深度学习人工智能在无人驾驶上的应用
公司内部编号：（GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-
深度学习人工智能在无人驾驶上的应用
摘要⑹錾疃妊习的概念及深度学习人工智能在环境感知技术上的应用，详细阐述深度学习的工作原理以及其应用前景。
关键词人工智能无人驾驶环境感知技术深度学习
中图分类号：TP29 文献标识码：A
机器深度学习是近年来在人工智能领域的重大突破之一，它在语音识别、自然语言处理、计算机视觉等领域都取得了不少成功。由于车辆行驶环境复杂，当前感知技术在检测与识别度方面无法满足无人驾驶发展需要，深度学习被证明在复杂环境感知方面有巨大优势。
视觉感知技术是无人驾驶的核心技术。
无人驾驶一般包括四个等级或者五个等级，不管哪个等级都会包含环境感知、规划决策和执行控制等三个方面。其中环境感知方式主要有视觉感知、毫米波雷达感知和激光雷达感知，其中的视觉感知是无人驾驶感知的最主要的方式。
中国的路况较为复杂，雨天、雾霾天以及下雪天。另外，像马车、吊车以及摩托车，还有摩托车拉猪、卡车拉树的现象在我们生活中经常遇到，这些场景对视觉是一个难题，提高这种复杂路况下的感知精度是无人驾驶研究的挑战。
1深度学习能够满足复杂路况下视觉感知的高精度需求
深度学习被认为是一种有效的解决方案，深度学习是模拟人的大脑，是近10年来人工智能取得一个较大的突破。深度学习在视觉感知中近几年应取得了较大的进展，相对于传统的计算机视觉，深度学习在视觉感知精度方面有比较大的优势。
特别是2011年以后，有报导指出深度学习如果算法和样本量足够的话，其准确率可以达到%以上，传统的视觉算法检测精度的极限在93%左右。而人的感知，也就是人能看到的准确率一般为95%，所以从这个方面看，深度学习在视觉感知方面是有优势的。
所谓深度学习，又名深度神经网络，相对于以前的神经网络来说是一种更多层和节点的神经网络机器学习算法，从这儿可以看出来，其实深度学习是一种机器学习，可以说是一种更智能的机器学习。深度学习主要类型一般包括5种类型，像CNN、RNN、LSTM、RBM和Autoencoder，其中我们主要的是用的CNN，CNN 另外一个名字叫卷积神经网络。卷积神经网络已经被证明在图像处理中有很好的效果。
其中，自学特征是深度学习的最大优势。例如智能驾驶需要识别狗，在以前的算法中如果要识别狗，对狗的特征要用程序来详细描述，深度学习这个地方如果采集到足够的样本，然后放在深度学习中训练，训练出来后的系统就可以识别这个狗。传统的计算机的视觉算法需要手工提取特征，很多时候需要专家的知识，算法的鲁棒性设计非常困难，很难保证鲁棒性，我们做视觉感知的时候就遇到很多困难。另外如果要保证这个稳定需要大量的调试，非常耗时。
深度学习一般包括四种类型的神经网络层，输入层、卷积层、池化层、输出层。网络的结构可以10层甚至上百层，一般层数越多检测精度会更精准。并且随着网络层数和节点数的增加，可以表达更细、更多的识别物的特征，这样的话可以为检测精度的提高打下基础。
其中卷积层和池化层是深度学习的核心处理层。卷积层主要是用于负责物体特征的提取；池化层主要是负责采样。比如简单理解池化层，（就是一个数独里面取一个最大值），这就是池化层。卷积层与池化层是深度学习两个核心的层。
深度学习工作的原理，深度学习一般包括两个方面，一个是训练，一个是检测，训练一般主要是离线进行，就是把采集到的样本输入到训练的网络中。训练网络进行前向输出，然后利用标定信息进行反馈，最后训练出模型，这个模型导入到检测的网络中，检测网络就可以对输入的视频和图像进行检测和识别。通常情况下，样本的数量越多，识别的精度一般也会越高，所以这个样本的数量是影响深度学习精度重要的一个因素。
2深度学习在无人驾驶感知上应用前景广阔
一般的环境感知方面用到的深度学习会多一些，主要是视觉与毫米波雷达方面。在驾驶策略里面也会用到机器学习，但是我们一般叫做增强学习，用于驾驶策略的研究。在环境感知方面，深度学习可以在视觉感知、激光雷达感知，还有驾驶员状态监测等方面，甚至在摄像头和毫米波雷达融合方面都具有优势。
在环境感知方面，我们在这方面做的重要工作就是前向视觉感知应用。大家知道前向视觉感知是作为无人驾驶很重要的一部分，我们尝试深度学习在这方面一些应用。主要采用了单目摄像头的方案，选用的模型是Faster R-CNN，在GPU TITAN 平台上运行。目标检测物主要包括车道线、车辆、行人、交通标识和自行车，目前车辆的样本有3万左右，行人样本大概2万左右，其他的样本较少，大概1000―2000。从运行效果来看，识别精度、识别类型较以前开发的一些传统的视觉算法，我们觉得有比较大的改善。
3结论
深度学习人工智能给车主提供了更人性化、更智能化的功能，将给车主行车带来极大的便利。但人工智能技术带来的挑战也不可小觑。需要汽车行业的及互联网行业的人才一起努力，创建和谐的互联网环境。
参考文献
[1] 王建军，李世威，曾俊伟.车联网发展模式分析[J].计算机技术与发展，2011，21（12）：1-3.
[2] 杨震.物联网发展研究[J].南京邮电大学学报，2010，12（02）：1-4.
深度学习人工智能在无人驾驶上的应用 公司内部编号：（GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-
深度学习人工智能在无人驾驶上的应用 摘要⑹錾疃妊习的概念及深度学习人工智能在环境感知技术上的应用，详细阐述深度学习的工作原理以及其应用前景。 关键词人工智能无人驾驶环境感知技术深度学习 中图分类号：TP29 文献标识码：A 机器深度学习是近年来在人工智能领域的重大突破之一，它在语音识别、自然语言处理、计算机视觉等领域都取得了不少成功。由于车辆行驶环境复杂，当前感知技术在检测与识别度方面无法满足无人驾驶发展需要，深度学习被证明在复杂环境感知方面有巨大优势。 视觉感知技术是无人驾驶的核心技术。 无人驾驶一般包括四个等级或者五个等级，不管哪个等级都会包含环境感知、规划决策和执行控制等三个方面。其中环境感知方式主要有视觉感知、毫米波雷达感知和激光雷达感知，其中的视觉感知是无人驾驶感知的最主要的方式。 中国的路况较为复杂，雨天、雾霾天以及下雪天。另外，像马车、吊车以及摩托车，还有摩托车拉猪、卡车拉树的现象在我们生活中经常遇到，这些场景对视觉是一个难题，提高这种复杂路况下的感知精度是无人驾驶研究的挑战。 1深度学习能够满足复杂路况下视觉感知的高精度需求 深度学习被认为是一种有效的解决方案，深度学习是模拟人的大脑，是近10年来人工智能取得一个较大的突破。深度学习在视觉感知中近几年应取得了较大的进展，相对于传统的计算机视觉，深度学习在视觉感知精度方面有比较大的优势。
特别是2011年以后，有报导指出深度学习如果算法和样本量足够的话，其准确率可以达到%以上，传统的视觉算法检测精度的极限在93%左右。而人的感知，也就是人能看到的准确率一般为95%，所以从这个方面看，深度学习在视觉感知方面是有优势的。 所谓深度学习，又名深度神经网络，相对于以前的神经网络来说是一种更多层和节点的神经网络机器学习算法，从这儿可以看出来，其实深度学习是一种机器学习，可以说是一种更智能的机器学习。深度学习主要类型一般包括5种类型，像CNN、RNN、LSTM、RBM和Autoencoder，其中我们主要的是用的CNN，CNN 另外一个名字叫卷积神经网络。卷积神经网络已经被证明在图像处理中有很好的效果。 其中，自学特征是深度学习的最大优势。例如智能驾驶需要识别狗，在以前的算法中如果要识别狗，对狗的特征要用程序来详细描述，深度学习这个地方如果采集到足够的样本，然后放在深度学习中训练，训练出来后的系统就可以识别这个狗。传统的计算机的视觉算法需要手工提取特征，很多时候需要专家的知识，算法的鲁棒性设计非常困难，很难保证鲁棒性，我们做视觉感知的时候就遇到很多困难。另外如果要保证这个稳定需要大量的调试，非常耗时。 深度学习一般包括四种类型的神经网络层，输入层、卷积层、池化层、输出层。网络的结构可以10层甚至上百层，一般层数越多检测精度会更精准。并且随着网络层数和节点数的增加，可以表达更细、更多的识别物的特征，这样的话可以为检测精度的提高打下基础。
人工智能在自动驾驶技术中的应用 摘要：随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能等术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。 关键词：人工智能；自动驾驶；智能汽车；图像识别 0. 引言 人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 1. 人工智能在自动驾驶技术中的应用概述 人工智能发展六十年，几起几落，如今迎来又一次热潮，深度学习、计算机
深度学习人工智能在无人驾驶上的应用 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
深度学习人工智能在无人驾驶上的应用 摘要⑹錾疃妊?习的概念及深度学习人工智能在环境感知技术上的应用，详细阐述深度学习的工作原理以及其应用前景。 关键词人工智能无人驾驶环境感知技术深度学习中图分类号：TP29 文献标识码：A 机器深度学习是近年来在人工智能领域的重大突破之一，它在语音识别、自然语言处理、计算机视觉等领域都取得了不少成功。由于车辆行驶环境复杂，当前感知技术在检测与识别度方面无法满足无人驾驶发展需要，深度学习被证明在复杂环境感知方面有巨大优势。 视觉感知技术是无人驾驶的核心技术。 无人驾驶一般包括四个等级或者五个等级，不管哪个等级都会包含环境感知、规划决策和执行控制等三个方面。其中环境感知方式主要有视觉感知、毫米波雷达感知和激光雷达感知，其中的视觉感知是无人驾驶感知的最主要的方式。 中国的路况较为复杂，雨天、雾霾天以及下雪天。另外，像马车、吊车以及摩托车，还有摩托车拉猪、卡车拉树的现象在我们生活中经常遇到，这些场景对视觉是一个
难题，提高这种复杂路况下的感知精度是无人驾驶研究的挑战。 1深度学习能够满足复杂路况下视觉感知的高精度需求 深度学习被认为是一种有效的解决方案，深度学习是模拟人的大脑，是近10年来人工智能取得一个较大的突破。深度学习在视觉感知中近几年应取得了较大的进展，相对于传统的计算机视觉，深度学习在视觉感知精度方面有比较大的优势。 特别是2011年以后，有报导指出深度学习如果算法和样本量足够的话，其准确率可以达到%以上，传统的视觉算法检测精度的极限在93%左右。而人的感知，也就是人能看到的准确率一般为95%，所以从这个方面看，深度学习在视觉感知方面是有优势的。 所谓深度学习，又名深度神经网络，相对于以前的神经网络来说是一种更多层和节点的神经网络机器学习算法，从这儿可以看出来，其实深度学习是一种机器学习，可以说是一种更智能的机器学习。深度学习主要类型一般包括5种类型，像CNN、RNN、LSTM、RBM和Autoencoder，其中我们主要的是用的CNN，CNN另外一个名字叫卷积神经网络。卷积神经网络已经被证明在图像处理中有很好的效果。
人工智能在自动驾驶应用中的5大关键技术分析 随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能技术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。 自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。 本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。 人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。 1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。 五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 人工智能在自动驾驶技术中的应用概述人工智能发展六十年，几起几落，如今迎来又一次
人工智能在奔跑“无人驾驶”即将成为现实-- 李德毅 刚才大家对机器人开车有一点想法，好像总是感觉不靠谱。汽车——这个曾经被称之为改变了世界的机器，今天受到了人们的质疑，最大的问题是，汽车成了人类的第一杀手。我们做一个简单的调查，你的亲人、朋友、亲人朋友的朋友，在这个大朋友圈里，你有没有发现，其中会有一个人曾经受到过汽车事故的伤害？我看到有人点头了，人类开车，更多的情况下，不是汽车的动力学性能不好，而是人有更多的智能要释放，他要看路边的美女好看不好看，结果坏事了，这叫做注意力转移。情绪不稳定，不是我们注意一点就可以的，因为人是个认知主体，他一定要开小差的，他一定要睡眠的，他一定会疲劳的，所以车祸的百分之八十左右都是人为事故，不是车子不好，所以人们对这个人类杀手是耿耿于怀的。我们发明了汽车，为什么让它造成我们的不幸呢？ 人们对汽车的最大意见应该是把驾驶者的活，交给计算机、交给人工智能、交给科学技术。所以我们就千方百计地提高无人驾驶的可靠性、安全性。经过我们的初步估算，人开车的可靠性是十的负三次方，千分之一；而如果改成机器人开车，计算的结果是十的负五次方，比人开车的事故率会降低百分之一，所以安全问题就解决了。 大家都比较关注刚才看到的那些摄像头，这些摄像头大概跟手机的那个摄像头的价格差不多，一两百块钱就可以了。但是，
要想看红绿灯，看高速行驶的障碍物，这个摄像头还是需要有一些特殊能力的，比如说高动态。大家知道摄像头的一个最大问题就是光照，夜间要开车，大雾天也要开车，所以摄像头的难度很大。我想告诉大家光有传感器还不够，这就是认知的作用，智能车本质上就是驾驶认知的形式化，需要一个脑子来认知。 重点是要讲一下驾驶脑。我们去年用一辆大客车和几辆小轿车，从郑州到开封实现了全程的无人驾驶。我们课题组利用这么多年的时间专门从事驾驶脑、驾驶认知的形式化，还是尝到了一些兴奋点，这件事情不是那么容易的。郑州到开封的实验成功之后，美国一个叫做“连线”的网站给我们做了个评论，它说：谷歌那个小车子叫smart car（智能汽车），固然性感，大车子也性感，我才知道智能公交车，还可以用“性感”这个词来形容。在智能驾驶当中，我们实际上走了很多的路程，2012年，我们从北京到天津，在高速公路封闭的道路上做无人驾驶，大家可以看一看这段视频，是三四年前的事情了。 当时的媒体也很震惊，觉得我们从北京到天津无人驾驶很了不起，其实震惊的不应该是这件事，而是我们汽车的头顶上没有顶美国的64线激光雷达。我们用的比较简单的雷达就把它做到了，我觉得这一点还是值得骄傲的。很多开车的朋友都说开车是个乐趣，是人追求惊喜历险的乐趣，我们用上海汽车集团的一辆新概念车叫iGS，做了一个赛车考驾照的科目，叫做十八米绕桩，既要快又不能碰到锥形标。你看（视频），又要快又不能碰到这
人工智能在奔跑——“无人驾驶”即将成为现实? 演讲时间：2016年5月7日 ——人工智能专家李德毅在《开讲啦》第186期的励志演讲稿刚才大家对机器人开车有一点想法，好像总是感觉不靠谱。汽车——这个曾经被称之为改变了世界的机器，今天受到了人们的质疑，最大的问题是，汽车成了人类的第一杀手。我们做一个简单的调查，你的亲人、朋友、亲人朋友的朋友，在这个大朋友圈里，你有没有发现，其中会有一个人曾经受到过汽车事故的伤害?我看到有人点头了，人类开车，更多的情况下，不是汽车的动力学性能不好，而是人有更多的智能要释放，他要看路边的美女好看不好看，结果坏事了，这叫做注意力转移。情绪不稳定，不是我们注意一点就可以的，因为人是个认知主体，他一定要开小差的，他一定要睡眠的，他一定会疲劳的，所以车祸的百分之八十左右都是人为事故，不是车子不好，所以人们对这个人类杀手是耿耿于怀的。我们发明了汽车，为什么让它造成我们的不幸呢? 人们对汽车的最大意见应该是把驾驶者的活，交给计算机、交给人工智能、交给科学技术。所以我们就千方百计地提高无人驾驶的可靠性、安全性。经过我们的初步估算，人开车的可靠性是十的负三次方，千分之一;而如果改成机器人开车，计算的结果是十的负五次方，比人开车的事故率会降低百分之一，所以安全问题就解决了。 大家都比较关注刚才看到的那些摄像头，这些摄像头大概跟手机的那个摄像头的价格差不多，一两百块钱就可以了。但是，要想看红绿灯，看高速行驶的障
碍物，这个摄像头还是需要有一些特殊能力的，比如说高动态。大家知道摄像头的一个最大问题就是光照，夜间要开车，大雾天也要开车，所以摄像头的难度很大。我想告诉大家光有传感器还不够，这就是认知的作用，智能车本质上就是驾驶认知的形式化，需要一个脑子来认知。 重点是要讲一下驾驶脑。我们去年用一辆大客车和几辆小轿车，从郑州到开封实现了全程的无人驾驶。我们课题组利用这么多年的时间专门从事驾驶脑、驾驶认知的形式化，还是尝到了一些兴奋点，这件事情不是那么容易的。郑州到开封的实验成功之后，美国一个叫做“连线”的网站给我们做了个评论，它说：谷歌那个小车子叫smart car(智能汽车)，固然性感，大车子也性感，我才知道智能公交车，还可以用“性感”这个词来形容。在智能驾驶当中，我们实际上走了很多的路程，2012年，我们从北京到天津，在高速公路封闭的道路上做无人驾驶，大家可以看一看这段视频，是三四年前的事情了。 当时的媒体也很震惊，觉得我们从北京到天津无人驾驶很了不起，其实震惊的不应该是这件事，而是我们汽车的头顶上没有顶美国的64线激光雷达。我们用的比较简单的雷达就把它做到了，我觉得这一点还是值得骄傲的。很多开车的朋友都说开车是个乐趣，是人追求惊喜历险的乐趣，我们用上海汽车集团的一辆新概念车叫iGS，做了一个赛车考驾照的科目，叫做十八米绕桩，既要快又不能碰到锥形标。你看(视频)，又要快又不能碰到这个锥形标。智能驾驶是个不可改变的方向，我们人要坐在车里面干什么呢?优雅地享受移动生活呀，这多好呀。 人工智能六十年了，今天我们来看人工智能在我们这一代人身上到底发生了多大的变化。今年AlphaGo围棋跟九段围棋手李世石下了五盘，四比一赢了，
深度学习人工智能在无人驾驶上的应用 摘要? ⑹錾疃妊?习的概念及深度学习人工智能在环境感知技术上的应用，详细阐述深度学习的工作原理以及其应用前景。 关键词人工智能无人驾驶环境感知技术深度学习中图分类号：TP29 文献标识码：A 机器深度学习是近年来在人工智能领域的重大突破之一，它在语音识别、自然语言处理、计算机视觉等领域都取得了不少成功。由于车辆行驶环境复杂，当前感知技术在检测与识别度方面无法满足无人驾驶发展需要，深度学习被证明在复杂环境感知方面有巨大优势。 视觉感知技术是无人驾驶的核心技术。无人驾驶一般包括四个等级或者五个等级，不管哪个等级都会包含环境感知、规划决策和执行控制等三个方面。其中环境感知方式主要有视觉感知、毫米波雷达感知和激光雷达感知，其中的视觉感知是无人驾驶感知的最主要的方式。 中国的路况较为复杂，雨天、雾霾天以及下雪天。另外，像马车、吊车以及摩托车，还有摩托车拉猪、卡车拉树的现象在我们生活中经常遇到，这些场景对视觉是一个难题，提高这种复杂路况下的感知精度是无人驾驶研究的挑战。 1深度学习能够满足复杂路况下视觉感知的高精度需求深度学习被认为是一种有效的解决方案，深度学习是模拟人的大脑，是近10 年来人工智能取得一个较大的突破。深度学习
在视觉感知中近几年应取得了较大的进展，相对于传统的计算机视觉，深度学习在视觉感知精度方面有比较大的优势。 特别是2011 年以后，有报导指出深度学习如果算法和样本量足够的话，其准确率可以达到99.9%以上，传统的视觉算法检测精度的极限在93%左右。而人的感知，也就是人能看到的准确率一般为95%，所以从这个方面看，深度学习在视觉感知方面是有优势的。 所谓深度学习，又名深度神经网络，相对于以前的神经网络来说是一种更多层和节点的神经网络机器学习算法，从这儿可以看出来，其实深度学习是一种机器学习，可以说是一种更智能的机器学习。深度学习主要类型一般包括5 种类型，像CNN RNN LSTM RBM和Autoencoder，其中我们主要的是用的CNN CNF另外一个名字叫卷积神经网络。卷积神经网络已经被证明在图像处理中有很好的效果。 其中，自学特征是深度学习的最大优势。例如智能驾驶需要识别狗，在以前的算法中如果要识别狗，对狗的特征要用程序来详细描述，深度学习这个地方如果采集到足够的样本，然后放在深度学习中训练，训练出来后的系统就可以识别这个狗。传统的计算机的视觉算法需要手工提取特征，很多时候需要专家的知识，算法的鲁棒性设计非常困难，很难保证鲁棒性，我们做视觉感知的时候就遇到很多困难。另外如果要保证这个稳定需要大量的调试，非常耗时。
