TI - 通過深入學習提高和發(fā)展車輛感知-基礎電子

精品文檔-下載后可編輯TI-通過深入學習提高和發(fā)展車輛感知-基礎電子自動駕駛汽車的夢想正在成為現(xiàn)實。通過在車輛中實現(xiàn)多種先進的駕駛員輔助系統(tǒng)（ADAS），汽車行業(yè)對于完全自動駕駛的追求正在穩(wěn)步推進。如今，幾乎所有汽車經銷商的新款車都配備了多個攝像頭、雷達和超聲波傳感器，可實現(xiàn)如輔助自動泊車、自動緊急制動、車道輔助行駛、司機疲勞駕駛警報等基于感知的各項功能。攝像頭的感應功能在如今的車輛駕駛中發(fā)揮著必不可少的作用。感知系統(tǒng)的功能與人體具有很大的相似性。攝像頭或圖像傳感器充當車輛的“眼睛”，數(shù)據(jù)從圖像傳感器發(fā)送到主處理器即人的“大腦”，然后“大腦”使用各種算法來分析和解讀數(shù)據(jù)。，通過發(fā)送控制轉向、加速器或者制動的命令（類比向手和腳發(fā)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后視攝像頭演變?yōu)榫哂型＼囕o助功能的全3D環(huán)繞視圖。與人類的能力隨著大腦發(fā)展得以進化一樣，ADAS技術也隨著日益發(fā)展的硬件平臺上的創(chuàng)新感知算法的演進而得以不斷發(fā)展。深度學習概述當今自動駕駛領域熱門的話題之一是“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(jù)已經過大量數(shù)據(jù)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(shù)據(jù)模式的算法。許多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(tǒng)的計算機視覺方法更有效地執(zhí)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(qū)分。德州儀器的深度學習能力帶領完成了大量資源的開發(fā)，如德州儀器深度學習（TIDL）軟件框架。該框架簡化了開發(fā)人員的算法培訓、開發(fā)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”。

車輛道路標志人背景圖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(fā)展的汽車感知系統(tǒng)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(fā)具有高水平功能安全性、功效和性能的芯片尤為重要。Jacinto?TDAx處理器平臺可幫助汽車OEM和供應商開發(fā)和實施ADAS應用的深度學習算法。一家汽車軟件公司Momenta，近在其新的感知系統(tǒng)中應用了德州儀器的異構TDAx處理器架構，以實現(xiàn)SAEL2-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Momen