研究资讯 应用视角 人工智能在汽车智能驾驶领域的应用
欧亿6蓝狮在线-【官方代理】    2022-07-16 13:46:50    文字:【】【】【

  的结合,是汽车发展的重要表现,同时也是传统驾驶技术的变革。人工智能融入到汽车自动驾驶系统中,提升汽车自动化能力,并且增加感知系统、控制系统,通过有效的系统控制,引导车辆自动驾驶。人工智能与汽车自动驾驶系统的结合,目前很多方面还处于研究阶段,需要结合具体情况,不断进行人工智能完善,以此来推动汽车自动驾驶的发展。

  自动驾驶汽车在20世纪已有数十年的发展历史,自动驾驶行业在当时受到了广泛的关注。经过研制开发,1999年,英国卡基梅大学制作的无人驾驶汽车Lacuna-v完成了第一次无人驾驶试验,伴随着后续多年推广,许多为无人驾驶汽车开放路实验的法规也相继出台,一直至2009年,自动驾驶汽车的图片首次曝光。

  自动驾驶汽车共有6个段别,0级是完全由驾驶员进行驾驶;1级是指特定情况下汽车辅助驾驶完成某些驾驶任务;到了2级是自动驾驶能完成某些驾驶任务,但驾驶员要时刻监视围环境的变化,遇到危险情况需要随时接管,这是目前大多自动驾驶汽车都已做到的自动驾驶技术;3级是驾驶员几乎不用接管,汽车可以智能地完成任务;4和5级是自动技术,汽车已经完全不用驾驶员的控制。4和5级的区别在于4级只有在高速公路等特定条件下才可完全独立,5级则在任何条件下无人操作。

  国外在自动驾驶方面领先的有美国的特斯拉和谷歌,特斯拉的电动汽车被一致认定为属于自动驶3级范略,即在有条件的情况下完成自动化,在一定的环境中有自动驾驶的能力,但遇到紧急情况时还要有人进行管理操作。国内早期在自动驾驶领域开始探索的主要是百度、华为等一些互联网巨头,这些企业都有足够强的技术实力和热情,其中,技术水准发展最好的还是百度。百度早在前几年就逐渐启动开发专案,直到2017年4月,百度宣布了一个计划,要建立一套完整的自动驾驶系统。

  人工智能通过对人的模拟,延伸更多智能科学技术,重点进行计算机科学分析,认清人工智能本质,通过模拟人的行为来控制机器设备。当前人工智能技术越来越成熟,在很多领域开始应用,自动驾驶技术便是重要体现。

  汽车想要实现自动驾驶,离不开传感器的感知与识别。当前,随着人工智能在汽车行业应用的不断深入,传感器种类逐渐增多,识别与感知功能逐渐增强,为汽车自动驾驶提供了助力。当前,自动驾驶汽车常用传感器主要分为以下几类。

  雷达传感器:能够对范围内的障碍物进行精确探测,如:车辆和行人的距离、速度。车载雷达主要利用激光、超声波、毫米波等进行探测。其中,以激光探测的雷达探测范围广泛,准确率较高,成本投入较大;超声波雷达的成本低廉,探测距离较近,精确度并不高;毫米波雷达的成本不高,探测距离也相对较远,虽然精度低于激光雷达,从性价比来看,该种雷达性价比最高,被广泛应用于汽车企业中。

  视觉传感器:主要用来识别车道线与标志牌等,通常采用单双目摄像头、红外线摄像头等进行识别。传感器具有成本少、产品多样化的特点,但是,传感器极易受到光照、遮挡等的影响,因此,提高视觉传感器的探测准确性,具有重要意义。

  在汽车自动驾驶系统中,人工智能的应用,实现了自动驾驶信息共享。在专用通道中,汽车能够将自身位置、车速等信息与其他汽车共享,使其他汽车的自动驾驶系统实时收到信息并及时调整车辆行驶状态,保障汽车行驶的安全性。并且,汽车能够利用摄像机、雷达等技术,实现3D路况感应,检测汽车行驶前方的路况,并调整汽车设置。而科技水平的提升,使得汽车3D路况感应的距离逐渐增大,目前超声波是20m,毫米波是200m,激光是100m。

