在部署自動(dòng)駕駛車(chē)輛之前，需要在各種場(chǎng)景中進(jìn)行大規(guī)模開(kāi)發(fā)和測(cè)試。

仿真可以通過(guò)為自動(dòng)駕駛車(chē)輛提供可擴(kuò)展、可重復(fù)的環(huán)境來(lái)應(yīng)對(duì)這些挑戰(zhàn)，以應(yīng)對(duì)訓(xùn)練、測(cè)試和驗(yàn)證所需的罕見(jiàn)和危險(xiǎn)場(chǎng)景。

Omniverse 上的 NVIDIA DRIVE Sim 是專為開(kāi)發(fā)和測(cè)試自動(dòng)駕駛汽車(chē)（ AV ）而構(gòu)建的仿真平臺(tái)。它提供了車(chē)輛、 3D 環(huán)境和 AV 系統(tǒng)開(kāi)發(fā)和驗(yàn)證所需傳感器的高保真數(shù)字孿生模型。

與視頻游戲等其他應(yīng)用程序的虛擬世界不同， DRIVE Sim 必須生成準(zhǔn)確模擬真實(shí)世界的數(shù)據(jù)。在工程工具鏈中使用仿真需要清楚地掌握模擬器的性能和局限性。

該精度涵蓋模擬器建模的所有功能，包括車(chē)輛動(dòng)力學(xué)、車(chē)輛部件、其他駕駛員和行人的行為以及車(chē)輛傳感器。這篇文章涵蓋了 DRIVE Sim 中相機(jī)模型驗(yàn)證的一部分，這需要評(píng)估每個(gè)元素的單獨(dú)性能，從世界場(chǎng)景的渲染到協(xié)議模擬。

驗(yàn)證攝像機(jī)仿真模型

可采用兩種方法對(duì)模擬攝像機(jī)進(jìn)行徹底驗(yàn)證：

對(duì)模型每個(gè)組成部分的單獨(dú)分析（圖 1 ）。

一種自上而下的驗(yàn)證，通過(guò)比較在真實(shí)或合成圖像上訓(xùn)練的感知模型的性能，驗(yàn)證模擬器生成的攝像機(jī)數(shù)據(jù)在實(shí)踐中準(zhǔn)確地表示真實(shí)的攝像機(jī)數(shù)據(jù)。

單個(gè)成分分析是一個(gè)復(fù)雜的主題。這篇文章描述了我們對(duì)相機(jī)模型的兩個(gè)關(guān)鍵屬性的組件級(jí)驗(yàn)證：相機(jī)校準(zhǔn)（外部和內(nèi)部參數(shù)）和顏色精度。直接與真實(shí)世界的相機(jī)數(shù)據(jù)進(jìn)行比較，以識(shí)別模擬圖像和真實(shí)世界圖像之間的任何增量。

圖 1 。相機(jī)模型組件概述

為了進(jìn)行驗(yàn)證，我們選擇使用 NVIDIA DRIVE Hyperion 傳感器套件中的一組相機(jī)型號(hào)。圖 2 詳細(xì)說(shuō)明了整個(gè)測(cè)試過(guò)程中使用的攝像機(jī)模型。

圖 2 。 NVIDIA DRIVE Hyperion 8 傳感器組

攝像機(jī)校準(zhǔn)

AV perception 需要精確了解攝像頭在車(chē)輛上的位置，以及攝像頭的每個(gè)獨(dú)特鏡頭幾何如何影響其生成的圖像。 AV 系統(tǒng)通過(guò)攝像機(jī)校準(zhǔn)處理這些參數(shù)。

模擬攝像機(jī)傳感器應(yīng)在同一校準(zhǔn)和數(shù)字雙環(huán)境下準(zhǔn)確再現(xiàn)真實(shí)攝像機(jī)的圖像。同樣，當(dāng)輸入校準(zhǔn)工具時(shí)，模擬攝像機(jī)圖像應(yīng)能產(chǎn)生與真實(shí)圖像相似的校準(zhǔn)參數(shù)。

我們使用我們的傳感器校準(zhǔn)接口 NVIDIA DriveWorks 來(lái)估計(jì)本文中提到的所有攝像機(jī)參數(shù)。

可通過(guò)以下步驟驗(yàn)證攝像機(jī)特性：

Extrinsic validation ：攝像頭外部特性是描述其在車(chē)輛上的位置和方向的攝像頭傳感器的特性。外部驗(yàn)證的目的是確保模擬器能夠在給定的位置和方向準(zhǔn)確地再現(xiàn)真實(shí)傳感器的圖像。

