技术文章—通过深入学习提高和发展车辆感知

2019-06-14来源: EEWORLD关键字:车辆感知

自动驾驶汽车的梦想正在成为现实。通过在车辆中实现多种先进的驾驶员辅助系统(ADAS),汽车行业对于完全自动驾驶的追求正在稳步推进。如今,几乎所有汽车经销商的新款车都配备了多个摄像头、雷达和超声波传感器,可实现如辅助自动泊车、自动紧急制动、车道辅助行驶、司机疲劳驾驶警报等基于感知的各项功能。

 

摄像头的感应功能在如今的车辆驾驶中发挥着必不可少的作用。感知系统的功能与人体具有很大的相似性。摄像头或图像传感器充当车辆的“眼睛”,数据从图像传感器发送到主处理器即人的“大脑”,然后“大脑”使用各种算法来分析和解读数据。最后,通过发送控制转向、加速器或者制动的命令(类比向手和脚发出的指令)来做出各种行为。在过去十年中,汽车感应已经从基本的后视摄像头演变为具有停车辅助功能的全3D环绕视图。与人类的能力随着大脑发展得以进化一样,ADAS技术也随着日益发展的硬件平台上的创新感知算法的演进而得以不断发展。

 

深度学习概述

 

当今自动驾驶领域最热门的话题之一是“深度学习”,这是机器学习的一个子集。深度学习是一种计算方法,用于根据已经过大量数据训练的神经网络进行准确的分类和预测。神经网络是一组用于识别数据模式的算法。许多ADAS应用,如前置摄像头感知应用中,使用卷积神经网络(CNN)会比传统的计算机视觉方法更有效地执行对象检测和分类等任务。在下述示例中(图1),深度学习用于对车辆、道路、标志、行人和背景进行分类,并在输出中直观地将其区分。德州仪器的深度学习能力带领完成了大量资源的开发,如德州仪器深度学习(TIDL)软件框架。


 image.png

图 1:在TDA2处理器上使用TIDL软件框架进行对象检测和分类的示例

 

通过深入学习不断发展的汽车感知系统

 

德州仪器长久以来一直支持汽车和计算机视觉应用。随着支持这两个领域的技术融合,开发具有高水平功能安全性、功效和性能的芯片尤为重要。Jacinto™TDAx处理器平台可帮助汽车OEM和一级供应商开发和实施ADAS应用的深度学习算法。一家汽车软件公司Momenta,最近在其新的感知系统中应用了德州仪器的异构TDAx处理器架构,以实现SAE L2-L4自主功能。在一个解决方案中将TDAx处理器架构、TIDL软件框架和Momenta的深度学习结合,使汽车制造商和一级供应商可以潜在提高网络效率,同时保持准确感知车道、车辆、行人和其他对象。

 

 

 

 


关键字:车辆感知

编辑:muyan 引用地址:http://news.eeworld.com.cn/qcdz/ic464638.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:自动驾驶下半场|四维图新为何要与Ibeo、亮道智能走到一起?
下一篇:剖析Tesla全自动驾驶之路:从 Autopilot 2.0 到 3.0的历史进程

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

rFpro开发新技术 可准确测试联网自动驾驶车辆对环境的感知

据外媒报道,英国仿真软件专家rFpro开发真实世界物理模型Ground Truth,可准确测试车辆对周围环境的感知。立法者将能在完全虚拟的环境中,制定车辆审批流程,证实车辆能在真实道路上安全行驶。该项技术已经在欧洲NCAP测试中用于验证车辆安全性。rFpro技术总监Chris Hoyle解释称,“大多数系统建模都以理想传感器模型为基础,验证车辆算法和控制系统,但忽略了传感器本身的限制。恶劣的照明条件,或者商店橱窗的反光,会破坏传感器对车辆周围环境的感知,导致潜在的灾难性错误。对联网自动驾驶车辆或配备ADAS的车辆进行全面验证时,必须包括传感器识别与描述其环境特征的能力。”在模拟过程中评估传感器感知能力非常重要,因为未来的立法
发表于 2019-08-19

