通過深入學(xué)習(xí)提高和發(fā)展車輛感知

攝像頭的感應(yīng)功能在今天的車輛駕駛中起著至關(guān)重要的作用。感知系統(tǒng)的功能類似于人體。攝像機或圖像傳感器充當(dāng)車輛的“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數(shù)據(jù)進行分析和解釋。最后，通過發(fā)送命令來控制轉(zhuǎn)向、加速或制動(類似于發(fā)送到手和腳的命令)，可以做出各種行為。在過去的十年里，汽車感應(yīng)已經(jīng)從一個基本的后視攝像頭發(fā)展到一個帶有停車輔助的全3D環(huán)繞視圖。就像人的能力隨著大腦的發(fā)展而進化一樣，ADAS技術(shù)也隨著不斷發(fā)展的硬件平臺上的創(chuàng)新感知算法的進化而不斷發(fā)展。

當(dāng)今自動駕駛領(lǐng)域最熱門的話題之一是“深度學(xué)習(xí)”，它是機器學(xué)習(xí)的一個子集。深度學(xué)習(xí)是一種計算方法，用于基于大量數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進行準確的分類和預(yù)測。神經(jīng)網(wǎng)絡(luò)是一套識別數(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)的計算機視覺方法更有效地執(zhí)行目標(biāo)檢測和分類任務(wù)。在下面的例子(圖1)中，深度學(xué)習(xí)用于對車輛、道路、標(biāo)志、行人和背景進行分類，并在輸出中對它們進行視覺區(qū)分。德州儀器的深度學(xué)習(xí)能力導(dǎo)致了大量資源的開發(fā)，如德州儀器深度學(xué)習(xí)(TIDL)軟件框架。該框架簡化了開發(fā)人員的算法培訓(xùn)、開發(fā)和遷移過程。更多關(guān)于汽車深度學(xué)習(xí)的信息，請閱讀我們的博客《汽車中的AI:實踐深度學(xué)習(xí)》。