Calibration validation ：通過(guò)計(jì)算重投影誤差來(lái)驗(yàn)證校準(zhǔn)的準(zhǔn)確性。在實(shí)際校準(zhǔn)中，此方法用于量化校準(zhǔn)是否有效和成功。我們?cè)诖藨?yīng)用此步驟來(lái)計(jì)算在真實(shí)圖像和模擬圖像上重新投影的關(guān)鍵檢測(cè)特征之間的距離。

內(nèi)在驗(yàn)證

通過(guò)設(shè)置多項(xiàng)式系數(shù)，內(nèi)在相機(jī)校準(zhǔn)比其制造公差更精確地描述單個(gè)透鏡的獨(dú)特幾何結(jié)構(gòu)。

是到畸變中心的距離（以像素為單位）

是畸變函數(shù)的系數(shù)

（θ）是以弧度為單位的結(jié)果投影角度

該多項(xiàng)式的校準(zhǔn)使 AV 能夠通過(guò)描述鏡頭畸變的影響，從攝像機(jī)數(shù)據(jù)中做出更好的推斷。兩個(gè)透鏡模型之間的差異可以通過(guò)計(jì)算它們之間的最大θ失真來(lái)量化。

圖 3 。最大θ畸變圖

最大θ失真描述通過(guò)透鏡邊緣（對(duì)應(yīng)于圖像邊緣）的光的角度差，其中失真最大。在本測(cè)試中，我們使用最大θ失真來(lái)描述由真實(shí)校準(zhǔn)圖像生成的透鏡模型與由合成圖像生成的透鏡模型之間的差異。

我們根據(jù)以下過(guò)程驗(yàn)證了模擬攝像機(jī)的固有校準(zhǔn)：

執(zhí)行內(nèi)部攝像機(jī)校準(zhǔn)： 安裝在車(chē)輛或試驗(yàn)臺(tái)上的攝像頭可捕獲棋盤(pán)格圖表的視頻，該棋盤(pán)格圖表以不同的距離和傾斜度在每個(gè)攝像頭的視野中移動(dòng)。該視頻被輸入到 DriveWorks Intrinsics 約束工具中，該工具將從視頻中提取不同的棋盤(pán)圖像，并輸出校準(zhǔn)中每個(gè)攝像機(jī)的多項(xiàng)式系數(shù)。

生成模擬棋盤(pán)格校準(zhǔn)圖像： 實(shí)際攝像頭鏡頭校準(zhǔn)數(shù)據(jù)用于在 Drive Sim 中重新創(chuàng)建每個(gè)攝像頭。我們根據(jù)校準(zhǔn)工具輸出的估計(jì)圖表位置和方向，在模擬中重新創(chuàng)建了真實(shí)的棋盤(pán)圖像。

從合成圖像生成內(nèi)部校準(zhǔn)： 我們將合成圖像輸入 DriveWorks 校準(zhǔn)工具，以生成新的多項(xiàng)式系數(shù)。

計(jì)算從真實(shí)鏡頭到模擬鏡頭的最大θ失真： 對(duì)于每個(gè)鏡頭，我們比較了真實(shí)圖像校準(zhǔn)定義的幾何體與模擬圖像校準(zhǔn)定義的幾何體。然后我們找到了兩個(gè)透鏡之間光線通過(guò)角度變化最大的點(diǎn)。

圖 4 。內(nèi)在驗(yàn)證過(guò)程

每個(gè)攝像機(jī)的最大θ失真是通過(guò)比較其真實(shí) f- θ鏡頭校準(zhǔn)與模擬圖像產(chǎn)生的校準(zhǔn)得出的。

圖 5 。 F- θ模型的最大θ失真

第一個(gè)結(jié)果超出了我們的預(yù)期，因?yàn)槟M的行為是可預(yù)測(cè)的，并且再現(xiàn)了真實(shí)世界校準(zhǔn)的觀察結(jié)果。