u-blox合作推新型车辆追踪系统 可感知车辆3D运动

据外媒报道,当地时间7月23日,定位和无线通信技术提供商u-blox与车辆远程信息处理和车队管理技术公司Arvento Mobile Systems宣布,推出新型imt.x1车辆追踪系统。Arvento的imt.x1与市场上其他车辆追踪设备非常不同,该系统的6轴陀螺传感器能够感知车辆因紧急加速、紧急刹车、方向偏移和漂移引发的车辆三维运动。该系统具备双CAN总线和蓝牙在内的网联选项,能够兼容eCall,捕捉和提供数据,以进行事故分析,实现其他车辆追踪功能。此外,该系统还采用了基于Arm的下一代微控制器。Arvento与u-blox此前的合作是研发出imt.x1产品的关键基石,该系统具备超级敏感且高精度的定位能力,主要得益于其集成
发表于 2019-08-13
u-blox合作推新型车辆追踪系统 可感知车辆3D运动

自动驾驶汽可通过深入学习提高和发展车辆感知

自动驾驶汽车的梦想正在成为现实。通过在车辆中实现多种先进的驾驶员辅助系统(ADAS),汽车行业对于完全自动驾驶的追求正在稳步推进。如今,几乎所有汽车经销商的新款车都配备了多个摄像头、雷达和超声波传感器,可实现如辅助自动泊车、自动紧急制动、车道辅助行驶、司机疲劳驾驶警报等基于感知的各项功能。 摄像头的感应功能在如今的车辆驾驶中发挥着必不可少的作用。感知系统的功能与人体具有很大的相似性。摄像头或图像传感器充当车辆的“眼睛”,数据从图像传感器发送到主处理器即人的“大脑”,然后“大脑”使用各种算法来分析和解读数据。最后,通过发送控制转向、加速器或者制动的命令(类比向手和脚发出的指令)来做出各种行为。在过去十年中,汽车感应已经
发表于 2019-06-17
自动驾驶汽可通过深入学习提高和发展车辆感知

超低功率混合芯片助力小型机器人车辆感知及机器学习能力

中,后者将被用作车辆的“大脑”。然后,该处理器将向Raspberry Pi控制器发送指令,并向电动机传输电动机。在该款机器人车辆中,主要有三大系统会消耗电量:用于车辆驾驶及转向的电机及控制器、处理器及感知系统。低功率ASIC意味着电动机将消耗大量的电量。该团队正与合作方打造电机,后者采用了微机电技术,相较于传统的电机,其耗电量较小。在时域运算中,信息的传输将采用不同的电压,利用脉冲带宽实现编码,提供了模拟电路的节能优势及数字设备的稳定性。不同的脉冲宽度表示各自代表的数值,该系统比数字或模拟设备略慢,但其速度却足够小型机器人使用。该款65纳米的CMOS芯片可同时适用于机器人学习,该系统经编程后可遵循基于建模的算法,利用强化系统从环境中学
发表于 2019-03-11
超低功率混合芯片助力小型机器人车辆感知及机器学习能力

超低功率混合芯片助力小型机器人车辆感知及机器学习能力

中,后者将被用作车辆的“大脑”。然后,该处理器将向Raspberry Pi控制器发送指令,并向电动机传输电动机。在该款机器人车辆中,主要有三大系统会消耗电量:用于车辆驾驶及转向的电机及控制器、处理器及感知系统。低功率ASIC意味着电动机将消耗大量的电量。该团队正与合作方打造电机,后者采用了微机电技术,相较于传统的电机,其耗电量较小。在时域运算中,信息的传输将采用不同的电压,利用脉冲带宽实现编码,提供了模拟电路的节能优势及数字设备的稳定性。不同的脉冲宽度表示各自代表的数值,该系统比数字或模拟设备略慢,但其速度却足够小型机器人使用。该款65纳米的CMOS芯片可同时适用于机器人学习,该系统经编程后可遵循基于建模的算法,利用强化系统从环境中学
发表于 2019-03-10
超低功率混合芯片助力小型机器人车辆感知及机器学习能力

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved