說：「施先生，你們台灣的杭特、悠克、慧友、陞泰真是了不起，可以把 DVR 做得這麼好，又賣的這麼便宜……」
當時，海康的年營業額，就胡揚忠的說法，只有陞泰的三分之一不到。物換星移，今天台灣年營收最高的晶睿，累計在 2019 年合併營收 65 億 7361 萬 7000 元（新台幣）；海康威視在 2018 年營業額為 498.37 億元（人民幣）。
美中貿易、武漢肺炎給台灣安控業是斷鏈或是機會？
再把話題轉回一開始聊到的晶片相關話題。2018 年六月，美國幾家過去認識的朋友，與我接觸，因為當時美中貿易問題已經浮現，在當時已傳出美國將抵制海康、大華的監控產品。（事實上，這話題更早在 2016 川普上台時就被提起，而美國一家 IPVM 安控網路媒體，美國很多朋友都說，一直不斷扮演美國反中的立場，相信不少國人對 IPVM 也不陌生。）
美方幾家公司希望拿台灣的軟體，來兜中國的網路攝影機硬體。因為全世界除了中國，沒人可以有能力，把電子硬體做到很低的 BOM COST。
旋即又有幾家中國網路攝影機公司，也找上我，希望找台灣公司，或透過第三地（越南），用類似洗產地的方式合作，並共同分擔川普想將提升關稅 30%，三方平分吸收。
至此我已了解，實際上這十年來，美方對中國業者，有一定的接觸與認識。所以我告訴兩端，他們自行去接觸，不必透過我。
直到去年第一季，包括國內的網路攝影機廠商，以及晶片廠商朋友告訴我，國內幾家影像晶片廠商的方案，已被中國一線廠商，及部分二線廠商所採用。但當時台灣廠商，只有少數一、兩家曾經接觸台系的 SoC。
從去年第二季到年終，美中貿易情勢越來越明顯，一些晶片廠與台灣業者的接觸，也越來越多，但仍限於單點接觸，相信一些有接觸的廠商，中間一些過程很清楚，在此不多描述。
我與很多台灣一線製造業者，都個別討論過，美方要對海康大華斬根，但台灣有哪幾家以目前的技術能量，可以完全取代海大的空間？這答案不言可諭。
而這其中還有海思晶片資安漏洞，與機密竊取的問題，美方幾家廠商早也已告訴我，這不是單純海大的問題。只是有些美方廠商，也還抱著僥倖心態，只想先「去」海大，邊走邊模糊行事。從各種跡象研判，美國政府用各種理由，阻止那包括海康與大華在內的 28 家，實際背後只瞄準一家，可能就是這家華為海思！
沒想到，美國政府一波波限制不斷端上檯面。就連目前中國武漢肺炎疫情，中國陷入混亂之際，美方於 2 月 8 日，再度提出欲限制華為旗下的海思晶片入美（當然，這不是針對安控晶片而已，也包括量更大的手機晶片，還有背後我們台灣台積電幫他們做封裝）。
而據海思自己的統計，他們的影像晶片，佔全球的 75%。這又合理說明，老美的芒刺在背。
另一方面，台灣去年公共工程、因地下道泡水採用中國品牌監視設備，也在大眾媒體上被連續報導一段時間，只是這些核心的問題，不是一般非專業者所能了解，甚至還砲火亂射。
資安是這些安控設備裝置，背後另一個大問題。美國政府的重視程度，超乎想像。但是美國一些廠商、台灣政府、台灣晶片業者、台灣製造業者，甚至是 SI 或工程安裝業者，對於資安這方面的敏感度，相對很不高。
去年有三度的時段，我分別與台灣、美國資安專業者，以及美國資安廠商，展開一連串的接觸與討論。我當時與一位朋友，就推演到資安必需從場域來解決，不能只單純從產品去做防護或認證。但在這部分，與美方所接觸的資安廠商立場，也只想從產品角度切入。
有一度時間，我們也期待把美國這些先進的資安防護機制，結合台灣晶片業者一起推動。但與幾家晶片廠商探詢後，我與朋友也終於了解，晶片廠基於 BOM 的考量，根本不容易再把資安防護與晶片結合。
直到今年 2 月 8 日從 iThome 的報導得知，美國國防部在 1 月 31 日宣布，在今年 9 月底前，該部門將會要求部份競標國防部合約的承包商具備網路安全認證，此一認證將奠基在國防部所發表的《網路安全成熟度模型認證 1.0 》（Cybersecurity Maturity Model Certification，CMMC），承包商必須依據專案的機密性，而取得不同等級的安全認證。
因為與晶片業者幾方面的互動，我都向他們提出，應該與監控製造業者聯合一起，做共同的開發。當然，幾家晶片廠商也都告訴我，「礙於公司政策與現實」，他們只能針對有「量」的前幾大銷售。
而這就是目前這些矛盾、又曖昧的產業膠著，似乎有動，卻又進展緩慢、不明顯。直接說吧，對晶片有量的需求者，並不「長」在台灣。台灣、韓國這十多年來，因中國崛起，這些各國的 Security\Surveillance 的通路，或是 OEM\ODM 客戶，幾乎都被中國整個端去。
如果廠商們刻意要忽略，這樣的市場現實，套一句一家廠商老闆告訴我的，台灣的晶片方案賣給了對岸廠商，然後對岸廠商再來打死台灣業者。而另一方面，一堆業者又叫說，因採用海思，支援度總都比對岸廠商慢好幾拍。
可是一提到用新方案，一些廠商又擔心「機密」外洩。甚至有些廠商，專注在幾個特殊方案，四處兜售這些技術，而也都做一半而已，這又與海思支援度不足，又有什麼兩樣？
因為前年因緣際會，接觸到美方一些廠商，所告知的所需。於是我婉拒了，去扮演三方撮合的角色。就是因為掌握了幾個美方公司，所告訴我的美國實際情勢。
這就是為什麼，去年 3S MARKET 舉辦的幾場相關活動，就不斷在結集監控、傳輸、軟體平台、物聯網、AI、雲端業者、服務領域業者，原因就在這裡。
．人工智慧在金融領域的應用
How AI is changing the financial services industry?
来源：人工智能大健康
有目的、有計劃地引進、研製、製造和購買相關人工智慧產品將為金融機構的未來發展帶來巨大優勢。人工智慧在金融領域的應用，主要分為以下幾個方面：自動生成報告、人工智慧輔助、金融搜索引擎和智慧投資顧問。
第一，自動生成報告。投行業務及證券業，都需要撰寫大量文書，這些文書工作往往具有固定的格式或模板，例如研究報告、招股說明書、投資意向書等。
這些報告的撰寫，通常需要花費投行工作者，大量的時間和精力，但這類工作在很多情況下，往往只是一些數據整理，以及文本替換的工作。由於格式較為固定，這些文書中的大量內容，可以利用模板生成，比如公司股權變更、會計數據變更等。
具體而言，自動報告生成主要有三個步驟：
第一步為數據處理，透過爬蟲等電腦程式，對年報、時事新聞及數據、行業分析報告和法律公告等材料，進行收集和整合；
第二步是數據分析，運用知識圖譜中，常用的知識提取，對實體新聞進行處理，提取邏輯主幹，結合其他關鍵資訊，再將其嵌入模板；
第三步是生成報告，經過數據的分析處理，報告便可生成。如有必要，可以對自動生成的報告，進行人工審核和微調。
第一步為數據處理，透過爬蟲等電腦程式，對年報、時事新聞及數據、行業分析報告和法律公告等材料，進行收集和整合；