這一比較為我們的模型準(zhǔn)確表示鏡頭畸變效應(yīng)的能力提供了第一個(gè)置信度，因?yàn)槲覀冇^察到真實(shí)和模擬相機(jī)之間存在微小差異。前長(zhǎng)焦鏡頭在現(xiàn)實(shí)生活中很難約束，因此我們預(yù)計(jì)它在我們的模擬結(jié)果中是一個(gè)異常值。

魚(yú)眼攝像頭校準(zhǔn)顯示出最大的真實(shí)到 sim 差異（前魚(yú)眼攝像頭的 FOV 為 0.58% ）。

查看這些結(jié)果的另一種方法是考慮畸變對(duì)生成圖像的影響。我們?cè)诤竺娴牟襟E中比較了校準(zhǔn)圖中的真實(shí)和模擬檢測(cè)特征，如 數(shù)字特征標(biāo)記比較 所述。

我們繼續(xù)進(jìn)行外部驗(yàn)證方法。

外部驗(yàn)證

我們根據(jù)以下過(guò)程驗(yàn)證了模擬攝像機(jī)的外部校準(zhǔn)：

執(zhí)行外部攝像機(jī)校準(zhǔn) ：安裝在車(chē)輛或測(cè)試臺(tái)上的攝像機(jī)拍攝到整個(gè)實(shí)驗(yàn)室中的多個(gè)校準(zhǔn)模式（ APLILAT TAG ）的圖像。我們的測(cè)試是，攝像機(jī)安裝在NVIDIA DRIVE Hyperion 級(jí) 2 +參考架構(gòu)上。使用 DriveWorks 校準(zhǔn)工具，我們計(jì)算了攝像機(jī)的精確位置和方向以及三維空間中的校準(zhǔn)圖表。

在模擬中重新創(chuàng)建場(chǎng)景： 使用來(lái)自真實(shí)校準(zhǔn)和 AprilTag 海圖位置的地面真相的外部參數(shù)，在模擬中以與真實(shí)實(shí)驗(yàn)室相同的相對(duì)位置和方向生成相機(jī)和海圖。系統(tǒng)從每個(gè)模擬相機(jī)生成合成圖像。

從合成圖像生成外部校準(zhǔn)，并與真實(shí)校準(zhǔn)進(jìn)行比較： 合成圖像被輸入到 DriveWorks 校準(zhǔn)工具中，以輸出場(chǎng)景中所有攝像機(jī)和圖表的位置和方向。我們計(jì)算了從真實(shí)和合成校準(zhǔn)圖像得出的外部參數(shù)之間的 3D 差異。

圖 6 。外部驗(yàn)證過(guò)程

圖 7 顯示了測(cè)試攝影機(jī)裝備上 12 個(gè)攝影機(jī)中每個(gè)攝影機(jī)的外部參數(shù)差異，將真實(shí)攝影機(jī)校準(zhǔn)與模擬攝影機(jī)圖像產(chǎn)生的校準(zhǔn)進(jìn)行了比較。所有攝像機(jī)位置參數(shù)在 3 厘米內(nèi)匹配，所有攝像機(jī)方向參數(shù)在 0.4 度內(nèi)匹配。

所有位置和方向均以右手參考坐標(biāo)系為基準(zhǔn)，原點(diǎn)位于投射到地平面上的汽車(chē)后軸中心，其中 x 與汽車(chē)方向?qū)R， y 向左， z 向上。偏航、俯仰和橫搖是圍繞 z 、 y 和 x 的逆時(shí)針旋轉(zhuǎn)。

圖 7 。攝像機(jī)位置外部差異–校準(zhǔn)輸入到輸出

圖 8 。攝像機(jī)方向外部差異–校準(zhǔn)輸入到輸出

后果

前面描述的驗(yàn)證將真實(shí)實(shí)驗(yàn)室校準(zhǔn)與 DRIVE Sim RTX 渲染器中的 digital twins 校準(zhǔn)進(jìn)行比較。 RTX 渲染器是一種路徑跟蹤渲染器，它提供兩種渲染模式，一種是實(shí)時(shí)模式，另一種是參考模式（非實(shí)時(shí)，注重準(zhǔn)確性），以根據(jù)具體的使用情況提供完全的靈活性。

這個(gè)完整的驗(yàn)證過(guò)程是使用 RTX 實(shí)時(shí)模式和參考模式渲染的數(shù)字雙胞胎來(lái)完成的，以評(píng)估分配給渲染的處理能力降低的效果。請(qǐng)參見(jiàn)下表中的實(shí)時(shí)驗(yàn)證結(jié)果摘要，以及可供比較的參考結(jié)果。

