公开数据显示，智能驾驶目标识别准确率最高为90.55%，但处理一幅图片需要4秒;二部智能辅助驾驶系统的算法准确率为90.05%，处理一幅图片却只需要0.03秒。

　　目前，二部团队已突破一系列核心技术，包括多目标检测与识别、可行驶区域分割、车道线检测等，并在深度神经网络压缩、深度神经网络编译工具链和智能加速引擎等方面形成了技术壁垒。该团队负责人郭睿表示，场景语义分割是让计算机理解它“看”到的图像代表什么，而深度神经网络可以通过学习自行提取高层语义特征，排除逆光、向光、阴影、缺损等因素对目标检测的干扰。

　　郭睿表示，该团队的工作重心已转向“基于深度学习的智能辅助驾驶系统”工程化与产品化工作，并与相关汽车厂联合开展功能测试与量产试制，预计将于今年年底完成小规模量产。

　　此外，该团队正在研发融合可见光、红外与毫米波雷达的新型智能传感器，以应对军用车辆驾驶环境中光线复杂多变、夜间行军禁止照明等特殊场景，满足军用车辆全天时、全天候辅助驾驶的需求。该团队在智能感知、智能决策等方面积累的先进技术，正逐步在武器系统的目标检测与识别、智能指控等领域发挥作用。