威盛亮相2019智能汽车视觉大会并发表主旨演讲（附演讲全文）( 七 )_2019年9月5-6日

既然初始样本数量必然是有限的，那么这个问题如何来解决呢?

数据的问题，就用数据来解决。

我们要通过持续学习，来解决数据不足的问题。整个数据引擎是一个不断迭代的过程，当我们在边缘端碰到不确定的情况，通过网络回传给服务端，服务端进行标注后，提供给训练流程，得到新的训练结果，进而部署到车辆边缘测。通过及时的更新，在时间域减少问题暴露的可能性，也从另一个方面降低了问题发生的比率。一个问题暴露10天和暴露1年的危害性是完全不同的。

另外一个问题就是视觉传感器本身的局限性，摄像头会受到外界环境的干扰，雨雪天气，光照情况，都会影响效果。

这时候，需要跳出原有的擅长的领域，引入更多的传感器来解决问题。而且这种引入不能是简单的叠加，必须深度融合才能真正带来准确度的提升。

比如如果视觉判断，前面一切正常，毫米波雷达判断，前面有障碍物，你如何去取舍?在信息判断的最后阶段已经没有足够的信息进行取舍。

环境条件对于基于视觉的辅助驾驶有着严重的影响，通过与不同的雷达，激光雷达，超声波或其它传感器协同工作，才能变得更高效。