正如預(yù)期的那樣，由于圖像質(zhì)量降低，在實(shí)時(shí)渲染時(shí)，大多數(shù)測(cè)量的 real-to-sim 誤差略有增加。盡管如此，基于實(shí)時(shí)圖像的校準(zhǔn)與實(shí)驗(yàn)室校準(zhǔn)相匹配，相機(jī)的校準(zhǔn)范圍為 0.030 米和 0.041 度， AprilTag 位置的校準(zhǔn)范圍為 0.041 米和 0.010 度，鏡頭模型的校準(zhǔn)范圍為理論視野的 0.49% 。

圖 9 。參考與實(shí)時(shí)驗(yàn)證結(jié)果

下圖顯示了真實(shí)和模擬環(huán)境中 22 個(gè) AprilTag 圖表的平均和最大位置或方向差異。從真實(shí)圖表到他們的數(shù)字雙胞胎的平均位置差異在所有軸上都小于 1.5 厘米，并且沒(méi)有個(gè)別圖表的位置差異在任何軸上超過(guò) 4.5 厘米。

所有軸上真實(shí)圖表與其數(shù)字孿生圖形之間的平均方向差均小于 0.001 度，且任何軸上單個(gè)圖表的方向差均不超過(guò) 0.004 度。

圖 10 。平均/最大 AprilTag 方向差異–校準(zhǔn)輸入到輸出

目前還沒(méi)有定義可接受誤差的標(biāo)準(zhǔn)，在該誤差下，可以認(rèn)為傳感器仿真模型是可行的。因此，我們將我們的位置和方向增量值與真實(shí)校準(zhǔn)產(chǎn)生的校準(zhǔn)誤差進(jìn)行比較，以確定我們模擬的最大可接受誤差的有效標(biāo)準(zhǔn)。我們測(cè)試產(chǎn)生的誤差始終小于在真實(shí)世界中觀察到的校準(zhǔn)誤差。

該校準(zhǔn)方法基于我們的校準(zhǔn)工具使用的統(tǒng)計(jì)優(yōu)化技術(shù)，因此會(huì)引入自身的不確定度。然而，還需要注意的是， DriveWorks 校準(zhǔn)系統(tǒng)在傳感器校準(zhǔn)的研究和開(kāi)發(fā)中一直使用，具有較高的精確度。

這些結(jié)果還表明，校準(zhǔn)工具可以與模擬渲染圖像一起工作，并提供與真實(shí)世界相當(dāng)?shù)慕Y(jié)果。事實(shí)上，真實(shí)世界的校準(zhǔn)系統(tǒng)和我們的模擬是一致的，這是我們的相機(jī)模擬模型的第一個(gè)重要信心指標(biāo)。

此外，該方法還驗(yàn)證了模擬器作為一個(gè)整體，因?yàn)橛糜谛?zhǔn)的 digital twin 使用所有 12 個(gè)攝像頭對(duì)整個(gè)場(chǎng)景進(jìn)行建模，而無(wú)需調(diào)整值以改善結(jié)果。

為了進(jìn)一步評(píng)估該方法的有效性，我們?cè)谡鎸?shí)圖像和模擬圖像之間進(jìn)行了直接的數(shù)字特征標(biāo)記比較。

數(shù)字特征標(biāo)記比較

校準(zhǔn)工具提供一個(gè)視覺(jué)驗(yàn)證器，根據(jù)估計(jì)的內(nèi)在參數(shù)將校準(zhǔn)圖表位置重新投影到輸入圖像上。圖像顯示了模擬和真實(shí)攝像機(jī)的檢測(cè)特征疊加和重投影統(tǒng)計(jì)（平均、標(biāo)準(zhǔn)、最小和最大重投影誤差）示例。

圖 11 。將目標(biāo)位置覆蓋到攝像機(jī)\后部\魚(yú)眼\ 200fov 的輸入圖像上

計(jì)算重投影誤差使我們能夠進(jìn)一步斷言先前校準(zhǔn)方法的有效性。這種方法解析校準(zhǔn)工具檢測(cè)到的特征，并將其與真實(shí)圖像中的特征進(jìn)行比較。

這里，我們將校準(zhǔn)圖中每個(gè) AprilTags 的角點(diǎn)視為特征標(biāo)記。我們計(jì)算了在真實(shí)圖像上檢測(cè)到的特征標(biāo)記與合成圖像之間的像素距離，用于路徑跟蹤和實(shí)時(shí)模擬。

下圖顯示了模擬參考路徑標(biāo)記和真實(shí)特征標(biāo)記之間 1.4 像素的平均距離。基于實(shí)時(shí)模擬數(shù)據(jù)集的相同比較產(chǎn)生 1.62 像素的平均重投影誤差。

圖 12 。平均重投影誤差（參考與實(shí)時(shí)）

這兩個(gè)值都是實(shí)際投影誤差閾值（ 2 像素），用于評(píng)估實(shí)際校準(zhǔn)的精度。結(jié)果是非常有希望的，特別是因?yàn)檫@種方法不太依賴于我們的校準(zhǔn)工具的內(nèi)部工作。

事實(shí)上，校準(zhǔn)工具僅用于估計(jì)每個(gè)圖像中檢測(cè)到的特征標(biāo)記。標(biāo)記的比較是基于對(duì)三維空間中對(duì)象的純算法分析來(lái)完成的。

顏色準(zhǔn)確度評(píng)估

攝像機(jī)標(biāo)定結(jié)果表明，我們的攝像機(jī)傳感器模型生成的圖像與其真實(shí)圖像對(duì)應(yīng)的像素對(duì)應(yīng)。下一步是驗(yàn)證與每個(gè)像素關(guān)聯(lián)的值是否準(zhǔn)確。

我們模擬了一個(gè)麥克白顏色檢測(cè)器圖表，并在 DRIVE Sim 中捕獲了它的圖像，以驗(yàn)證圖像質(zhì)量。然后將每個(gè)色塊的 RGB 值與相應(yīng)真實(shí)圖像的 RGB 值進(jìn)行比較。

除了真實(shí)的圖像，我們還介紹了 Iray renderer ， NVIDIA 最真實(shí)的物理光模擬器，經(jīng) CIE 171:2006 驗(yàn)證。我們首先使用 Iray 渲染系統(tǒng)生成的模擬圖像，然后使用 NVIDIA RTX 渲染器執(zhí)行此測(cè)試。與 Iray 的比較很好地衡量了 RTX 渲染器相對(duì)于公認(rèn)行業(yè)黃金標(biāo)準(zhǔn)的能力。

圖 13 。圖像質(zhì)量測(cè)試設(shè)置

我們根據(jù)以下過(guò)程驗(yàn)證了模擬攝像機(jī)的圖像質(zhì)量：

在試驗(yàn)箱中捕獲麥克白顏色檢查器圖表的圖像： 將麥克白顏色檢查器圖表放置在測(cè)量高度處，并使用特征化的外部光源進(jìn)行照明。攝像機(jī)放置在麥克白圖表已知的高度和距離處。

在模擬中重新創(chuàng)建圖像： 使用測(cè)試設(shè)置的尺寸、校準(zhǔn)的麥克白圖表值和外部照明配置文件，我們使用 DRIVE Sim RTX 渲染器渲染測(cè)試場(chǎng)景。然后，我們使用預(yù)定義的相機(jī)模型重新創(chuàng)建在實(shí)驗(yàn)室捕獲的圖像。

提取每個(gè)面片的平均亮度和 RGB 值： 我們對(duì)所有三幅圖像（ real 、 Iray 、 DRIVE-Sim RTX 渲染器）的每個(gè)面片中所有像素的顏色值取平均值。

比較白平衡亮度和 RGB 值： 將每個(gè)貼片的測(cè)量值與貼片 19 進(jìn)行標(biāo)準(zhǔn)化，以實(shí)現(xiàn)白平衡。我們比較了真實(shí)圖像、 Iray 渲染和 RTX 渲染中的平衡顏色和亮度值。

圖 14 。麥克白顏色檢測(cè)器測(cè)試過(guò)程

圖 15 。麥克白顏色檢測(cè)器參考圖

圖 16 。真實(shí)和渲染 luma 和 RGB 比較

圖 17 。紅色貢獻(xiàn)、渲染圖像與真實(shí)圖像的比較

圖 18 。綠色貢獻(xiàn)、渲染圖像與真實(shí)圖像的比較

圖 19 。藍(lán)色貢獻(xiàn)、渲染圖像與真實(shí)圖像的比較

這些圖顯示了渲染圖像和真實(shí)圖像中每個(gè)色塊的歸一化 luma 和 RGB 輸出。

渲染圖像的亮度和 RGB 值都接近真實(shí)相機(jī)，這使我們對(duì)傳感器模型準(zhǔn)確再現(xiàn)顏色和亮度貢獻(xiàn)的能力充滿信心。

