幸运时时彩平台

GPU和神经网络加速器如何助力汽车自我思考?

2019-12-30来源: EEWORLD关键字:自动驾驶  GPU  神经网络  传感器

汽车行业是推动人工智能(AI)发展的重要行业之一,这是因为该行业致力于自动驾驶汽车和高级驾驶员辅助系统(ADAS)的泛在利益。


汽车正在变得越来越智能,但是如果汽车行业要实现完全自动驾驶的目标,他们还有很长的路要走。尽管业界还在讨论实现全自动化所需的理想技术组合,但是有一点是明确的,那就是人工智能,尤其是神经网络将发挥重要作用。

神经网络

神经网络的作用是执行对于传统视觉或模式识别系统来说具有挑战性的任务。通过使每个神经网络各自不同,并针对特定任务进行设计,它可以更高效、更精确地执行任务。


幸运时时彩平台所有神经网络的组织模式都是在多个层面上多次处理数据。因此,神经网络可以在不同的输入模式下运行十到二十次,而不是用一组特定的参数只运行一次操作。这个想法是,通过所有这些不同的路径,选择的数量就会增加。当到了需要做出决策的时候,它已经从输入中提取了所有的信息。


在路标识别的示例中,第一层可能正在寻找一个标识的角形状,然后是颜色等各个步骤执行下去,直到它可以非常确信地说这是一个路标并说明其含义。这样做的好处在于无需对每一个步骤都进行编程,神经网络将会自己完成,并且随着时间的推移而不断学习。该算法知道它需要识别的内容,并将尝试不同的方法,直到实现目标,并在过程中不断学习。一旦神经网络在经过培训之后,它便可以在实际应用中发挥作用。这意味着工程师不必花费数小时来微调复杂的算法,他们只需向神经网络展示它需要发现的内容并让其自学完成。


这些技术已经在车辆中被广泛用于目标检测、分类和分析,而驾驶员监测、访问控制以及语音和手势识别也可以利用不同类型的神经网络。此外,将传统视觉与神经网络相结合的人工智能方法,可用于行人路径分析和环绕视图等应用场景,它将同时依赖于图形处理器(GPU)和神经网络加速器(NNA)。


在从传感器到电子控制单元(ECU)整个链路中也可以使用神经网络,在预处理、中间处理和后处理中使用的各种技术将人工智能引入了其中。


幸运时时彩平台此外,车联网(V2X)技术正在开发中,该技术将主要使用自动驾驶汽车作为传感载体,为各种智慧城市和智慧交通场景提供数据和信息。同样,这些进展将依赖于采用GPU和NNA的方法实现人工智能,以支持来自越来越大的输入集的各种分析和计算。

传感器融合

自动驾驶和高度自动化的车辆将严重依赖各种类型的传感器,包括摄像头、热成像、雷达、激光雷达(LiDAR)等。所有这些传感器传出的信号都需要进行解读和融合,以便全面了解车辆内部和外部发生的情况。


幸运时时彩平台传感器融合对于自动驾驶至关重要,它将涉及到GPU和神经网络以及机器学习和人工智能的结合。


车辆内部传感器融合的一个很好的示例是驾驶员监测。在当今的车辆中,各种各样的传感器都能够检测到驾驶员是否注意力不集中。神经网络可以分析拍摄到的驾驶员图像,以判断他或她是否在睡觉、处于疲倦状态、注意力不集中,甚至通过移动设备讲话或发信息。这对于早期的自动驾驶车辆来说是至关重要的信息,因为它可能需要驾驶员在某些时候重新控制车辆,因为汽车需要知道驾驶员是否处于合适的状态才能这样做。


幸运时时彩平台驾驶员监测是如何工作的?对准驾驶员面部的摄像头为分析面部元素(尤其是眼睛)的算法提供了输入。是睁着眼睛还是闭着眼睛?如果是闭着眼睛,闭眼多长时间?眼神是否飘忽不定?驾驶员正在看向哪里?