学术研讨97浅析人工智能背景下 无人驾驶的发展?南京邮电大学刘瑜 扬州大学刘苏 随着人工智能高速发展与应用，迎来以无 人驾驶为代表的智能技术时代。本文介绍了无 人驾驶发展现状，重点分析无人驾驶汽车的三 大核心模块和四个关键算法，最后总结了无人 驾驶存在的问题并展望无人驾驶发展方向。 近年来，人工智能已被提升到国家发展战略的高度。《新 一代人工智能发展规划》中指出，人工智能发展进入新阶段成 为国际竞争的新焦点。在此背景下无人驾驶作为未来汽车工业 的发展方向，是人工智能应用的主要场景。 无人驾驶是指通过给车辆装备智能软件和多种感应设备，实现车辆自主安全驾驶的新型智能化技术?。美国汽车工程学会 (SAE)将自动驾驶分为L0-L5六级，分别为无自动化、辅助驾 驶、部分自动化、有条件自动化、高度自动化和完全自动化。目前，L1和L2技术已相对成熟，L3技术即将量产，202碑将成为无人驾驶汽车落地的重要时间节点。为实现无人驾驶终极目 标L5级，业界有两种技术发展路径一是以特斯拉为首的汽车 制造商，以辅助驾驶为核心，从L0?过辅助驾驶系统不断升级 逐步过渡到L5;二是以谷歌为主的互联网公司，从L0直接跨度 到L4,在相对封闭的环境中实现无人驾驶，再向全环境全路况 的L5普及。 本文主要包括#部分，第一部分介绍无人驾驶的国内外发 展现状，第二部分分析无人驾驶的三大核心模块，第三部分研 究无人驾驶的四个关键算法，第四部分和第五部分总结了无人 驾驶存在问题并做出前景展望。 1无人驾驶发展现状 1.1国外发展现状 1950年代，开始无人驾驶车辆的研究。1956年，通用公司 发布世界上第一辆配备了汽车安全及自动导航系统的概念车；20世纪60、70^代，西方发达家将无人驾驶研究应用于军事领 域；20世纪90年代开始，技术的突破带动无人驾驶汽车的快速 发展；2004年，美国国防部主办了无人驾驶进程中最重要的挑 战赛，三届比赛对后来的技术发展产生了深远的影响；2009 年，Google为代表的各大公司陆续开始无人驾驶技术的研究，拉开了产业序幕。近年来，Google、Tesla、Uber等科技公司一 直不遗余力地开发无人驾驶技术。此后，大众、通用等传统汽 车公司也纷纷加入无人驾驶的研发中。 1.2国内发展现状 我国无人驾驶汽车研究开始较晚。198(阵，以国防科技大 学为主开始进行此方面的研究。2003年，国防科技大学完成无 人驾驶平台试验，标志着我国第一辆自主驾驶汽车的诞生。2006年，在东北亚的贸易博览会上，中国研发的无人驾驶汽车 在不封路的情况下，以8讼里每小时的速度自主行驶。2012年底，由军事交通学院研制的无人驾驶汽车成为我国第一辆官方 认证完成高速公路测试的无人驾驶智能汽车。近年来，国内的 BAT、华为等科技巨头正积极研发无人驾驶汽车。百度全力押 注人工智能，无人驾驶技术处于领先水平，更是在2018年发布 “Apollo计划”开放无人驾驶技术平台。阿里、华为则更多的 聚焦在汽车网賴面。 2无人驾驶核心模块 无人驾驶是一个集环境感知、决策规划、智能驾驶等功能 于一体的系统，主要分为三个核心模块：环境感知、高精度地 图和智能决策控制。环境感知模块为无人驾驶提供环境信息采 集与预处理。高精度地图模块为无人驾驶提供精确的定位与全 局路径规划。智能决策控制模块依据前两个模块提供的数据，自主产生合理驾驶决策，实时完戰动作删。 2.1环境感知 无人驾驶环境感知是实现自主行驶的基础和前提。由于复 杂的行车环境，无人驾驶汽车需要使用多种传感器融合技术来 克服单一传感器测量的不足，从而实现无人驾驶环境信息和车 身信息的采集与预处理?。目前车载传感器有摄像头、激光雷 达、毫米波雷达、超声波雷达和GPS等。 无人驾驶主要通过摄像头、激光雷达和毫米波雷达三大传 感器融合。摄像头为无人驾驶汽车提供重要的可视化数据，结 合图像识别技术的环境感知能快速识别车道、车辆、行人和交 通标志等。摄像头系统由摄像头模组、核心算法芯片以及软件 算法等软硬件组成。激光雷达通过发射激光束来探测目标位 置、速度等，进行车辆周围环境的3D建模并生成高精度地图以 及实时定位。毫米波雷达利用电磁波发射后遇到障碍物反射的 回波对其不断检测，计算出与周围障碍物的相对速度和距离。摄像头、激光雷达和毫米波雷达分别有各自的优缺点和应用范 围，如表1所示。 传感器优缺点应用 摄像头 成本低廉、数据可视化；三维信息获取困 难、受环境光限制比较大 车道线检车、障碍物检测、 交通标识识别（如车牌、 P艮速牌、红绿灯） 激光雷达 探测距离较远、三维信息获取准确、稳定 性高；成本较高、速度不敏感 路沿检测、障碍物识别、 定位以及地图的创建 毫米波雷达 测距测速精度高、穿透率强、耐候性好； 无法识别障碍物形态 障碍物测距、障碍物测速、 障碍物测角度 表1三种传感器的区别
