自从人工智能在图像识别领域取得突破后，图像识别技术很快就被应用于无人驾驶汽车。在Luca Verre看来，图像识别将在无人驾驶汽车中发挥越来越重要的作用，其重要性甚至可能超越雷达。

Luca Verre是本届冬季达沃斯论坛Tech Pioneers奖项的得主之一。他是法国公司Chronocam的首席执行官，该公司成立于2014年，总部设在巴黎，专注于仿生视觉传感器和车载计算机视觉解决方案。

Chronocam获奖的原因在于其图像识别技术显著提高了图像处理效率。Luca表示，这项技术模仿了人眼的工作原理，对环境变化更为敏感，而非环境本身。由于这项技术只传输图像的变化部分，因此大幅减少了数据冗余，并提升了图像处理速度。

据Luca介绍，该技术处理图像的速度仅为10毫秒，而行业平均水平则在15至20毫秒之间。他认为，这一提升是巨大的。“这项技术在处理图像方面表现出色，”Luca强调。

在讨论不同技术对无人驾驶汽车的重要性时，Luca认为图像识别技术比雷达更重要。雷达只能探测距离，但无法识别物体的具体类型。了解后方物体的类型非常重要，因为这直接影响到汽车接下来的行驶决策。例如，如果后面是一个盒子，汽车可以直接驶过；但如果后面是行人，汽车就需要考虑停车。雷达无法提供足够的信息来支持这种判断。

尽管Luca反复强调图像识别技术的重要性，但他也承认，每种技术都有其独特的优势和局限，没有一种技术能够完全替代另一种。

尽管图像识别技术得到了快速发展，但越来越多的无人驾驶汽车制造商仍倾向于在车辆上安装多种技术和传感器，包括特斯拉这样特别偏爱图像识别技术的公司。

2016年5月，Joshua Brown在驾驶特斯拉Model S并启用半自动驾驶模式时，与一辆横向驶来的白色拖车发生了剧烈碰撞，导致Brown重伤身亡。

事故发生后，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。特斯拉解释称，事故发生时，特斯拉正逆光行驶，强烈的光线干扰了摄像头，而拖车的白色车身在强光下难以被摄像头识别。

在这种情况下，摄像头确实存在技术缺陷。但在Luca Verre看来，传统摄像头及其背后的图像识别系统最大的问题是图像识别效率低下。

Luca指出，传统摄像头在捕捉图像时，需要先选择曝光点，等待整个图像光线调整后再获取照片。这种做法会导致光突然变化时，摄像头短时间内“失灵”，从而延长图像捕捉和识别的时间。

在关键时刻，这种延迟可能是致命的。例如，当车辆从光线较暗的隧道快速驶出时，若突然出现障碍物，图像识别系统可能无法及时做出反应。相比之下，雷达在这种情况下表现更好，因为它通过电磁波探测物体的距离，不受光线影响。

Chronocam的技术虽然也是图像识别，但其优势在于不需要过多关注光的变化。在捕捉图像时，它不会寻找曝光点，而是更关注图像的变化，通过这些变化来探测物体的存在。

这种方法的优点在于，它跳过了选择曝光点的过程，节省了捕捉图像的时间。实际上，Chronocam的技术在捕捉物体图像时，传递给系统的不是完整的图像，而是图像变化的轮廓，甚至是物体上移动的点。

在工作原理上，这种图像识别技术不同于雷达，但都在光线快速变化的情况下实现了有效的图像识别。

Chronocam的技术不仅适用于光线渐变的环境，在摄像头可以发挥作用的情况下，也能提高效率。该公司已于去年10月完成1500万美元的B轮融资，由英特尔资本领投。

英特尔正在图像识别领域采取一系列行动，除了投资Chronocam外，还收购了计算机视觉处理芯片公司Movidius，后者曾推出增强现实和虚拟现实专用芯片。

Luca希望与汽车厂商合作，这意味着Chronocam技术收集的数据可以与其他数据结合，形成完整的数据集。根据不同的应用场景，处理这些信息的权重也会有所不同。与汽车厂商合作，可以使Chronocam处理信息的结果以最快的速度调整到最合适的权重。

目前，Chronocam已与日产和东风雷诺等公司达成合作，这些公司已经对该技术进行了为期一年的测试。Chronocam预计将于今年年底发布一套完整的计算机图像识别端到端系统。Luca表示，他计划两周后再次访问中国，希望能够在中国找到更多合作伙伴。