研究整个面部可以确定驾驶员是生气还是悲伤。如果是愤怒,系统会建议驾驶员先靠边停车并冷静下来,然后再继续行驶。


所有这些都是基于构建一个面部图像,提取关键点并使用神经网络提取情绪、注视时间等来判断驾驶员的精神状态。


在未来的两三年内,驾驶员监测可能会成为必须从欧洲新车评估计划(NCAP)和美国国家高速公路通行安全管理局(NHTSA)获得批准的一项要求,因此驾驶员监测会成为汽车制造商必须要实施的技术,不仅要适用于高端汽车,还要适用于所有车辆。

自动驾驶的等级

美国汽车工程师学会(SAE)和美国高速公路交通安全管理局已将自动驾驶汽车的能力分为六个等级。基本上,等级0完全没有自动化,而在等级1中,汽车将为驾驶员提供一些帮助。等级2具有更多的驾驶辅助功能,甚至可以自主执行一些任务,例如自动紧急制动以避免碰撞。


等级3是一个棘手的问题,虽然汽车是自动驾驶,但驾驶员必须随时准备驾驶车辆。驾驶员监测将是等级3自动驾驶的关键,因为驾驶员必须做好干预的准备,并且在一定程度上,车辆有责任确保驾驶员做好准备。


在等级4中,即使驾驶员可以接手车辆驾驶,但从理论上讲,车辆也可以处理它所处现场的所有情况。等级5的车辆将实现全自动化,没有方向盘和踏板。


车辆自动驾驶性能每提高一个级别,所需的计算性能就会增加大约十倍。这就是为什么神经网络很重要的原因,因为它们可以在非常低的功耗下提供这种性能。

目标检测

以一个行人为例,汽车的车载摄像头和传感器可以记录行人是在行走或站立;神经网络可被用于绘制行人可能要走的路线,并计算车辆是否需要减速或快速制动。神经网络还可以观察同一幅图像并对其进行分割,从中挑选出其他物体,并应用目标识别技术来判断出它们是否代表了车辆需要注意的东西。所有这些都必须把车辆的位置以及它想要去的地方纳入考虑之中,如果车辆正在倒车,并检测到在车辆后面有一个小孩,就需要迅速处理并进行刹车。要做到这一点,就需要人工智能和神经网络来查看那里是否有物体存在,并对其进行识别认出是一个孩子,然后向执行器或驾驶员发送一个信号,以采取措施。


由于摄像头通常会带有某种鱼眼镜头,因此这将使其变得更加复杂。这会产生一张变形的图片,需要先矫正然后进行解读。来自这个设备以及其他传感器的输入需要结合起来,从而在瞬间做出决策。

数据处理

与此同时,来自汽车周围的其他信息也源源不断地被送达,包括来自于所有传感器的以及从其他车辆或基础设施通过无线通信接收到的信息。这是一个巨大的数据量,可能在太字节(terabyte)范围内。


ECU将遍布汽车各处,并根据数据做出决策。这可能会涉及到100个或者更多的ECU。业界正在使用一些方法来研究如何用更少的ECU和更多的计算能力来实现这一点。摄像头或传感器旁边的嵌入式人工智能可以做出一些决定,从而减少车辆需要传递的信息。


这意味着需要不同等级的处理方式。数据可以在捕获点进行预处理,例如拉直鱼眼镜头的图像。中间处理可能包括各种已计划的任务、目标识别、决策制定等。之后可以进行后处理,当信息可以被清理整齐并显示在屏幕上时,让驾驶员就知道正在发生什么或已经发生了什么。

应用

幸运时时彩平台这些数据处理技术也被用于创建当前正在开发的应用,以在车内创建虚拟环视车身支撑柱。在此用例中,将在支撑柱(连接车顶和车身的支撑柱)上安装摄像头来捕获车外发生的事情。支撑柱的内部将提供一个显示器,以显示这些摄像头正在捕获的内容,从而为驾驶员提供一个不间断的视场。


