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”,。

　　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。