第二步是數據分析，運用知識圖譜中，常用的知識提取，對實體新聞進行處理，提取邏輯主幹，結合其他關鍵資訊，再將其嵌入模板；
第三步是生成報告，經過數據的分析處理，報告便可生成。如有必要，可以對自動生成的報告，進行人工審核和微調。
第二，人工智慧輔助。在過去，量化交易只是簡單地運用電腦來進行輔助，分析師的任務，主要是選取某些指標作為變量，利用機器來觀察數據分布及計算結果。
隨著機器學習與預測算法的結合程度不斷加深，人工智慧輔助系統根據歷史經驗，和新的市場資訊，可以更加準確地預測金融市場的走向，創建出更符合實際的最佳投資組合。
隨著機器學習與預測算法的結合程度不斷加深，人工智慧輔助系統根據歷史經驗，和新的市場資訊，可以更加準確地預測金融市場的走向，創建出更符合實際的最佳投資組合。
相對於之前電腦只進行簡單的統計計算，現在的人工智慧系統，已經能夠透過機器學習等技術，進行海量數據的處理和分析。同時，結合自然語言搜索、使用者介面圖形化，及雲端計算後，人工智慧助手可以將問題與實踐，與市場動態結合，提供即時更新的研究輔助。
此外，人工智慧不會像人類一樣，受到情緒的影響，可以從根本上杜絕投資決策過程中恐懼、衝動和貪婪等非理性情緒因素的干擾。
自然語言處理是電腦科學領域，與人工智慧領域中的一個重要方向。它研究能實現人與電腦之間，用自然語言進行有效通信的各種理論和方法。自然語言處理並不是一般地研究自然語言，而在於研製能有效地，實現自然語言通信的電腦系統，特別是其中的軟體系統。
當然人工智慧輔助也存在一定的問題，例如當「黑天鵝」等特殊事件發生時，機器學習和自然語言處理，無法發揮出其相應的功能。因為這類特殊事件往往屬於新型事件，人工智慧系統無法從歷史數據中，找出相關模式。如果讓人工智慧在這類事件發生時去管理資產，就存在很大的風險。
第三，金融搜索引擎。資訊的甄別和篩選，對於金融行業來說尤為重要，但其工作量和工作難度往往較大。金融搜索引擎正是為了數據和資訊的收集、整理、分析而生，其實質就是資訊平台，為供需雙方提供撮合和對接服務。
對於資訊處理，人工智慧不僅能夠做到有序分級的收集、儲存，還能夠依據某些算法，克服主觀判斷傾向帶來的影響，從而更好地利用那些，真正會對資產價格產生影響的資訊。
例如，金融搜索引擎 Alphasense，能夠從大量數據噪聲中，尋找有價值的資訊，透過對文件和新聞的研究，整合投資資訊，並進行語義分析，從而提高工作效率。
此外，金融交易並不是在金融搜索引擎上直接進行，因此不會形成閉環，當然這也可能造成金融交易把控性的不足，但透過大數據風控系統，加強對第三方平台的監管，可以在一定程度上彌補該缺點。
第四，智慧投資顧問。傳統的投資顧問模式，需要高素質的理財顧問，來幫助投資者規劃符合其投資風險偏好、某一時期資金需求，以及某一階段市場表現的投資組合，因此費用高昂，使用者往往局限在高淨值人群中。
智慧投顧與傳統的人類投顧相比，具有透明度高、投資門檻低、個性化等獨特優勢。智慧金融正在以一種人機結合的方式，提供個性化的輔助決策工具。
在邏輯鏈條形成的過程中，智慧投顧以最少的人工干預方式，幫助投資者進行資產配置及管理，讓投資人更容易獲得數據，和分析層面的支持，從而將更多的精力，投入更加重要的工作。借助電腦和量化交易技術，智慧投顧平台可為經過問卷評估的客戶，提供量身訂製的資產投資組合建議。
．AI 換臉，究竟是超先進科技，還是技術濫用
deepfake技術
