历经五年探索，Minieye进入企业成长期。

Minieye组建于新加坡，2013年年轻的刘国清带领这支刚刚成立不久的团队开启汽车智能驾驶辅助（ADAS）的中国征程。

他是对的。

中国汽车市场每年有两到三千万的增量新车，从2016年开始，越来越多的车型开始选择把智能驾驶作为产品卖点和差异化，到2020年前我国所有商用车都要具备ADAS功能。

Minieye联合创始人兼CEO刘国清说，“今年开始我们明显感知到市场上需求，ADAS属于一个快速的上升期，我们判断在LE和LR的部门上，已经由第一阶段导入期进入到成长期，未来得三到五年一定是呈现一个快速发展的趋势。”

今天（5月30日），在北京，在众多合作伙伴和投资人前，Minieye正式公布了商业化成果以及自动驾驶布局。

作为一家智能驾驶技术初创企业，Minieye自主研发的L3以下高级驾驶辅助类产品，已正式进入前装领域，和比亚迪、众泰、奇瑞、东风柳汽等乘用车和商用车主机厂以及多家Tier 1企业产生合作，目前定点9款车型，搭载其产品的多款车型年内将上市。

后装领域，其产品已经获得订单数万套，产品分布在全国29个省和直辖市的车队。

自动驾驶领域，Minieye正在与新加坡-美国麻省理工学院联盟（SMART）开展自动驾驶相关的合作，预计于2019年实现商业化落地。

今年的CES展上，Minieye首次展出了前装产品X1，这是一款车规级主动安全产品，所有车规级方案首先要满足AEC-Q100、ISO 26262、IATF16949标志。

Minieye X1它的工作原理是利用视觉传感器去捕捉前方的交通环境图象数据，通过Minieye 提供的视觉感知状况，以及传感器融合的技术，帮助汽车识别环境里边的车、人、标识牌和车道线等交通目标，进而去分析他们位置、他们运动状态，

目前，Minieye X1可以实现前向碰撞预警（FCW）、车道偏离预警（LDW）、前车监控预警（HMW）、城市前车碰撞预警（UFCW）、行人碰撞预警（PCW）以及交通标志识别（TSR）等功能。

值得一提的是Minieye X1还支持与毫米波雷达融合，功能扩展到自动紧急刹车（AEB），并具有灵活设计可扩展的特点，可以满足与车机、数字仪表、HUD等结合的定制化需求。

刘国清介绍称，“X1完全满足前装乘用车客户的严格要求，具有适应复杂工况、整机功耗小于3w、车规级方案、定制化和低成本五大优势。”

不过相对于后装，前装客户对于产品能否在复杂工况下保持鲁棒的性能有着更高的要求，同时还要降低产品成本。

刘国清说，“X1能够应对大雨、夜晚低光、异型车、高温、颠簸等不同工况。”

从现场播放的视频中，我们可以看到X1在不同一些复杂工况下的一些表现，在雨雪天气、夜晚低光、对向远光照射下，X1整个识别系统都非常稳定，对车道线、车辆、穿雨衣的识别人无偏差。

不过，极端条件下，Minieye X1还是存在很多局限性，这也是视觉传感器的不可逾越的障碍。

当然，进入前装领域市场前景巨大，后装产品因其局限，无法切入执行层面，以国际巨头Mobileye作为参考，其一年的营收中，前装收入达到将近80%。

刘国清博透露，“Minieye的小目标是今年年内定点十五款车型。”

这将一笔不小的订单数。

而在后者市场，去年11月份Minieye的后装ADAS产品M3量产以来，已经获得数万套订单，装配车辆遍布全国29个省市。

据悉，今年Minieye将会进一步丰富产品矩阵，推出了内视产品——驾驶员行为监测系统F1以及M3的升级版本M4，在原有功能上增加对行人、交通标志牌的识别和驾驶员行为监测系统，并开通数据平台服务。

