作者：jack lamar
当今汽车认知
自动驾驶汽车的梦想正在成为现实。通过在车辆中实现多个高级驾驶辅助系统（adas），汽车行业对自动驾驶的追求正在稳步推进。当今的新车均已配备多个摄像头、雷达和超声波传感器，实现基于感知的辅助功能，如自动泊车辅助、自动紧急制动、车道保持辅助、驾驶员疲劳警报等。
基于摄像头的感知功能在当今的车辆中至关重要。感知系统的功能与人体具有很强的相似性：摄像头或图像传感器充当车辆的“眼睛”，数据从图像传感器发送到主处理器即“大脑”，它使用各种算法来理解和解释数据，最后，通过发送控制转向、加速器和/或制动的命令（类似“手、脚”）来做出决定。在过去十年中，汽车感知系统已从基本的后视摄像头演变为具有停车辅助功能的全3d环视。人类能力边界随大脑发展得以拓宽，类似地，adas技术进步建立的基础是运行于日益高效的硬件平台上的创新感知算法。
深度学习概述
当今自动驾驶领域最热门的话题之一是“深度学习”，这是机器学习的一个子集。深度学习是一种计算方法，用于根据已经过大量数据训练的神经网络进行准确的分类和预测。神经网络是一组用于识别数据模式的算法。许多adas应用，如前置摄像头感知，使用卷积神经网络（cnn）能够比传统的计算机视觉方法更有效地执行对象检测和分类等任务。在下述示例中（图1），深度学习用于对车辆、道路、标志、行人和背景进行分类，并在输出中直观地将其区分出来。德州仪器的深度学习专业知识促成了包括德州仪器深度学习（tidl）软件框架在内的广泛资源的开发。该框架简化了开发人员的算法培训、开发和移植过程。有关汽车深度学习的更多信息，请阅读我们的博客 “ai在汽车中的应用：实用深度学习”。
图 1：在tda2处理器上使用tidl软件框架进行对象检测和分类的示例
通过深度学习不断发展的汽车感知系统
长久以来，德州仪器始终支持汽车和计算机视觉应用。随着支持这两个领域的技术趋同，开发具有高水平功能安全特性、功效和性能的芯片尤为重要。jacintotdax处理器平台可帮助汽车oem和一级供应商开发和实施adas应用的深度学习算法。专注汽车智能软件公司momenta，最近在其新的感知系统中应用了德州仪器tdax的异构处理器架构，以实现sae l2-l4功能。在该解决方案中将tdax处理器架构、tidl软件框架和momenta的深度学习专业知识和技术相结合，使汽车制造商和一级供应商可以提高的算法网络执行效率，同时保持对于车道、车辆、行人和其它对象的感知的准确性。
了解有关德州仪器如何支持汽车应用和汽车处理器深度学习的更多信息，请阅读博客或访问网站。
(转载请保留)

---