鄧瑞
摘 要:在科技社會不斷發(fā)展條件下,無人駕駛汽車在交通運輸行業(yè)中地位層次逐漸提高。為滿足無人駕駛汽車安全運行要求,深度學(xué)習在無人駕駛汽車領(lǐng)域的應(yīng)用具有重要的作用,為避免無人駕駛汽車運行缺陷和運行安全問題提供了理論基礎(chǔ)。本文將針對無人駕駛汽車展開研究,首先簡要概述深度學(xué)習,之后闡述無人駕駛汽車的基礎(chǔ)理論,最后介紹深度學(xué)習在無人駕駛汽車中的應(yīng)用,使深度學(xué)習優(yōu)勢和現(xiàn)實作用得以體現(xiàn)。
關(guān)鍵詞:深度學(xué)習;無人駕駛汽車;行人避讓
0 引言
盡管無人駕駛汽車對于推動我國交通運輸行業(yè)向著現(xiàn)代化方向發(fā)展有重要作用,但是不可否認無人駕駛汽車在實際運行過程中還存在一些問題,這就應(yīng)在考慮各項基礎(chǔ)因素條件下強化深度學(xué)習在無人駕駛汽車中應(yīng)用力度,降低無人駕駛汽車在運行過程中出現(xiàn)安全問題的可能性。加強深度學(xué)習算法原理在自動駕駛領(lǐng)域中的應(yīng)用,發(fā)揮深度學(xué)習在無人駕駛汽車中作用效果,以更好的保障無人駕駛汽車實際運行安全和穩(wěn)定性。
1 深度學(xué)習的概述
深度學(xué)習概念源于人工神經(jīng)網(wǎng)絡(luò)研究,是機器學(xué)習研究中一個新領(lǐng)域,其動機在于建立、模擬人腦進行分析學(xué)習神經(jīng)網(wǎng)絡(luò),通過組合底層特征形成更加抽象表示屬性類別或特征,以發(fā)現(xiàn)數(shù)據(jù)分布式特征表示;它模仿人腦機制來解釋數(shù)據(jù),例如圖像、聲音和文本等。深度學(xué)習可以自動地從學(xué)習樣本中學(xué)習特征,卷積神經(jīng)網(wǎng)絡(luò)、基于多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)為深度學(xué)習領(lǐng)域的典型訓(xùn)練模型。改善了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練機制,其訓(xùn)練機制為采用無監(jiān)督訓(xùn)練過程初始化各層參數(shù)、基于無監(jiān)督訓(xùn)練過程得到的各層參數(shù)進行有監(jiān)督學(xué)習的訓(xùn)練過程,得到優(yōu)化模型,克服了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)算法中出現(xiàn)的陷入局部最小、過擬合等問題。
2 無人駕駛汽車的基礎(chǔ)理論
對無人駕駛汽車展開研究,汽車無人駕駛系統(tǒng)基本上是由激光測距儀、視頻攝像頭、車載雷達、微型傳感器和電腦處理系統(tǒng)共同組成。將多傳感器信息相融合,提高場景識別能力,能夠強化無人駕駛汽車運行效果和安全水平。同時應(yīng)對無人駕駛汽車運行過程中各項數(shù)據(jù)信息展開有效處理,保證車與車、人與車之間距離合理性和安全性,確保無人駕駛汽車可以自主進行決策,避免無人駕駛汽車與其他車輛或障礙物之間距離過小而出現(xiàn)安全問題。
3 深度學(xué)習在無人駕駛汽車領(lǐng)域中應(yīng)用
3.1具體應(yīng)用要求
為保證深度學(xué)習在無人駕駛汽車領(lǐng)域的應(yīng)用,應(yīng)在考慮無人駕駛汽車實際運行要求條件下收集相關(guān)數(shù)據(jù),并在各項數(shù)據(jù)信息支持下對第一層開展無監(jiān)督學(xué)習,以此強化各項數(shù)據(jù)信息聚類效果,并按照各項數(shù)據(jù)信息劃分類型對其展開有效判斷,確保無人駕駛汽車運行中第二層節(jié)點閾值調(diào)整水平和基礎(chǔ)數(shù)據(jù)輸入效果有所提升。在大量數(shù)據(jù)信息支持下對無人駕駛汽車運行中每一層網(wǎng)絡(luò)開展無監(jiān)督學(xué)習時,必須保證各層次監(jiān)督學(xué)習訓(xùn)練效果和高層次數(shù)據(jù)信息輸入力度,降低各項數(shù)據(jù)信息在實際輸入過程中出現(xiàn)各項問題可能,更為有效地強化深度學(xué)習在無人駕駛汽車中應(yīng)用力度和現(xiàn)實作用,提高無人駕駛汽車運行安全性和綜合價值。