2020年典型人工智能产品试题及答案 练习一：智能无人驾驶车 1、(单选，10分) 无人驾驶汽车是一种智能汽车，也可以称之为（）移动机器人。 A、腿式 B、履带式 C、轮式 D、铲式 答案：C 2、(单选，10分) 自动驾驶发展的第3个阶段是（） A、驾驶辅助 B、辅助驾驶 C、高度自动驾驶 D、无限制驾驶 答案：C 3、(单选，10分) （）可以在车道偏离预警系统LDWS的基础上对刹车的控制协调装置进行控制。 A、红外线扫描器 B、车道保持系统 C、天气识别系统 D、ABS 答案：B 4、(单选，10分)
百度无人车技术的中间层的作用是（D） A、数据收集 B、数据挖掘 C、人机交互 D、感知和定位 答案：D 5、(单选，10分) 5. 谷歌无人车前置雷达传感器可准确得到汽车运行的（） A、速度 B、定位 C、能耗 D、时间 答案：A 6、(单选，10分) 百度无人车的人工智能技术包括语音识别、图像识别和（） A、天气识别 B、5G联网 C、健康监控 D、云端深度学习 答案：D 7、(单选，10分) 将无人驾驶车做成一间间等待出售或出租的店铺，这种模式是（） A、Google无人车 B、丰田的e-Palette无人车
C、京东小e D、菜鸟无人车 答案：B 8、(单选，10分) 行驶数据隐私防护应从（）个人和技术三方面入手。 A、法律 B、道德 C、研究 D、资源 答案：A 9、(单选，10分) 百度无人车自动驾驶定位精度高于GPS定位精度。 A、正确 B、错误 答案：A 10、(单选，10分) 激光测距系统利用路边发射的激光来测量无人车离路边的距离。 A、正确 B、错误 答案：B 练习二：智能无人机 1、(单选，10分) 按飞行平台结构分类，以下不属于无人机种类的是（） A、固定翼无人机
2019年度人工智能与健康试题及答案 一、单选题 1.生物特征识别技术不包括（）。（ 2.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A √答对 2.关于专用人工智能与通用人工智能，下列表述不当的是（）。（2.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 我的答案：D √答对 3.MIT教授Tomaso Poggio明确指出，过去15年人工智能取得的成功，主要是因为（）。（2.0分） A.计算机视觉 B.语音识别 C.博弈论 D.机器学习 我的答案：D √答对 4.在高血压诊断标准的变迁史上，（）将高血压的诊断标准定为 210/100mmHg以下更受益。（2.0分） A.1949年
B.1984年 C.1993年 D.2016年 我的答案：D ×答错 5.在国际评判健康的标准中，空腹血糖值低于（）才是健康的。（2.0分） A.90mg/dl B.95mg/dl C.100mg/dl D.110mg/dl 我的答案：C √答对 6.人工智能是（）的一个分支，它试图揭示人类智能的实质和真相，并以模拟人类智能的方式去赋能机器，使机器能够模拟人类的智能进行学习、思维、推理、决策和行动。（2.0分） A.自然科学 B.社会科学 C.语言科学 D.计算机科学 我的答案：D √答对 7.《“健康中国2030”规划纲要》中提到，全民健康是建设健康中国的（）。（2.0分） A.必然要求 B.基础条件 C.核心要义 D.根本目的 我的答案：D √答对