【深度】分析无人驾驶汽车运用有哪些

来源：新能源汽车网

时间：2017-02-05 08:33:26

热度：

【深度】分析无人驾驶汽车运用有哪些新能源汽车网讯深度学习在无人驾驶领域主要用于图像处理，也就是摄像头上面。当然也可以用于雷达的数据处理，但是基于图像极大丰富的信息以及难以手工建模

新能源汽车网讯深度学习在无人驾驶领域主要用于图像处理，也就是摄像头上面。当然也可以用于雷达的数据处理，但是基于图像极大丰富的信息以及难以手工建模的特性，深度学习能最大限度的发挥其优势。

现在介绍一下全球摄像头领域的巨擘，以色列的mobileye公司是怎么在他们的产品中运用深度学习的。深度学习可以用于感知，识别周围环境，各种对车辆有用的信息；也可以用于决策，比如AlphaGo的走子网络（Policy Network），就是直接用DNN训练，如何基于当前状态作出决策。

环境识别方面，mobileye把他们识别方面的工作主要分为三部分，物体识别，可行驶区域检测，行驶路径识别。

物体识别

一般的物体识别是这样子的：

深度学习在无人驾驶汽车上面的运用有哪些？

有一个长方形框框能识别出来车在哪里，很好，很不错，但是Mobileye出来的是这样子的：

深度学习在无人驾驶汽车上面的运用有哪些？

以及这样子的：

深度学习在无人驾驶汽车上面的运用有哪些？

很明显的区别就是Mobileye可以实现非常准确的车的正面以及侧面的检测，以及完全正确的区分左边侧面以及右边侧面（黄色和蓝色）。

深度学习在无人驾驶汽车上面的运用有哪些？

这两种检测结果的信息量是完全不同的，左边这个检测结果告诉我们什么位置大概有一辆车，但是他的具体位置，车的朝向信息完全没有。但是从右边的检测结果，就可以相对精确的估算出来车的位置，行驶方向等重要信息，跟我们人看到后可以推测的信息差不多了。

这样出众的结果，对于较近距离的车，用其他基于几何的方法，多跟踪几帧，可能可以做到接近的效果，但是留意远处很小的车，结果也完全正确，这就只可能是深度学习的威力了。可惜Mobileye创始人兼CTO总爱四处显摆他们技术怎么怎么牛，之前也常发论文共享一些技术，但是在车辆识别怎么建模神经网络可以输出这么精确带orientation的bounding box，他只是微微一笑，说这里面有很多tricks……