听不懂的汽车黑话 汽车黑话太多了。

造型里有 科技感，流畅；

内饰里有 简洁 等

最近聊的最多的是 纯视觉AEB，其实这不是啥黑话，这是计算机用语，之所以 视觉 AEB 难，还是因为单一传感器对于 算法和数据 的要求很大。

在目标检测和分类精度上，视觉需要在至少毫秒级的时间里去判断 车辆、行人、自行车、动物 等等吧，不同的目标，并判断它们的行为轨迹。

这里最核心的就是怕 异形障碍物的漏检。

毫米波融合的aeb 方案，对于距离与速度的估算会简单一点，但摄像头不管是单目还是多目，都需要依赖物体尺寸先验知识（如车辆宽度）或地面平面假设来估算距离，但在倾斜路面或目标尺寸未知时（如异形车辆）误差显著增大。

AEB需在50-100毫秒内完成从图像采集到制动决策，这对算法优化和硬件算力提出极高要求。

同时运行目标检测、光流分析、路径预测等任务时，资源分配和任务调度可能成为瓶颈。

所以做纯视觉aeb的公司，它需要即懂算法又懂硬件，它要冲原子层去做算力分类，调度能力。

视觉 aeb 需要大量的场景数据，视觉的核心比较依赖于 数据的训练，

训练数据需覆盖不同地区路况、交通标志、车辆类型等，但实际数据采集可能偏重于特定区域，导致模型泛化能力受限。