这个过程非常难以实现。系统必须了解驾驶员正在查看的另一侧是什么情景。图片将需要修正变形并放置在不平整或弯曲的表面上,然后重新变形到支撑柱的轮廓上。


尽管这一进步是未来的趋势,但一些高端车辆已经提供了环绕视图系统,并且它们很快将应用于中档和入门级车辆。GPU被用于分析遍布车辆周围的各个摄像头所捕获的图像(通常有四个或五个摄像头),并将图像拼接在一起。根据拼接的图像,神经网络将执行目标检测和路径预测,以查看这些目标是否有可能拦挡车辆的路径。

信息娱乐和导航

在车载信息娱乐系统(IVI)和导航方面,GPU也起着重要作用。它们还参与语音控制,这很可能成为人与车之间的关键接口。因此,对于卫星导航系统来说,驾驶员不必操作按钮和键盘来输入目的地,而是只需说出邮政编码或街道名字,然后就可要求系统绘制出路线。


仪表盘将被连接到外部摄像头,以用于路标识别等操作。如果摄像头捕捉到一个限速的标志,该标志可以在有效的时间内显示在驾驶员面前;如果汽车超过限速,就会发出声响警告。


实际上,整个仪表显示区将使用GPU进行图像渲染和信息优先级排序。如果系统确定驾驶员需要了解一些关键信息,该信息可能会从仪表显示区中弹出,甚至可以投射到挡风玻璃上。挡风玻璃上的图像也可以被用作导航系统的一部分,向驾驶员显示正确的转弯方向或说明汽车在即将到来的路口需要驶入哪条车道。


后视镜的换代是另一个主要的、潜在的发展方向。一些新型汽车已经在开发中,其上的后视镜已被可显示来自不同摄像头视图的屏幕取代。与传统的后视镜

[1] [2]
关键字:自动驾驶  GPU  神经网络  传感器 编辑:鲁迪 引用地址:幸运时时彩平台http://news.sonata9.com/qcdz/ic484196.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:芯片设计如何跑赢汽车电子系统的安全性和可靠性竞赛?
下一篇:特斯拉“亮剑”全自动驾驶三大杀手锏