3.2行人及障礙物避讓
行人及障礙物避讓是基于獲取的行人及障礙物的距離、位置、運動方向等數(shù)據(jù)信息和/或圖像信息,自動控制無人車的速度、轉(zhuǎn)向、制動以安全的避讓行人或障礙物;如果無人駕駛汽車前方有行人或障礙物,就應(yīng)要求無人駕駛汽車及時進行自動決策實現(xiàn)安全避讓,對傳感器獲取的行人或障礙物的數(shù)據(jù)進行處理,實現(xiàn)無人駕駛汽車加、減速及轉(zhuǎn)向控制,避免在運行過程中出現(xiàn)交通安全事故。基于卷積神經(jīng)網(wǎng)絡(luò)生成無人車的自主避讓決策能夠提高控制精度,進而提高無人車的安全性;建立卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析模型,將車載攝像裝置的采集的原始圖像信息作為輸入數(shù)據(jù),以無人車的轉(zhuǎn)向、速度控制、制動踏板控制為輸出層,建立數(shù)據(jù)分析模型,采集駕駛員的操控數(shù)據(jù)作為樣本數(shù)據(jù),用樣本庫數(shù)據(jù)訓(xùn)練模型確定模型參數(shù)同時還應(yīng)在深度學(xué)習支持下強化無人駕駛汽車不同運行距離監(jiān)督控制力度,有效調(diào)整無人駕駛汽車與行人之間距離,使得無人駕駛汽車與行人之間距離達到合理狀態(tài),避免無人駕駛汽車在實際運行過程中因整體決策效果低下而出現(xiàn)撞到行人或障礙物的現(xiàn)象。利用深度學(xué)習對無人駕駛汽車行人及障礙物的避讓過程進行決策,發(fā)揮無人車自動避讓技術(shù)在無人駕駛汽車運行中作用效果,以提高安全性。
3.3場景分類識別
無人駕駛汽車的安全性是該領(lǐng)域的重要問題,無人駕駛汽車的場景識別對行車安全性有著重要的影響,無人駕駛汽車的場景識別能力亟需提高。無人駕駛車輛的場景識別是指通過雷達傳感器、車載攝像裝置獲取道路及道路周邊的數(shù)據(jù)信息,經(jīng)過圖像及數(shù)據(jù)處理識別道路以及道路中的車輛及行人。隨著深度學(xué)習在圖像、聲音領(lǐng)域研究中不斷取得的進展,尤其是卷積神經(jīng)網(wǎng)絡(luò)理論研究的發(fā)展,使其在無人駕駛車輛的場景識別中具有重要的作用。通過卷積神經(jīng)網(wǎng)絡(luò)對車載攝像裝置捕捉的圖像信息進行圖像分割、自學(xué)習特征提取,通過提取圖像中的特征信息識別目標的屬性,輸出場景類別數(shù)據(jù),實現(xiàn)道路場景的分類識別,從而為無人駕駛車輛的自動控制決策提供重要的依據(jù)。
4 結(jié)語
就無人駕駛汽車而言,強化深度學(xué)習在其中應(yīng)用力度,不僅可以改善無人駕駛汽車在實際行駛過程中出現(xiàn)問題,對于無人駕駛汽車綜合控制能力和安全效果也有極其重要作用。這就應(yīng)保證無人駕駛汽車遠程操控人員對深度學(xué)習模式有所了解,確保深度學(xué)習在無人駕駛汽車中應(yīng)用價值得以體現(xiàn)。上文還介紹了深度學(xué)習在無人駕駛汽車領(lǐng)域中,關(guān)于場景識別以及自動避讓技術(shù)方面的應(yīng)用,借以保證深度學(xué)習在無人駕駛汽車管理和安全行駛過程中發(fā)揮最大作用。
參考文獻
[1]尹訓(xùn)俊,郭曉林.基于5G通信技術(shù)下的汽車無人駕駛技術(shù)探討[J].汽車實用技術(shù),2020(12):15-17.
[2]孫嘉浩,陳勁杰.基于強化學(xué)習的無人駕駛仿真研究[J].農(nóng)業(yè)裝備與車輛工程,2020,58(06):102-106.
[3]李世凱,劉明旭.無人駕駛汽車安全性分析[J].內(nèi)燃機與配件,2020(09):220-221.
[4]蘇保國.無人駕駛汽車的先進技術(shù)與發(fā)展[J].內(nèi)燃機與配件,2020(09):236-238.