攝(she)像(xiang)頭(tou)的(de)感(gan)應(ying)功(gong)能(neng)在(zai)如(ru)今(jin)的(de)車(che)輛(liang)駕(jia)駛(shi)中(zhong)發(fa)揮(hui)著(zhe)必(bi)不(bu)可(ke)少(shao)的(de)作(zuo)用(yong)。感(gan)知(zhi)係(xi)統(tong)的(de)功(gong)能(neng)與(yu)人(ren)體(ti)具(ju)有(you)很(hen)大(da)的(de)相(xiang)似(si)性(xing)。攝(she)像(xiang)頭(tou)或(huo)圖(tu)像(xiang)傳(chuan)感(gan)器(qi)充(chong)當(dang)車(che)輛(liang)的(de)“眼睛”，數據從圖像傳感器發送到主處理器即人的“大腦”

，然後“大腦”使用各種算法來分析和解讀數據。最後
，通過發送控製轉向、加速器或者製動的命令（類比向手和腳發出的指令）來做出各種行為。在過去十年中，汽車感應已經從基本的後視攝像頭演變為具有停車輔助功能的全3D環繞視圖。與人類的能力隨著大腦發展得以進化一樣，ADAS技術也隨著日益發展的硬件平台上的創新感知算法的演進而得以不斷發展。

 

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(zhe)是(shi)機(ji)器(qi)學(xue)習(xi)的(de)一(yi)個(ge)子(zi)集(ji)。深(shen)度(du)學(xue)習(xi)是(shi)一(yi)種(zhong)計(ji)算(suan)方(fang)法(fa)，用(yong)於(yu)根(gen)據(ju)已(yi)經(jing)過(guo)大(da)量(liang)數(shu)據(ju)訓(xun)練(lian)的(de)神(shen)經(jing)網(wang)絡(luo)進(jin)行(xing)準(zhun)確(que)的(de)分(fen)類(lei)和(he)預(yu)測(ce)。神(shen)經(jing)網(wang)絡(luo)是(shi)一(yi)組(zu)用(yong)於(yu)識(shi)別(bie)數(shu)據(ju)模(mo)式(shi)的(de)算(suan)法(fa)。許(xu)多(duo)ADAS應用
，如前置攝像頭感知應用中，使用卷積神經網絡（CNN）會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）
，深度學習用於對車輛、道路、標誌、行人和背景進行分類

，並在輸出中直觀地將其區分。德州儀器的深度學習能力帶領完成了大量資源的開發，如德州儀器深度學習（TIDL）軟件框架。該框架簡化了開發人員的算法培訓
、開發和移植過程。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展的汽車感知係統

 

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處理器平台可幫助汽車OEM和一級供應商開發和實施ADAS應用的深度學習算法。一家汽車軟件公司Momenta
，最近在其新的感知係統中應用了德州儀器的異構TDAx處理器架構，以實現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，使汽車製造商和一級供應商可以潛在提高網絡效率
，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站。“實踐深度學習”或參見Jacinto™TDAx ADAS SoCs。 

 

 

推薦閱讀：