為了進(jìn)行直接的視覺(jué)比較，我們展示了麥克白圖表真實(shí)圖像和合成圖像的縫合白平衡 RGB 值（ Iray 、實(shí)時(shí)和路徑跟蹤貢獻(xiàn)）。

圖 20 。縫合 RGB 補(bǔ)丁麥克白顏色圖表（合成與真實(shí)）

我們還計(jì)算了Δ E （參見(jiàn)圖 22 中的結(jié)果），這是一種 CIE2000 計(jì)算機(jī)視覺(jué)度量，它量化了渲染和原始攝影機(jī)值之間的距離，通常用于攝影機(jī)特征化。Δ E 值越低表示顏色精度越高，人眼無(wú)法檢測(cè)到低于 1 的值。

圖 21 。 CIE2000 的參考與實(shí)時(shí)結(jié)果

雖然Δ E 提供了感知色差的良好測(cè)量，并被公認(rèn)為成像標(biāo)準(zhǔn)，但它僅限于人類感知。此類指標(biāo)對(duì)神經(jīng)網(wǎng)絡(luò)的影響仍有待于在進(jìn)一步的測(cè)試中評(píng)估。

結(jié)論

這篇文章介紹了NVIDIA 驗(yàn)證方法和初步結(jié)果為我們的 DRIVE SIM 相機(jī)傳感器模型。

我們的結(jié)論是，我們的模型能夠準(zhǔn)確地再現(xiàn)真實(shí)攝像機(jī)的標(biāo)定參數(shù)，總體誤差低于真實(shí)標(biāo)定誤差。

我們還參考行業(yè)標(biāo)準(zhǔn)的麥克白顏色檢測(cè)器對(duì)我們模型的顏色精度進(jìn)行了量化，發(fā)現(xiàn)它與典型的研發(fā)誤差幅度密切相關(guān)。

此外，我們得出結(jié)論， RTX 實(shí)時(shí)渲染是實(shí)現(xiàn)這一精度水平的可行工具。

這證實(shí)了 DRIVE Sim 攝像機(jī)模型可以在模擬環(huán)境中再現(xiàn)真實(shí)世界攝像機(jī)的上述參數(shù)，至少與真實(shí)世界中的雙攝像機(jī)設(shè)置一樣精確。更重要的是，這些測(cè)試為用戶提供了信心，即攝像機(jī)模型的輸出，如本質(zhì)、外生和顏色再現(xiàn)，將是準(zhǔn)確的，并且可以作為其他驗(yàn)證工作的基礎(chǔ)。

接下來(lái)的步驟將是在真實(shí)世界的 perception 用例中驗(yàn)證我們的模型，并提供關(guān)于在開(kāi)環(huán)中為模型成像 KPI 的進(jìn)一步結(jié)果。

關(guān)于作者

Carène Kamel 是 NVIDIA DRIVE Sim 的產(chǎn)品經(jīng)理。她在汽車(chē)和航空航天行業(yè)擁有 10 多年的硬件在環(huán)和軟件仿真經(jīng)驗(yàn)。 Carène 擁有法國(guó)斯特拉斯堡 Télécom Physique 公司的控制工程碩士學(xué)位。

Ashley Reid 是一名高級(jí)軟件工程師，擁有計(jì)算機(jī)圖形學(xué)和仿真碩士學(xué)位。他有超過(guò) 13 年的經(jīng)驗(yàn)與 NVIDIA 硬件和編程 GPU ，為探索現(xiàn)實(shí)和模擬之間的差距提供了基礎(chǔ)。

Fabian Plepp 是一名高級(jí)系統(tǒng)工程師，負(fù)責(zé) NVIDIA DRIVE Sim 中的攝像頭模擬。他在汽車(chē)領(lǐng)域擁有 20 年的經(jīng)驗(yàn)，擅長(zhǎng)信號(hào)和圖像處理/分類以及系統(tǒng)架構(gòu)。

審核編輯：郭婷