自从人工智能在图像识别领域有了突破进展之后，图像识别技术便被迅速地应用在了无人驾驶汽车上。在Luca Verre看来，图像识别在无人驾驶汽车上将发挥越来越重要的作用，重要性甚至超过雷达。

Luca Verre是本届夏季达沃斯论坛Tech Pioneers的获奖者之一，他是法国公司Chronocam的CEO，该公司创立于 2014 年，总部位于巴黎，是仿生视觉传感器和车载计算机视觉解决方案提供商。

此次他获奖的原因是Chronocam的图像识别技术大大提高了系统处理图像的效率。

“这项技术是在模仿人类的眼睛，人类的眼睛对周围环境的变化更敏感，而不是环境本身。”Luca说。由于这项技术传输的只是图像的变化，因此大大降低了数据冗余，同时提升了图像处理的速度。

Luca告诉界面新闻，该技术处理图像的速度在10ms，而行业平均水平在15到20ms。“这是一个巨大的进步。”Luca强调说。

对于不同技术对于无人驾驶汽车的重要性，Luca认为图像识别技术要比雷达重要。“因为雷达只是能探测距离，而不知道这个事物究竟是什么。知道前方是什么事物非常重要，因为这会影响汽车接下来的行驶判断。“Luca举例说，如果前面只是一个盒子，车可以直接开过去，但如果是行人，车就会考虑停下，而雷达无法给出支持判断的足够信息。

尽管Luca一再强调图像识别技术的重要性，但是他并不否认，不同技术各有优劣，谁有没有办法完美替代另一种。

实际上，尽管图像识别技术发展迅速，但越来越多的无人驾驶汽车制造商还是把更多的技术和传感器用在了汽车上，其中包括十分偏好图像识别技术的特斯拉。

去年五月，约书亚·布朗在驾驶特斯拉Model S并启用半自动驾驶模式时与一辆垂直方向开来的白色拖拉机挂车发生激烈撞击，布朗重伤身亡。

在此事故之后，特斯拉将依赖摄像头的自动驾驶功能升级为以雷达探测为核心的自动驾驶功能。

对于那次车祸发生的原因，特斯拉解释称，两车相撞时，特斯拉是逆光行驶，强烈的光线对特斯拉搭载的摄像头造成了干挠，而大货车的白色车身在遇到强光时，也无法为摄像头所辨认。

在这次车祸发生的场景下，摄像头的确有不可回避的技术缺陷，但是在Luca Verre看来，传统的摄像头以及背后的图像识别系统最大的问题在于图像识别效率较低。

Luca介绍道，常规摄像头在捕捉图像的时候，会先选择曝光点，等待整个图像光线的调整，然后获取照片。这样的缺点是，光的突然改变会让摄像头短时间内“愣”一下，这样的一个过程会延长摄像头以及后面的图像识别系统对周围事物捕捉和识别的时间。

在关键时刻，这种延误致命的。比如在车辆从光线较暗的隧道快速行驶出来的一瞬间，此时一旦突然出现障碍物，图像识别系统很难做出及时反馈。雷达在这种情形下的表现就要好得多，雷达通过电磁波来探测物体的距离，不受光的影响。

Chronocam公司的技术虽然也是图像识别，但是它的优势在于，并不会过多关注光的变化，在捕捉图像的同时也不会去寻找曝光点——该技术更加关注图像的变化，通过变化来探测物体的存在。

这样做的优点是，跳过了曝光点的选择过程，节约了捕捉图像的时间。实际上，Chronocam的技术在捕捉物体图像的过程中，反馈给系统的并不是完整的图像，而是图像变化的轮廓，甚至说，是物体上发生移动的点。

在工作原理上，这个图像识别的技术和雷达并不一样，但是都实现了在光线快速变化情形下的图像时别。

Chronocam这项技术并不仅仅试用于在光线突变的环境中，在摄像头可以发挥作用的情形下，该技术都能帮助提高效率。

目前，Chronocam已经在去年10月获得了1500万美元B轮融资，该轮融资由英特尔资本领投。

英特尔目前正在图像识别领域采取一系列动作，除了投资Chronocam之外，它还收购了计算机视觉处理芯片公司Movidius，后者发布过增强现实与虚拟现实专用芯片。

Luca非常希望能和汽车厂商达成合作，这意味着Chronocam技术收集的数据可以和其他数据汇集在一起行程一个完整的数据集。

对于一个目标，雷达能够获取距离、相对速度两个数据，摄像头能识别目标类型以及与车道线的位置关系，用激光能识别外形轮廓。随后，所有的数据会传输到汽车的数据中枢进行处理。

听起来似乎是个简单的过程，但是实际情况要复杂很多。跟据不同的应用场景，处理这些信息的权重也会有所不同。和汽车厂商合作，Chronocam的处理信息的结果会以最快的效率调整到一个最合适的权重。

Chronocam目前和尼桑和东风雷诺等公司达成了合作，两者已经对此技术进行了长达一年的测试，在今年年底之前，Chronocam已经研发了一套完整的计算机图像识别端到端系统，预计今年年底发布。Luca告诉界面新闻，两周后他还会再来中国，他希望在中国找到更多的合作伙伴。