北京2019年6月17日 /美通社/ -- 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(zhuǎn)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(shù)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(guān)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”。
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(shù)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(gòu)TDAx處理器架構(gòu)，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(gòu)、TIDL軟件框架和Momenta的深度學習結(jié)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(guān)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。
