【導讀】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(jīng)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(jù)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(jù)。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(jīng)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(jù)已經(jīng)過大量數(shù)據(jù)訓練的神經(jīng)網(wǎng)絡進行準確的分類和預測。神經(jīng)網(wǎng)絡是一組用于識別數(shù)據(jù)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(jīng)網(wǎng)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”。
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(wǎng)絡效率，同時保持準確感知車道、車輛、行人和其他對象。
要了解有關德州儀器如何支持汽車應用和汽車處理器深度學習的更多信息，請閱讀我們的博客或訪問我們的網(wǎng)站。“實踐深度學習”或參見Jacinto™TDAx ADAS SoCs。
推薦閱讀：