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

硅谷自动驾驶五大家族“圈地”简史
自从汽车诞生以来,人类对自动驾驶的想象从未停止。“人类应该从驾驶中脱离出来。”1940年工业设计师诺曼·贝尔·盖德斯曾设想,通过自动驾驶公路,在一定范围内可以使汽车自动按照轨迹和程序行进。这一构想在后来的研究中被否定,但在过去的十年里,自动驾驶已经被视为改变未来出行方式的关键方向。对新技术最为包容的硅谷孵化的无数自动驾驶公司,向这颗代表人工智能最高水平的明珠发起猛烈攻势。业界将Waymo、Cruise、Argo AI、Aurora和Zoox并称为硅谷自动驾驶“五大家族”,他们在技术和规模上处于领先地位,也是资本热捧的对象。回望这些“先驱者”的发展历程,我们会发现:他们都来自2004年至2007年的某一场DARPA自动驾驶挑战赛
发表于 2020-07-28
硅谷<font color='red'>自动驾驶</font>五大家族“圈地”简史
电动汽车也能无线充电?国标委发布4项国家标准
要求、通信协议、测试要求及试验方法、互操作性要求及测试方法、施工验收、运行维护等。除本次发布 4 项国家标准外,还有 4 项国标正在编制过程中。 尽管有线充电是一种常态,但很难想象在电力驱动、自动驾驶的未来中还会如此。在没有任何物理连接的情况下,将电子传递到汽车电池中,无线充电可解决当前的电子出行挑战,并为供应商提供竞争优势。 汽车无线充电是在充电位置中内嵌一个初级线圈,通电时产生磁场,在连接到被充电设备电池的次级线圈中感应产生电流。当初级线圈和次级线圈彼此处于最佳距离时,即可获得最佳充电效果。从类型看,又分为电磁感应充电(需精准对位)和磁场共振充电(无需完全对准,适用于高功率)。电磁感应充电在初级线圈上提供一定
发表于 2020-07-28
电动汽车也能无线充电?国标委发布4项国家标准
LeddarTech固态LiDAR技术提升自动驾驶送货车辆安全性
自动驾驶车辆和高级驾驶辅助系统环境传感解决方案的行业领先企业LeddarTech®祝贺COAST Autonomous首次在德克萨斯布拉基特维尔附近的金尼郡铁路港(KCRP)自动配送车辆(ADV)中部署Leddar™ Pixell。KCRP是加利福尼亚Harbor Rail Services Company经营的多个铁路车场之一。COAST Autonomous选择LeddarTech具有360度车辆覆盖的Leddar Pixell Cocoon LiDAR作为本项目的供应商。 由自动驾驶行业的资深人士创立的COAST Autonomous之所以选择LeddarTech的技术,是因为它能够为COAST
发表于 2020-07-28
LeddarTech固态LiDAR技术提升<font color='red'>自动驾驶</font>送货车辆安全性
领先Tier1座舱业务研究:智能座舱发展的八个趋势
高度自动驾驶面临技术、法律法规等诸多挑战,同时 5G 网络和路侧基础设施的铺设也需要比较长的时间,在等待自动驾驶技术完全成熟前,“智能座舱”的热度明显提升,采用全新设计概念的“智能座舱”对于消费者的吸引力相比自动驾驶技术更高。 全球主机厂和 Tier1 目前正积极探索“智能座舱”新技术落地,预计未来 2-3 年我们将看到众多智能座舱产品落地。结合 2020 年美国 CES 展,我们总结出了智能座舱创新的几个关键方向: (1)座舱域控制器:下一代智能座舱系统以座舱域控制器为中心,在统一的软硬件平台上实现座舱电子系统功能,融入交互智能、场景智能、个性化服务的座舱电子系统,将是人车交互、车与外界互联的基础。 
发表于 2020-07-27
领先Tier1座舱业务研究:智能座舱发展的八个趋势
幸运时时彩平台针对我国汽车操作系统未来发展情况提出的三点建议
随着自动驾驶技术兴起,汽车正日益成为继电脑、智能手机之后的一种“大型”互联网智能终端。未来整个汽车硬件架构的改变会带来软件乃至底层虚拟化技术的彻底改变,而软件的核心就是操作系统。国外:操作系统成熟近年来,国外供应商面向整车企业推出了各具特色的操作系统。微软在1995年推出基于Windows CE的Windows Auto项目,进入汽车智能操作系统领域。福特、起亚、日产以及菲亚特等汽车企业都采用基于Windows Embedded Automotive 7开发的操作系统。Windows CE是嵌入式系统的底层系统,具备各种基本的计算能力与数据端口。具有稳定性、可塑性特点及拓展功能,但随着移动互联网兴起,受限于非开放性影响,起亚已经转
发表于 2020-07-25
针对我国汽车操作系统未来发展情况提出的三点建议
美研究人员研发一种解锁大量自动驾驶数据的新方法
为了安全起见,自动驾驶汽车必须能够准确地跟踪周围的行人、自行车和其他车辆的运动。现在,据外媒报道,美国卡内基梅隆大学(Carnegie Mellon University)研发了一种新方法,可更高效地训练此类跟踪系统。一般而言,用于训练跟踪系统的道路数据和交通数据越多,结果就会越好。为此,卡内基梅隆大学的研究人员研发了一种新方法,用于解锁大量的自动驾驶数据。大多数自动驾驶汽车主要依赖一种称为激光雷达的传感器进行导航。激光雷达是一种产生有关车辆周围环境3D信息的激光设备,此种3D信息不是图像,而是点云。车辆采用一种称为场景流的技术了解此类数据,其中包括计算每个3D点云的速度和轨迹。一起移动的点云组通过场景流被释义为车辆、行人
发表于 2020-07-24
美研究人员研发一种解锁大量<font color='red'>自动驾驶</font>数据的新方法
小广播
换一换 更多 相关热搜器件
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 © 2005-2020 EEWORLD。com。cn, Inc。 All rights reserved
北京pk10 北京pk10 500彩票网 山东群英会出号走势图 小米彩票开户 亿信彩票导航网 吉林快3 幸运时时彩 亿信彩票平台 大发时时彩