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。