來源：鲸准科技
兩年前的夏天，代表 AI 的棋手 Alphago，對戰當時的人類最強棋手柯潔，以 3：0 人類落敗的結果告終。
彼時人類初識人工智慧，多少帶著些恐慌的意味，如同面對洪水猛獸。
然而只過了短短兩年，人們就已經開始習慣與 AI 和諧相處，人工智慧技術滲透進社會生活，越來越多翻譯器與翻譯軟體，開始應用神經網路技術，其翻譯結果的準確和迅速，甚至能達到即時傳譯的地步；零售領域已實現在整個產業鏈上，包括無人售貨、智慧供應鏈、客流統計分析的全線 AI 控制；天氣預測、災情預警等行業，也廣泛融入人工技能技術，效果也基本上能達到迅速精準。
這項技術變得不再那麼神秘，也有越來越多的愛好者，自發進行娛樂化的人工智慧研究。近日，微博出現熱搜話題「將朱茵的黃蓉，替換成楊冪的臉」，便是運用 AI 技術，捕捉表情和臉部資訊，使用訓練後輸出的臉型，來替換原來的臉型。
換臉後的影像沒有任何違和感，人臉的輪廓、表情，都與楊冪一模一樣，甚至在演技上，還更多了幾分生動和靈性，完全看不出是經過後期替換的。
據悉，這項 AI 換臉技術，是用國外的一款軟體 Deep fake 完成的，相較於我們之前使用的，自拍軟體上的換臉功能呢，這款軟體的換臉效果更為自然，甚至可以說是毫無破綻，並且在影像中，也可以實現臉部的完美替換，無論表情還是臉型，都沒有任何不自然。
由於使用門檻較低，就算沒有相關技術經驗，只要輸入影像資訊，就能完成影像替換，這項 AI 換臉技術，一時間在網路上大熱，也有人試過把女主播的臉，換成各路女明星，同樣看不出有什麼不自然的地方。
只是，娛樂之後，關於這項技術的質疑，也浮出水面，有人認為，AI換臉可能會引發更多的網路詐騙等案件，同時侵犯他人的隱私和肖像權等。
比如說現在用臉部辨識，來完成的身份認證和刷臉支付功能，大都需要你以點頭、眨眼、張嘴的方式，來確認本人操作，但有了AI換臉技術之後，心懷不軌者，只要使用一些你在社交軟體上，發過的影片或照片，對AI進行訓練，就可以輕易欺騙過辨識系統。
另一方面，從 AI 換臉在影像替換上的強大表現上來看，如果將這項技術用於娛樂、影視拍攝中，可能會助長影視界，濫用替身的風氣。
拍攝全由替身進行，只要在後期進行 AI 換臉，一些演員設置不用演出就能拿到片酬。在娛樂圈風氣逐漸浮躁的情況下，如果這項技術真的在拍攝上得到應用，不僅存在欺騙觀眾的嫌疑，還將嚴重損害藝術作品的聲譽。
面對這種種可能發生的問題，美國防部已經針對換臉技術研發出了「反 AI 變臉刑偵檢測工具」，各相關企業也積極推出應對措施，用以預防可能出現的，利用 AI 換臉犯罪的事件。
以這次 AI 換臉引發的輿論風波為例來看，各項新技術的產生都是一把雙刃劍。有人將某些科學發現稱作「打開潘多拉的魔盒」，但實際上，當人工智慧走下神壇，以平凡的姿態，融入千家萬戶時，技術的濫用，才是魔盒真正開啓的時候。
科學本身並不可怕，可怕的是有心懷不軌的人，將其用到不當的用途之上。在享受科技便利的同時，我們更要保持理智的頭腦，不被科技帶來的隱藏罪惡有貨，相關部門也要對新技術可能帶來的種種違法現象，進行有效的預測和防治，讓科學能夠更好地服務大眾。
 |
| 康橋科技 —— 白光攝影機專業廠商！ |
．被低估的單目視覺辨識
Real-Time 6-DOF Monocular Visual SLAM in a Large-Scale Environment
