事件导向CMOS图像传感器将用(yòng)于激光雷达

在快速发展的工厂自动化、物(wù)联网和自动驾驶車(chē)辆市场上，CMOS图像传感器似乎扮演的角色不再是人类消费品，而是让机器获取数据并让其理(lǐ)解世界的传感器。

法國(guó)著名市场研究和技术分(fēn)析机构Yole的MEMS ＆ 成像部活动负责人Pierre Cambou这样评论道：“CMOS图像传感器的传感功能(néng)将逐渐超过本身的成像功能(néng)，”并大胆预测“到2030年，一半的CMOS图像传感器将服務(wù)于感知领域。”

总部位于法國(guó)巴黎的Prophesee SA（原Chronocam）公司以革命领跑者自居。作為(wèi)先进的神经视觉系统设计公司，提出了一种基于事件的方法进行传感和处理(lǐ)。Prophesee的仿生视觉技术一直被认為(wèi)与传统机器视觉有(yǒu)实质性的差异，处于危险的“超前期”。但Prophesee联合创始人兼首席执行官Luca Verre告诉我们：“不久的将来，这种想法将被证实是错误的。”

Prophesee联合创始人兼首席执行官Luca Verre

在与Luca Verre面对面采访中，我们了解到Prophesee已获得B＋轮融资（在过去三年中，Prophesee已募得4000万美元的资金）。Prophesee已与一家大型消费電(diàn)子公司（未透露具體(tǐ)名字）签订了合作协议。最重要的是，Prophesee正在积极地把神经视觉系统从通常的技术概念中跳出，变成开发商(shāng)的参考系统。

Prophesee的第一款参考设计用(yòng)在VGA分(fēn)辨率应用(yòng)，由Prophesee提供基于异步时间的图像传感器（Asynchronous Time－Based Image Sensor，以下简称ATIS）芯片和软件算法。ASIC将由以色列的代工合作伙伴（我们猜测很(hěn)有(yǒu)可(kě)能(néng)是Tower Jazz）制造。

Prophesee暂时不愿提供ASIC和参考设计规范的详细说明。计划在未来几周内会正式发布该产品。尽管如此，参考设计能(néng)為(wèi)系统设计者提供见证和经历ATIS在数据传感领域作用(yòng)的机会，且已被事实证明，这家初创公司算得上完成了一个里程碑。ATIS的特点是瞬时清晰度高、数据率低、动态范围高、功耗低。

摄像头 ＝ 瓶颈

机器视觉系统的制造者，不管是智能(néng)工厂、物(wù)联网，还是自动驾驶車(chē)辆都已经关注到基于事件的方法，这是由Prophesee的联合创始人Ryad Benosman和Christoph Posch大力推行的。

可(kě)以捕捉传统相机获取的所有(yǒu)详细视觉信息，Verre认為(wèi)“摄像头成為(wèi)技术瓶颈”。毫无疑问，摄像头是最强大的传感装置。然而，对于自动化系统、监控摄像机或高度自动化的車(chē)辆的视觉数据，摄像头的处理(lǐ)速度可(kě)能(néng)会减慢。

但谈及自动驾驶，Verre认為(wèi)車(chē)辆内部的中央处理(lǐ)系统被来自摄像头、激光雷达、雷达及其它视觉来源的数据所“轰炸”。管理(lǐ)这类过载的关键是如何最好地减少来自传感器的原始数据量。传感器只能(néng)捕捉数据，会带来额外的无用(yòng)视觉信息。

Prophesee曾向采访记者解释说，Prophesee的事件导向（event－driven）视觉传感器的灵感来自生物(wù)學(xué)。这种看法源于联合创始人对人类眼睛和大脑工作的研究。Prophesee的创始人之一Ryad Benosman告诉我们，人类的眼睛和大脑“不会基于一连串帧来记录视觉信息”。生物(wù)比你想象的更复杂，“人类会捕捉到时空变化里感兴趣的东西，并把这些信息有(yǒu)效地传送到大脑”。这也是Prophesee的ATIS的主要作用(yòng)。

总之，Prophesee的ATIS提供了基于框架的图像传感无法完成的一切功能(néng)。在另一个联合创始人Christoph Posch看来，“基于帧的方法会导致冗余的记录数据，从而引发高功耗。”他(tā)说，“这样的后果是低效的数据率和膨胀的存储量。基于帧的视频，以每秒(miǎo)30帧或60帧甚至更高的速率运行，会导致捕获的图像发生畸变。”

用(yòng)于激光雷达（LiDAR）的事件导向方法

Verre向我们透露Prophesee正在探索采用(yòng)事件导向（event－driven）方法用(yòng)于其它传感器如激光雷达、雷达的可(kě)能(néng)性。Verre假设：“如果我们可(kě)以引导激光雷达只捕捉到其相关和必须的数据，会不会很(hěn)吸引人？”如果能(néng)做到这一点，不仅可(kě)以加快数据采集，还可(kě)以减少需要处理(lǐ)的数据量。

Phrophesee目前正在评估这个想法，Verre说公司在得到结论前需要几个月时间评估。但他(tā)补充说：“我们很(hěn)有(yǒu)信心，我们能(néng)成功”。当被我们问及拓展事件导向方法到其它传感器的新(xīn)思路时，Yole的分(fēn)析师Cambou认為(wèi)“基于事件的摄像头与激光雷达的优势结合（提供‘Z’信息），是一件非常有(yǒu)趣的事情。”

需要指出的是，传统激光雷达的问题是与典型的高端工业相机相比分(fēn)辨率较低，受限于分(fēn)辨率。Cambou认為(wèi)事件导向的方法可(kě)以改善激光雷达性能(néng)，尤其是在事件快速接近，如行人突然出现在自动驾驶車(chē)辆前面时。缺点是激光雷达硬件必须做相应的改变，显然，对Phrophesee来说，需要一家激光雷达企业的强有(yǒu)力的支持，来促成这种新(xīn)方法。

Cambou说，“当然，这始终是技术型初创企业面临的问题。”他(tā)指出，Mobileye需要如沃尔沃和特斯拉这类领先汽車(chē)厂商(shāng)（在技术将成為(wèi)主流，需要越来越被广泛地被接受）；Movidius（已被英特尔收購(gòu)），需要道琼斯指数為(wèi)成功铺平道路。“Prophesee将需要一个强有(yǒu)力的合作伙伴来促进解决方案被大量采用(yòng)。”Cambou说。

Cambou补充道：“考虑到机器人汽車(chē)领域的市场驱动因素（安全第一，技术驱动，非成本第一），这应该是可(kě)能(néng)的。”虽然Cambou表达了他(tā)对巨头（如谷歌）依靠技术型初创公司的担忧，他(tā)也表示这么小(xiǎo)的市场用(yòng)量不会带来太大的麻烦。