通過(guò)深入學(xué)習(xí)提高和發(fā)展車(chē)輛感知

攝像頭的感應(yīng)功能在今天的車(chē)輛駕駛中起著至關(guān)重要的作用。感知系統(tǒng)的功能類(lèi)似于人體。攝像機(jī)或圖像傳感器充當(dāng)車(chē)輛的“眼睛”，將數(shù)據(jù)從圖像傳感器發(fā)送到主處理器，即人腦，然后大腦使用各種算法對(duì)數(shù)據(jù)進(jìn)行分析和解釋。最后，通過(guò)發(fā)送命令來(lái)控制轉(zhuǎn)向、加速或制動(dòng)(類(lèi)似于發(fā)送到手和腳的命令)，可以做出各種行為。在過(guò)去的十年里，汽車(chē)感應(yīng)已經(jīng)從一個(gè)基本的后視攝像頭發(fā)展到一個(gè)帶有停車(chē)輔助的全3D環(huán)繞視圖。就像人的能力隨著大腦的發(fā)展而進(jìn)化一樣，ADAS技術(shù)也隨著不斷發(fā)展的硬件平臺(tái)上的創(chuàng)新感知算法的進(jìn)化而不斷發(fā)展。

當(dāng)今自動(dòng)駕駛領(lǐng)域最熱門(mén)的話題之一是“深度學(xué)習(xí)”，它是機(jī)器學(xué)習(xí)的一個(gè)子集。深度學(xué)習(xí)是一種計(jì)算方法，用于基于大量數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行準(zhǔn)確的分類(lèi)和預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)是一套識(shí)別數(shù)據(jù)的算法模式。許多ADAS應(yīng)用，如前攝像頭傳感應(yīng)用，使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)比傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法更有效地執(zhí)行目標(biāo)檢測(cè)和分類(lèi)任務(wù)。在下面的例子(圖1)中，深度學(xué)習(xí)用于對(duì)車(chē)輛、道路、標(biāo)志、行人和背景進(jìn)行分類(lèi)，并在輸出中對(duì)它們進(jìn)行視覺(jué)區(qū)分。德州儀器的深度學(xué)習(xí)能力導(dǎo)致了大量資源的開(kāi)發(fā)，如德州儀器深度學(xué)習(xí)(TIDL)軟件框架。該框架簡(jiǎn)化了開(kāi)發(fā)人員的算法培訓(xùn)、開(kāi)發(fā)和遷移過(guò)程。更多關(guān)于汽車(chē)深度學(xué)習(xí)的信息，請(qǐng)閱讀我們的博客《汽車(chē)中的AI:實(shí)踐深度學(xué)習(xí)》。