汽車背后的故事，通過深度學習提高和發(fā)展車輛感知

當今汽車認知

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)多個高級駕駛輔助系統(tǒng)（ADAS），汽車行業(yè)對自動駕駛的追求正在穩(wěn)步推進。當今的新車均已配備多個攝像頭、雷達和超聲波傳感器，實現(xiàn)基于感知的輔助功能，如自動泊車輔助、自動緊急制動、車道保持輔助、駕駛員疲勞警報等。

基于攝像頭的感知功能在當今的車輛中至關重要。感知系統(tǒng)的功能與人體具有很強的相似性：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“大腦”，它使用各種算法來理解和解釋數(shù)據(jù)，最后，通過發(fā)送控制轉(zhuǎn)向、加速器和/或制動的命令（類似“手、腳”）來做出決定。在過去十年中，汽車感知系統(tǒng)已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)視。人類能力邊界隨大腦發(fā)展得以拓寬，類似地，ADAS技術進步建立的基礎是運行于日益高效的硬件平臺上的創(chuàng)新感知算法。

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，使用卷積神經(jīng)網(wǎng)絡（CNN）能夠比傳統(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)分出來。德州儀器的深度學習專業(yè)知識促成了包括德州儀器深度學習（TIDL）軟件框架在內(nèi)的廣泛資源的開發(fā)。該框架簡化了開發(fā)人員的算法培訓、開發(fā)和移植過程。

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

通過深度學習不斷發(fā)展的汽車感知系統(tǒng)

長久以來，德州儀器始終支持汽車和計算機視覺應用。隨著支持這兩個領域的技術趨同，開發(fā)具有高水平功能安全特性、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。專注汽車智能軟件公司Momenta，最近在其新的感知系統(tǒng)中應用了德州儀器TDAx的異構處理器架構，以實現(xiàn)SAE L2-L4功能。在該解決方案中將TDAx處理器架構、TIDL軟件框架和Momenta的深度學習專業(yè)知識和技術相結(jié)合，使汽車制造商和一級供應商可以提高的算法網(wǎng)絡執(zhí)行效率，同時保持對于車道、車輛、行人和其它對象的感知的準確性。