端侧视觉
端侧视觉与应用场景
端侧视觉是指在终端设备上实现图像处理和计算机视觉的技术，它可以在设备本地进行计算和数据处理，支持实时图像处理和视觉分析。
AI领域是端侧视觉落地产品和方向非常多的领域，如手机端、手表、智能监控设备、平板电脑。目前的几个风口方向，如特斯拉FSD自动驾驶，也采用了纯视觉的端侧解决方案。VR和AR等视觉领域、机器人领域也采用了端侧视觉相关的技术。
多种视觉方案的区别
整体的视觉方案总结成5种，包括端侧视觉、云端视觉、混合视觉、边缘云视觉和传感器级视觉。对比的4个维度有数据处理位置、实时性要求、网络依赖性和用户的隐私与安全。
端侧视觉领域相关技术
我们在本地或用户端采集数据，通过训练模型的方式，把模型放到云端或端侧进行部署。接着服务端进行请求，通过前向推理的过程得到响应，反馈给服务端。
在端侧和云侧算法需要考虑很多因素，端侧会考虑系统架构、性能优化、并发处理、容错与故障处理、监控和日志、版本管理、安全性、合规性、资源管理等，云端则会考虑云服务选择、成本管理、弹性伸缩、数据传输和存储、服务级别协议（SLA）、云端安全等。
云端和端侧的主要区别在于推理过程，不得不提推理系统和推理引擎。推理系统保证算法推理的稳定性，推理引擎更多考虑具体的实施细节。
回归本源，从AI系统的全栈架构中看，可以分为五部分。一是体系架构，包括CPU、GPU、NPU等硬件设备、网络加速器和超级计算节点。二是编译编程，编译器在AI领域包括AI专用的编译器和传统的编译器。三是框架，包括常见的PyTorch、TensorFlow等AI推理框架和芯片厂商自研的推理引擎。四是开发层，包括Python等常见的编程语言。五是应用层，包括大模型、CV、NLP等。
端侧视觉算法设计注意点
- 严格约束功耗、热量、模型尺寸小于设备内存
- 硬件算力对推理服务来说不足
- 模型在边缘更容易受到攻击
- DNN平台多样，无通用解决方案
端侧视觉算法如何优化提升效果和性能
- 应用层算法优化：考虑到移动端部署的苛刻资源约束条件下，提供针对移动端部署的 AI 模型
- 高效率模型设计：通过模型压缩的量化、剪枝、蒸馏、神经网络结构搜索（NAS）等技术，减少模型尺寸
- 移动端框架-推理引擎：TensorFlow Lite，MNN、TensorRT，ONNX Runtime等推理引擎
- 移动端芯片：高效低功耗芯片支持，如 Google Edge TPU，NVIDIA Jetson等系列
两轮车载图像感知
算法落地
两轮车载图像感知目前的落地在泊车功能，我们会智能识别车道线，通过摄像头处理车道线的位置信息、类别信息，从而判别停车是否规范。
相机标定
相机标定的目的是为了确定相机内部和外部参数，将图像坐标系与世界坐标系之间建立联系。
相机标定广泛应用于计算机视觉、机器人视觉、三维重建、虚拟现实等领域，它为后续的图像处理和分析提供了基础数据，保证了数据的精度和准确性，从而提高了系统的可靠性和稳定性。
坐标系
- 世界坐标系：代表物体在真实世界里的三维坐标，坐标系用 <math xmlns="http://www.w3.org/1998/Math/MathML"> X w X_w </math>Xw、 <math xmlns="http://www.w3.org/1998/Math/MathML"> Y w Y_w </math>Yw、 <math xmlns="http://www.w3.org/1998/Math/MathML"> Z w Z_w </math>Zw表示；
- 相机坐标系：代表以相机光学中心为原点的坐标系，光轴与z轴重合，坐标系用 <math xmlns="http://www.w3.org/1998/Math/MathML"> X c X_c </math>Xc、 <math xmlns="http://www.w3.org/1998/Math/MathML"> Y c Y_c </math>Yc、 <math xmlns="http://www.w3.org/1998/Math/MathML"> Z c Z_c </math>Zc表示；
- 图像坐标系：代表相机拍摄图像的坐标系，原点为相机光轴与成像平面的交点，是图像的中心点，坐标系用X、Y表示；
- 像素坐标系：由于图像的基本单位是像素，所以该坐标系是图像上点在图像存储矩阵中的像素位置，坐标原点在左上角，坐标系用u、v表示。前三个坐标系的单位是毫米，而最后一个坐标系的单位是像素。
（1）世界坐标系到相机坐标系的变换：世界坐标系是真实世界的基准坐标系，我们需要知道相机坐标系下的点在真实世界中的位置，利用其次坐标变换矩阵。
（2）相机坐标系到图像坐标系的变换：该变换可以看做是简单的射影变换（将相机看作小孔成像模型），将三维坐标变换为二维坐标。其中f为相机的焦距。
（3）图像坐标系到像素坐标系的变换：设图像x方向每毫米有 <math xmlns="http://www.w3.org/1998/Math/MathML"> f x f_x </math>fx个像素，y方向每毫米有 <math xmlns="http://www.w3.org/1998/Math/MathML"> f y f_y </math>fy个像素。其中 <math xmlns="http://www.w3.org/1998/Math/MathML"> c x c_x </math>cx、 <math xmlns="http://www.w3.org/1998/Math/MathML"> c y c_y </math>cy是图像坐标系原点在像素坐标系下的坐标。
内参矩阵取决于相机内部参数，外参矩阵取决于相机坐标系和世界坐标系的位置。
相机畸变
除了坐标系的因素，还需要考虑相机畸变的因素。径向畸变（枕型畸变、桶型畸变）是由于透镜本身质量决定的，切向畸变是由于透镜和像平面不平行导致，属于工程安装误差。
张正友标定法
目前解决这一问题成熟的一套方法是张正友标定法，感兴趣的同学可以看一下相关的论文。
Reference: Zhang Z . A Flexible New Technique for Camera Calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(11):1330-1334. 
泊车方案的做法与难点
如图是算法引擎的架构。用户端创建订单后，通过硬件平台拿到码流信息交给算法引擎。算法引擎完成码流信息的编解码工作，解析完后送到算法，算法处理后把结果反馈给硬件平台，硬件平台再反馈给用户端。
方案的落地
我们做了CPU和NPU两套方案，CPU方案的难点在于传统算法的瓶颈较高，硬件对算法的内存以及耗时要求也比较严苛。NPU方案的难点在于算法组件的内存和实现技术突破。
后续算法优化的方向
- 数据工程：多场景及多城市下的数据积累与数据仓库管理
- 开发流程：开发流程规范化，支持算法快速迭代部署