对于智能驾驶而言，汽车对行人、车辆、车道线、交通标识等道路目标的视觉感知与识别能力毫无疑问是至关重要的。随着 ADAS 的爆发，现有的视觉识别功能已经无法满足汽车产业链参与者的需求，除了更高的精度与更低的功耗外，他们需要更开放的解决方案来打造差异化且更具适应性的 ADAS 功能。
当智能驾驶产业链中的软件供应商们普遍在纠结视觉感知算法本身时，地平线则跳出封闭圈，用“开放”为自己的软硬实力加码，用“开放”赋能产业链下游更多的合作伙伴。
两重挑战呼吁更开放的解决方案
智能驾驶是未来的趋势，但在这之前却要接受来自现实和未来的挑战。在地平线看来，无论是应对驾驶场景的复杂性和地域性，还是顺应软件定义汽车的时代趋势，车企都亟需更开放的解决方案。
以中国的驾驶场景为例，大量存在的非结构化道路、非国标的交通信号灯和交通标志、常见的“异形”交通工具以及统一道路规则共识的缺乏，都对智能驾驶的落地发起了有力的挑战；而另一方面，顶级国际智能驾驶企业所提供的封闭式视觉感知方案，往往没有考虑到下游主机厂及车企的差异化和定制化开发。尤其在本土化场景下，这种相对封闭的商业合作模式很大程度上无法满足智能驾驶落地的安全性需求——驾驶场景的复杂性、地域性与解决方案的封闭性产生了冲突，促使智能驾驶行业向开放生态迈进。
驾驶场景的复杂性与解决方案的封闭性产生冲突
而在未来，智能驾驶汽车将不是一个功能固化的产品，它将是一个持续进化的“机器人”，在汽车整个生命周期内，硬件平台需要能够持续支持软件的迭代升级。为了提升软件开发效率，从系统构架的角度看，服务导向的系统构架（SOA）将成为主流，这需要打造一个全新的感知解决方案：兼具高度开放、一致并且完善的工具链、拥有强大算力储备和极强的可扩展性四大特点，以满足不同智能驾驶等级不同车型平台的要求。
让感知算法实现真正的开放实用
截止目前，地平线算法可以支持 10 类动态目标感知和 53 类静态目标感知、23 类语义分割。其中动态目标包括：成年人、儿童、骑行者等 3 类行人，以及轿车、SUV、面包车、卡车、客车、摩托车以及老年代步车 7 类；而静态目标则包括 8 类车道线、2 类红绿灯以及 43 类交通标识——丰富的基础语义信息，给客户实现差异化功能提供了坚实的感知基础。这还仅仅是目前地平线开放的基础视觉感知信息，而随着可支持目标的持续扩充，客户开发上层应用将拥有更高的效率。
地平线算法所提供的丰富感知信息
在丰富感知信息的基础上，地平线还能够对感知中间结果进行全开放，支持客户在应用层对地平线提供的丰富低级语义开发更加复杂的功能。
但开放感知信息仅仅是第一步，为了配合客户基于地平线 AI 芯片开发自身所需的产品，地平线还提供了开放而全面的工具链。
地平线推出的 AI 芯片工具链 Horizon OpenExplorer（地平线“天工开物”），兼备可视化调优调试工具、丰富的算法样例，能够为不同类型客户提供全面开放的赋能服务。基于“深度赋能”理念，工具链可以更好地支持国内各种极端的感知场景，增加视觉算法迭代的敏捷性。
地平线“天工开物”芯片工具链
目前，地平线“天工开物”工具链已支持 TensorFlow、MXnet、Caffe 等主流深度学习框架，开发者和研究人员可以利用工具链实现功能、应用的模型训练、验证和编译、优化和部署。
基于“天工开物”工具链的开发流程
地平线会持续对开发工具进行升级，为客户提供半自动化的处理流程。主要包括：数据工具与模型，模型与端上设备之间的闭环迭代；丰富的模型/系统参考原型，简洁易用直观方便的交互手段；标准化开发流程，加上持续的测试、集成、部署机制。这样的一种自我进化的开发工具，可以提升开发速度（减少约 30% 的开发人力，节省 50% 的开发时间），降低开发门槛，保证开发质量。
围绕开放赋能的一个典型案例是，地平线助力韩国 SK 电讯开发的动态众包高精地图解决方案，正是利用“天工开物”工具链快速开发出了适合韩国道路的视觉感知算法。
SK 电讯众包高精地图更新
提供系统参考解决方案，到全面开放感知结果，再到工具链的全栈解决方案的深层次、多维度的全面开放，地平线始终坚持为 AI 产业提供底层技术赋能，持续深耕自身的技术产品实力，通过不断的技术开放、商业化开放诠释着自身的定位。未来，地平线将继续打磨更具开放性的“算法+芯片+工具链”基础技术平台，并以此助力 OEMs 和 Tier1s 打造差异化且更具适应性的智能驾驶视觉感知方案，为汽车行业的智能化发展持续赋能。
「助力中国 ADAS 突围」
更前沿的智能驾驶产品
更丰富的解决方案落地成果
尽在 CES 2020 地平线展台
敬请期待！