大家千呼万唤的小米汽车，“实车”在今天曝光啦！它是一台轿车，长得有点儿像比亚迪汉，怎么还真是一台比亚迪汉，原来这是小米的自动驾驶测试车，用的是比亚迪汉当测试车。朋友们也没白高兴一场，从照片来看，测试车顶配有激光雷达，不难看出，小米的自动驾驶已经有了一些实质性的进展，我们从图片中，还能解读出更多的内容，同时结合最近的小米汽车专利，来看看小米智能驾驶的进展。
测试车辆曝光，透露出哪些进展？
图片中，我们清晰的看到小米测试车上方的激光雷达，根据激光雷达的外观形态，以及之前我们了解到的与小米合作的激光雷达供应商，可以判断出这是来自禾赛科技的Pandar激光雷达，Pandar具备车规级可量产的设计。
测距方面，强太阳光下，在0.3-m范围内均可实现对10%反射率目标物的稳定探测。Pandar对于近处的测距精度表现也比价优秀，几乎可以对于毫米波雷达进行替代。具有主动抗干扰的功能、配备精确到每线的诊断功能，具备免疫黑客攻击的网络安全设计。
Pandar是目前市场上可买到的唯一一款10Hz对应水平角分辨率做到0.1的度环视激光雷达，也是唯一一款单回波最大点频超过3.4M点/秒的度环视激光雷达。这里要明确一下，这是一颗度探测的激光雷达，相比之下我们相对熟悉的另一款禾赛科技的激光雷达——AT，也就是目前理想L9、集度等车型使用的那款，它只能对于前方范围进行探测，无法做到度。之前我们分析小米4月份公布的专利内容，得知了小米将采用顶部布置激光雷达的方式，而度的激光雷达出现在测试车辆上，或许小米也会在量产车上搭载，虽然目前还没有先例。
从图片中，我们还能看到小米测试车的后备箱里，有着大量线束和设备，可见其收集数据量以及运算量之大，当然对于自动驾驶的测试车辆来说，有众多原车上没有的设备是很正常的一件事。之前在北京亦庄，百度的自动驾驶出租车开始上路时，我乘坐过一次，当时是一辆林肯MKZ混动版车型，副驾驶一侧有大量的设备以及显示屏，就像放了三四个电脑主机一样在副驾驶位上。
自动驾驶芯片或许是国货？
那么就有疑问了，小米测试车辆用的是什么芯片呢？大算力芯片是无疑的，那么会是英伟达的Orin吗？有可能，现在市场上大算力芯片就这么几种，而且英伟达Orin可以算是相对成熟的，虽然小米和英伟达没有合作，但是测试中用一用也无妨。但是我认为小米很有可能用的是国产的大算力芯片，小米旗下的投资公司曾投资了黑芝麻智能，而黑芝麻智能正是国内自动驾驶芯片研发的一股新力量，它旗下的A0自动驾驶芯片，正是国内目前少数能对标英伟达Orin的，它采用了7nm的生产工艺，可实现每秒超过Tops的运算性能，今年内这枚芯片将正式量产，小米完全有可能成为这枚芯片的首批体验者。
分析完了试验车的硬件，我们从最近的小米自动驾驶专利中，又能获取到哪些信息呢？
判断移动物体，能如此简便？
首先是“图像处理方法、装置、电子设备及存储介质”，这是一种通过连续拍照，通过获取针对同一场景先后进行拍摄得到的第一拍摄图像和第二拍摄图像。对两张图像进行处理，然后抠图得到多个子图像。从多个子图像中，确定包括场景中的运动对象的目标子图像。根据图像的拍摄顺序和抠图区域的位置信息，确定运动对象的运动信息。这一专利可以通过图像精准确定运动对象的运动情况，且实现简单。
这项专利看似技术含量不高，但它通过一些简便方式，优化了判断物体移动的过程。随着嵌入式中央处理器(CPU)和图形处理器(GPU)处理能力的不断提升，基于上述处理器的数字图像处理能力与具有了较大的提升，可以实现各种图像功能，比如做美颜、人物识别、视频编辑、图像编辑和自动驾驶等。目前使用比较常用的技术是，通过对运动对象的拍摄图像进行图像处理，确定运动对象的运动信息，该技术可以适用于视频监控、自动驾驶、限速监测等领域，很大程度上降低了人力成本。但是目前主流是通常分割法和光流法来检测运动对象的运动情况，但是上述检测方法都存在一定的缺陷。
物体分割法是采集真实世界中的物体图像，然后训练模型，在使用时，先通过模型识别出图像中的物体，再分析物体的运动情况。由于训练的模型只能针对作为训练对象的物体进行使用，不能覆盖所有的物体，在检测物体时，若遇到除作为训练对象的物体以外的物体时，分割结果将会不准确，进而导致对物体的运动检测也不准确，而且模型训练的过程也是非常繁琐。而对于自动驾驶的训练来说，每增加一点繁琐，那就是相当大的负担，所以通过这种新的简便方式，对于自动驾驶的帮助会相当显著。
目前这方面的类似专利，几乎都是数码厂商们发明的，比如诺基亚、OPPO、佳能、索尼，小米嘛，也算是其中之一，那么车企们都是用什么方式来解决对物体移动的判定问题的呢？我们先把问题留在这里。
算法如何被训练？又如何迭代？
在另一项“模型训练方法、装置、电子设备及存储介质”中，我们看到了小米是如何训练算法的，获取训练数据集，在确定第二队列中存在数据的情况下，训练数据集为由第一队列的数据以及第二队列的数据构成的数据集合，第一队列中的数据为目标数据集中的数据，第二队列中的数据为应用第一增强策略对所述目标数据集中的目标数据进行增强后的数据，第一增强策略对应的理论第一增强速率大于第一速率，速率表征每个数据进行增强的耗时。
基于所述训练数据集对待训练的模型进行一次迭代训练，得到迭代训练后的模型，在所述迭代训练过程中，并行执行应用所述第一增强策略对所述目标数据集中除所述目标数据之外的剩余数据进行增强，并将增强后的数据加入所述第二队列的过程。是不是像看天书一样？这部分最主要的功能的是提升算法的运算速率，同时提高算法迭代的速率，这部分与我们之前说的小米要采用多传感器的自动驾驶方案进行了联系，数据量巨大，特别是可以要使用度的激光雷达，算法的便捷度以及迭代速率势必要加快。
最近小米汽车还有关于神经网络模型以及一些具体功能性的专利，专利的发布越来越多，也越来越频繁，再加上我们真切的看到了小米自动驾驶的测试车开始上路了，让准备和小米汽车“交个朋友”的我们越来越期待。最近也有一些关于小米汽车人事变动的消息，希望对于整体的进展不要有太大影响，之后有小米造车或者测试的内容，我们还会继续为大家解读。