汽車背后的故事，通過深度學習提高和發展車輛感知

當今汽車認知

自動駕駛汽車的夢想正在成為現實。通過在車輛中實現多個高級駕駛輔助系統（ADAS），汽車行業對自動駕駛的追求正在穩步推進。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”，數據從圖像傳感器發送到主處理器即“大腦”，它使用各種算法來理解和解釋數據，最后，通過發送控制轉向、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，汽車感知系統已從基本的后視攝像頭演變為具有停車輔助功能的全3D環視。人類能力邊界隨大腦發展得以拓寬，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，用于根據已經過大量數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據模式的算法。許多ADAS應用，如前置攝像頭感知，使用卷積神經網絡（CNN）能夠比傳統的計算機視覺方法更有效地執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分出來。德州儀器的深度學習專業知識促成了包括德州儀器深度學習（TIDL）軟件框架在內的廣泛資源的開發。該框架簡化了開發人員的算法培訓、開發和移植過程。

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展的汽車感知系統

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中應用了德州儀器TDAx的異構處理器架構，以實現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的深度學習專業知識和技術相結合，使汽車制造商和一級供應商可以提高的算法網絡執行效率，同時保持對于車道、車輛、行人和其它對象的感知的準確性。