  同时,人工智能的应用,使汽车实现了自动变速,一旦检测出地形变化,传感器直接将信息传递给车辆自动驾驶系统,汽车自动减速,保障车辆行驶安全。总之,自动驾驶信息共享的数量非常庞大,若不能及时利用并存储数据,极易导致数据丢失,为自动驾驶系统的健康运行带来影响。对此,积极利用大数据挖掘技术,在海量信息中提取价值信息,过滤无用信息,保障信息的充分利用,需要全面发挥人工智能的效果。

  决策规划系统是汽车自动驾驶系统中的重要子系统,也是人工智能在汽车自动驾驶中应用的重要场景。近年来,在规划决策系统中不断融入人工智能技术,即通过自动深度学习,实现对复杂情况的有效决策。

  计算机是自动驾驶汽车的核心,而自动驾驶汽车上的车载计算机与人们日常使用的计算机具有较大差别,因为,在汽车行驶过程中,常出现颠簸、高温、摇晃等状况,在该种状态下,普通计算机很难长时间运行,因此,自动驾驶汽车需要采用工控机,才能充分发挥人工智能的作用。为支撑模块操作系统模块,系统包含了用于模块通信的虚拟交换模块,用于记录日志、检索信息并回放的日志管理模块,用于监控系统运行的监控模块,用于人员与无人驾驶系统交互的交互调试模块。

  在智能决策规划应用中,将深度学习运用到自动驾驶汽车,涵盖了以下步骤:其一,准备相关数据,做好数据预处理工作,选择有效数据结构,存储训练数据;其二,输入数据,无监督学习第一层数据;其三,将第一层数据进行归类并判断;其四,监督学习,调整第二层各节点阈值,http://ahfxb.cn保障数据输入的准确性;其五,通过各类数据,使每层网络能够无监督学习,每次训练一层,将训练结果作为更高一层输入;其六,数据输入后,以监督学习调整各层。如此,为复杂情况决策提供有效数据,充分发挥决策规划的作用。

  目前,人们在进行汽车驾驶中依然是依靠手脚并用的方式来实现汽车操控,然而随着人工智能技术的不断发展,在汽车驾驶领域会逐渐实现脑控驾驶技术,这项技术的实现将彻底解放人们的双手,人们光凭借思维就可以进行汽车控制,这些技术具有超高的发展前景,同时也对智能化进行了重新诠释。脑控驾驶技术利用电脑设备对人类的脑电波进行实时收集,并快速地做出分析与处理,掌握驾驶员的行车意图,从而更加精准地实现智能操控汽车。结合我国当前的脑控技术发展来看,已经逐步完成了岔道、虚线以及斑马线的相关测试,相信不久的将来,这项技术将会实现全面推广。

  在5G时代的推动下,汽车驾驶技术的改革也迎来了一个全新的时代,互联网技术的日益创新也为汽车驾驶技术指明了方向。汽车在驾驶中可以通过互联网技术对各项数据进行实时采集和传输,并通过控制系统对汽车进行智能化控制。第一,智能化语言能够识别驾驶员的各项语音指令,同时快速分析指令内容,作出相应的智能操控,这些技术实现了互联网与大数据的完美配合。现阶段的人工智能化已经应用在汽车打电话和导航以及空调系统控制中,同时各类手势的识别也逐步完善,通过一个简单的手势传递出作者的驾车意图,就可以实现人车交互,从而达到智能化汽车驾驶效果。此外,人脸识别技术也逐步植入汽车系统中,通过人脸生物特征识别,可以更好地实现人车交互,完成汽车智能化驾驶。

  综上所述,汽车自动驾驶系统与人工智能的结合,为汽车自动驾驶系统智能化发展提供了更多技术支持,并且明确了汽车自动驾驶系统的发展方向,尤其是人工智能中的各种算法与Agent技术等的应用,在很大程度上带动了汽车自动驾驶系统的发展。先进智能辅助驾驶系统的设计与应用,极大提升了汽车行业发展速度,增加了汽车发展的竞争力,为汽车行业真正的智能化创造了有利条件。

  本文章由易车号作者提供,易车号仅提供信息发布平台。文章仅代表作者观点,不代表易车立场,如涉侵权请及时与我们联系。

欧亿6蓝狮在线养殖企业 Copyright(C)2009-2010   TXT地图 HTML地图 XML地图