《電子技術應用》
您所在的位置:首頁 > 模擬設計 > 業(yè)界動態(tài) > 深度學習怎樣可以提高的汽車的感知能力

深度學習怎樣可以提高的汽車的感知能力

2020-05-22
來源:21IC中國電子網

  自動駕駛汽車的夢想正在成為現(xiàn)實,。通過在車輛中實現(xiàn)多種先進的駕駛員輔助系統(tǒng)(ADAS),汽車行業(yè)對于完全自動駕駛的追求正在穩(wěn)步推進,。如今,,幾乎所有汽車經銷商的新款車都配備了多個攝像頭、雷達和超聲波傳感器,可實現(xiàn)如輔助自動泊車,、自動緊急制動,、車道輔助行駛、司機疲勞駕駛警報等基于感知的各項功能,。

  攝像頭的感應功能在如今的車輛駕駛中發(fā)揮著必不可少的作用,。感知系統(tǒng)的功能與人體具有很大的相似性。攝像頭或圖像傳感器充當車輛的“眼睛”,,數(shù)據從圖像傳感器發(fā)送到主處理器即人的“大腦”,,然后“大腦”使用各種算法來分析和解讀數(shù)據。最后,,通過發(fā)送控制轉向,、加速器或者制動的命令(類比向手和腳發(fā)出的指令)來做出各種行為。在過去十年中,,汽車感應已經從基本的后視攝像頭演變?yōu)榫哂型\囕o助功能的全3D環(huán)繞視圖,。與人類的能力隨著大腦發(fā)展得以進化一樣,ADAS技術也隨著日益發(fā)展的硬件平臺上的創(chuàng)新感知算法的演進而得以不斷發(fā)展,。

  深度學習概述

  當今自動駕駛領域最熱門的話題之一是“深度學習”,,這是機器學習的一個子集。深度學習是一種計算方法,,用于根據已經過大量數(shù)據訓練的神經網絡進行準確的分類和預測,。神經網絡是一組用于識別數(shù)據模式的算法。許多ADAS應用,,如前置攝像頭感知應用中,,使用卷積神經網絡(CNN)會比傳統(tǒng)的計算機視覺方法更有效地執(zhí)行對象檢測和分類等任務。在下述示例中(圖1),,深度學習用于對車輛,、道路、標志,、行人和背景進行分類,并在輸出中直觀地將其區(qū)分,。德州儀器的深度學習能力帶領完成了大量資源的開發(fā),,如德州儀器深度學習(TIDL)軟件框架。該框架簡化了開發(fā)人員的算法培訓,、開發(fā)和移植過程,。有關汽車深度學習的更多信息,請閱讀我們的博客“汽車中的AI:實踐深度學習”,。

  

5e98755697aff-1.png

  車輛

  道路

  標志

  人

  背景

  圖 1:在TDA2處理器上使用TIDL軟件框架進行對象檢測和分類的示例

  通過深入學習不斷發(fā)展的汽車感知系統(tǒng)

  德州儀器長久以來一直支持汽車和計算機視覺應用,。隨著支持這兩個領域的技術融合,開發(fā)具有高水平功能安全性、功效和性能的芯片尤為重要,。Jacinto,?TDAx處理器平臺可幫助汽車OEM和一級供應商開發(fā)和實施ADAS應用的深度學習算法。一家汽車軟件公司Momenta,,最近在其新的感知系統(tǒng)中應用了德州儀器的異構TDAx處理器架構,,以實現(xiàn)SAE L2-L4自主功能。在一個解決方案中將TDAx處理器架構,、TIDL軟件框架和Momenta的深度學習結合,,使汽車制造商和一級供應商可以潛在提高網絡效率,同時保持準確感知車道,、車輛,、行人和其他對象。


本站內容除特別聲明的原創(chuàng)文章之外,,轉載內容只為傳遞更多信息,,并不代表本網站贊同其觀點。轉載的所有的文章,、圖片,、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創(chuàng)文章及圖片等內容無法一一聯(lián)系確認版權者,。如涉及作品內容,、版權和其它問題,請及時通過電子郵件或電話通知我們,,以便迅速采取適當措施,,避免給雙方造成不必要的經濟損失。聯(lián)系電話:010-82306118,;郵箱:[email protected],。