自動駕駛汽車的夢想正在成為現實。通過在車輛中實現多種先進的駕駛員輔助系統（ADAS），汽車行業對於完全自動駕駛的追求正在穩步推進。如今，幾乎所有汽車經銷商的新款車都配備了多個攝像頭、雷達和超聲波感測器，可實現如輔助自動泊車、自動緊急制動、車道輔助行駛、司機疲勞駕駛警報等基於感知的各項功能。
攝像頭的感應功能在如今的車輛駕駛中發揮著必不可少的作用。感知系統的功能與人體具有很大的相似性。攝像頭或圖像感測器充當車輛的“眼睛”，資料從圖像感測器發送到主處理器即人的“大腦”，然後“大腦”使用各種演算法來分析和解讀數據。最後，通過發送控制轉向、加速器或者制動的命令（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協助工具的全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體平臺上的創新感知演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”，這是機器學習的一個子集。深度學習是一種計算方法，用於根據已經過大量資料訓練的神經網路進行準確的分類和預測。神經網路是一組用於識別資料模式的演算法。許多ADAS應用，如前置攝像頭感知應用中，使用卷積神經網路（CNN）會比傳統的電腦視覺方法更有效地執行物件檢測和分類等任務。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）軟體框架。該框架簡化了開發人員的演算法培訓、開發和移植過程。有關汽車深度學習的更多資訊，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軟體框架進行物件檢測和分類的示例
通過深入學習不斷發展的汽車感知系統
德州儀器長久以來一直支援汽車和電腦視覺應用。隨著支援這兩個領域的技術融合，開發具有高水準功能安全性、功效和性能的晶片尤為重要。Jacinto™TDAx處理器平臺可幫助汽車OEM和一級供應商開發和實施ADAS應用的深度學習演算法。一家汽車軟體公司Momenta，最近在其新的感知系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軟體框架和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路效率，同時保持準確感知車道、車輛、行人和其他物件。
要瞭解有關德州儀器如何支援汽車應用和汽車處理器深度學習的更多資訊，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。