M4还标配的4D融合，它支持数据回传功能，可以把M4获取到包括驾驶员的行为信息，环境的感知信息，以及车辆的运动状态全部都通过4D模块上传到云端，让以及运营商和合作伙伴，为终端车队提供数据增值化服务。

与前装市场要求不同，后装客户除了对产品性价比的要求外，产品的安装速度快、适配车型广等都是用户关心的问题。

相比较市场上同类产品的安装大约需要1到2小时，Minieye通过自主研发的安装工具让安装人员不再需要笔记本电脑和笨重的标定板，二十分钟就能安装一台设备，Minieye的产品能够适配超过1000种车型，支持非破线式安装。

而针对没有4G信号的新疆地区，M4在设计上进行了包括断点续传、预加载等功能的迭代。

刘国清最后说，“作为一家技术公司，领先的技术和过硬的产品是立足之本，但如何为客户创造价值才是制胜关键。除了产品本身的质量之外，安装、维护等等细节也非常重要。对于技术背景的公司来说，需要积极的投身市场，洞察客户需求，并以迅捷的反应去迭代产品。”

在自动驾驶领域，Minieye联合创始人兼首席科学家吴建鑫从算法、数据、传感器融合三个方面的介绍了Minieye研发成果。

吴建鑫表示，“Minieye过去5年一直在冷静积累关键技术，持续以安全和有商业价值的产品为核心。”

算法方面，吴建鑫认为关键在于在有限算力、低功耗、合理成本条件下来进行算法设计。

Minieye自主研发的ThiNet技术让神经网络有效“瘦身”，降低其对算力和存储的要求。

Minieye通过嵌入式神经网络加速库FastNet，利用FastNet对Squeezenet等网络进行加速，其计算性能相较于Caffe，NCNN（腾讯），TensorFlow Lite（Google）均有1.8倍以上的提升。

而自主设计的神经网络架构IP HardNet，这项技术可以帮助高计算复杂度的神经网络在小面积的FPGA（如zynq 7010，zynq 7020）上实时工作。

吴建鑫称，“ThiNet、FastNet和HardNet“神经网络三件套”帮助MINIEYE将深度学习广泛用于产品化中。”

在数据层面，Minieye在44个月时间内积累的标注数据里程超过1300万公里，这帮助Minieye在一些本地化场景里的性能表现要优于国外的产品，而随着后装产品的大规模装配，Minieye也将会逐步在为用户服务的过程中积累更多数据。

而传感器层面，Minieye为一些前装客户定制的解决方案就是视觉-毫米波雷达融合产品，利用摄像头识别物体，毫米波雷达测量距离和速度。

Minieye传感器存在一个独有的特点，每一个摄象头光学上的技术里面，都有一个IMU，一个惯性传感器，这个传感器配合Murata，两角角速提高50%，速率可以达到100赫兹，其产品安全性方面得到增加。

据悉，Minieye在完成和毫米波雷达、IMU融合的基础上，正在研发与包括LiDAR、超声波、热成像等更多传感器融合的感知方案。

自动驾驶领域里，有两条主要的路径去实现汽车自动化：一是直接去做L4、L5级自动驾驶，一种是从L1、L2级起步向高级别渐进式发展，Minieye属于后一种。

在L1、L2级别的产品已实现商业化的基础上，Minieye开始在L3以上自动驾驶布局。

机构负责人Marcelo博士表示，“他们之前尝试过各种各样的传感器，包括各类传感器的融合，在这个过程中越发感觉到摄像头的优越性。它不仅具有性价比，还能够提供丰富的信息。如果将感知部分交给专业的团队去做，那么他们可以更专注于路径规划方面的工作。”

作为一家初创公司，Minieye从后装到前装再到的自动驾驶的路线是清晰且独特的，相比创业初期直接切入自动驾驶，Minieye这样的做法可以说更务实。

不过，在这市场中，Minieye面对的竞争也更为强大，除了Mobileye这样专注视觉传感器的国际巨头公司，安富利这样的零部件公司也必将不可小视。