對單目來說物體越遠，測距的精度越低，硬體上的缺點，可以透過算法去彌補，近日有兩篇關於單目視覺的研究論文曝光，一篇是單目視頻的深度估計，另一篇則是單目3D 物體辨識，在數據集下測試，都取得了不錯的效果，我們熟悉的單目攝影機，可能一直被低估了。
攝影機是自動駕駛汽車中重要的感測器之一，在自動駕駛過程中的首要任務就是道路辨識 ，主要是圖像特徵法和模型匹配法來進行辨識。行駛過程中需要進行障礙物檢測，和路標路牌辨識等，此時車輛上的資訊採集，便可以運用單目視覺，或者多目視覺。
由於很多圖像算法的研究，都是基於單目攝影機開發的，因此相對於其他類別的攝影機，單目攝影機的算法成熟度更高。基於單目攝影頭可以用來定位、目標辨識等。但是相比多目，單目有著先天的缺陷，視野資訊不能夠豐富，單目測距的精度也較低。
不過單目攝影機的作用還未發揮到極致，近日有兩篇關於單目視覺的研究，讓眾多研究者驚艷，原來單目一樣可以有不錯的表現。
Paper1：Orthographic Feature Transform for Monocular 3D Object Detection
單目 3D 物體檢測，是一件很有挑戰性的事情，目前最先進系統的成績，也不及用雷射雷達的 1/10，劍橋大學的科學家，利用單目視覺進行 3D 物體辨識，透過引入正交特徵變換，使基於圖像的特徵映射到正交 3D 空間，來避免形成圖像域，可以全面地推斷出，各個物體比例尺寸，以及相隔的距離。
透過在 KITTI 數據集裡測試，發現與前人的 Mono3D 方法對比，這種方法在鳥瞰圖平均精確度、3D 物體邊界辨識上，各項測試成績上均優於對手。
尤其在探測遠處物體時要遠超 Mono3D，遠處可辨識出的汽車數量更多。甚至在嚴重遮擋、截斷的情況下，仍能正確辨識出物體。在某些場景下，甚至達到了 3D OP 系統的水平。
在這項工作中，提出的一種新穎的單目三維物體檢測方法，基於在鳥瞰視野範圍內操作的，減輕了許多不良圖像的屬性，更易於推斷出世界的 3D 結構。
用一種簡單的正交特徵變換，將基於圖像的特徵，轉換為這種鳥瞰視圖表示，並描述了如何使用圖像積分有效地實現它，以深二維卷積網路的形式，應用於提取的鳥瞰特徵，取得了不錯的效果，說明單目還有很大可開發的空間。
Paper2：A Structured Approach to Unsupervised Depth Learning from Monocular Videos
這是谷歌的工程師做的一個研究，他利用單目視頻深度估計，自從 2014 年 NIPS 上出現第一篇用 CNN－based 來做單目深度估計，近幾年也不斷湧現出，一些做單目深度估計的文章，有直接依靠深度學習，和網路架構得到結果，還有依靠於深度資訊本身的性質進行估計，基於 CRF 和基於相對深度方法的，本篇文章是基於無監督學習，單目影像深度估計。
文中的方法能夠模擬運動物體，並產生高品質的深度估計結果，與以前的單目影像無監督學習方法相比，該方法能夠恢復移動物體的正確深度。
也就說，能夠正確地恢復與自身運動車輛，相同速度的移動汽車的深度。因為一台相對靜止的車輛，往往會表現出，與地面相同的無線深度特徵，解決了高動態場景中的問題。
這些方法仍需要很長時間去測試其可靠性，相比雷射雷射雷達，單目算法一旦能在無人駕駛汽車上成功應用，將會節省一大筆費用，單目視覺辨識可能還有著無限的市場潛力。415181203
 |