自動(dòng)駕駛汽車是如何通過傳感器獲得的數(shù)據(jù)

自動(dòng)駕駛汽車?yán)?a target="_blank">傳感器看見世界。但是它們?nèi)绾翁幚硗ㄟ^傳感器獲得的數(shù)據(jù)呢？

用行業(yè)術(shù)語來說，問題的關(guān)鍵在于感知，即在行駛過程中，自動(dòng)駕駛汽車處理和識(shí)別道路數(shù)據(jù)（從街道標(biāo)識(shí)到行人，乃至周圍交通環(huán)境）的能力。借助AI的強(qiáng)大功能，自動(dòng)駕駛汽車能夠?qū)崟r(shí)識(shí)別周圍環(huán)境并對(duì)其做出反應(yīng)，從而保證車輛的安全行駛。

自動(dòng)駕駛汽車?yán)靡幌盗蟹Q為深度神經(jīng)網(wǎng)絡(luò)（DNN）的算法來實(shí)現(xiàn)感知功能。

DNN并不是要求汽車遵循一系列人工編寫的功能，比如“看到紅燈就停車”，而是使汽車能夠利用自身傳感器獲得的數(shù)據(jù)學(xué)習(xí)如何實(shí)況行駛。

這些數(shù)學(xué)模型的運(yùn)行方式受到人類大腦的啟發(fā)，都是通過經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)。如果DNN接收到不同情況下多種停車標(biāo)識(shí)的圖像，它就可以根據(jù)經(jīng)驗(yàn)學(xué)會(huì)自己識(shí)別停車標(biāo)識(shí)。

自動(dòng)駕駛汽車安全行駛的兩個(gè)關(guān)鍵：多樣性和冗余

但是，僅依靠一種算法是無法獨(dú)立完成工作的。為了實(shí)現(xiàn)安全的自動(dòng)駕駛，一整套DNN不可或缺。在整套DNN中，每個(gè)DNN需要完成特定的任務(wù)。

這些網(wǎng)絡(luò)是多樣的，從閱讀道路標(biāo)識(shí)，識(shí)別交叉路口到檢測(cè)行駛路徑，它們涵蓋了所有功能。同時(shí)這些網(wǎng)絡(luò)也是冗余的，因?yàn)樗鼈兊墓δ苡兴丿B，所以能夠最大限度地降低出現(xiàn)故障的可能性。

自動(dòng)駕駛對(duì)于所需DNN的數(shù)量沒有固定標(biāo)準(zhǔn)。新功能層出不窮，DNN的列表也隨之不斷增長變化。

在實(shí)況駕駛中，必須實(shí)時(shí)處理獨(dú)立DNN所生成的信號(hào)。為了實(shí)現(xiàn)這一目標(biāo)，一個(gè)集中且高性能的計(jì)算平臺(tái)不可或缺，例如NVIDIA DRIVE AGX。

以下是NVIDIA用于自動(dòng)駕駛汽車感知的一些核心DNN。

拓路者

幫助汽車確定行駛區(qū)域并規(guī)劃前方安全路徑的DNN：

• OpenRoadNet能夠識(shí)別汽車周圍所有可行駛的空間，無論是汽車所在車道還是鄰近車道。
• PathNet即使在沒有車道標(biāo)記的情況下，也能突出標(biāo)記車輛前方的可行駛路徑。
• LaneNet能夠檢測(cè)車道線和其他規(guī)定汽車行駛路徑的標(biāo)記。
• MapNet也可以識(shí)別車道和地標(biāo)，并用于創(chuàng)建和更新高清地圖。

具有路徑尋找功能的DNN協(xié)同工作為自動(dòng)駕駛汽車制定安全的行駛路線。

道路物體檢測(cè)與分類

能夠檢測(cè)潛在路障、交通信號(hào)燈及標(biāo)識(shí)的DNN：

• DriveNet能夠感知道路上的其他車輛、行人、交通燈和標(biāo)識(shí)，但無法識(shí)別燈光的顏色以及標(biāo)識(shí)的類型。
• LightNet能夠?qū)煌舻念伾珷顟B(tài)進(jìn)行分類 – 紅色、黃色或綠色。
• SignNet能夠識(shí)別標(biāo)志的類型 – 停止，讓行，單行道等。
• WaitNet能夠檢測(cè)必須停車等待的情況，例如十字路口。

其他功能

能夠檢測(cè)汽車及駕駛艙零部件狀態(tài)，以及使操作更加便捷（如停車）的DNN：

• ClearSightNet能夠監(jiān)測(cè)汽車攝像頭傳感器的可見度，檢測(cè)限制可見度的狀況，如雨，霧和陽光直射。
• ParkNet能夠識(shí)別可用的停車位。

以上這些只是構(gòu)成冗余和多樣化DRIVE軟件感知層的深度神經(jīng)網(wǎng)絡(luò)示例。

編輯：hfy