深度學(xué)習(xí)理論在智能小車中的應(yīng)用與研究

解放軍炮兵防空兵學(xué)院 米天峰

1.引言

隨著人工智能、機(jī)器學(xué)習(xí)、模式識別、物聯(lián)網(wǎng)等計算機(jī)技術(shù)的發(fā)展，汽車電子也得到了極大的改進(jìn)，智能小車已經(jīng)擴(kuò)展了傳統(tǒng)意義的交通乘用工具，開始向多元化綜合應(yīng)用領(lǐng)域發(fā)展，并且人工智能技術(shù)的應(yīng)用也促使了汽車動力性、經(jīng)濟(jì)性越來越高，行駛安全性越來越好，功能應(yīng)用更加廣泛，具有重要的作用和意義[1]。本文詳細(xì)地描述深度學(xué)習(xí)在智能小車研發(fā)中的應(yīng)用，同時結(jié)合智能小車的應(yīng)用現(xiàn)狀探索和展望了人工智能技術(shù)結(jié)合程度，更好地研發(fā)、制造、生產(chǎn)智能性汽車，確保人類社會的交通運(yùn)輸、探險探索安全可靠。

2.深度學(xué)習(xí)理論

深度學(xué)習(xí)來源于人工神經(jīng)網(wǎng)絡(luò)，包含多個隱藏層的感知器就屬于一個深度學(xué)習(xí)結(jié)構(gòu)，其可以有效地組合底層特征，形成一個更加抽象的高層表示屬性類別或特征，發(fā)現(xiàn)數(shù)據(jù)分布式特征。研發(fā)發(fā)現(xiàn)可以使用多種方式描述深度學(xué)習(xí)的觀測值，比如特征向量、輪廓區(qū)域等，更容易從海量數(shù)據(jù)中進(jìn)行實例學(xué)習(xí)，生成一個準(zhǔn)確的網(wǎng)絡(luò)結(jié)構(gòu)，提高機(jī)器學(xué)習(xí)的準(zhǔn)確度[2]。經(jīng)過多年的普及和使用，深度學(xué)習(xí)已經(jīng)得到了極大的改進(jìn)，引入了更多先進(jìn)技術(shù)，取得了顯著的應(yīng)用成效，比如誕生了置信神經(jīng)網(wǎng)絡(luò)等，同時也廣泛應(yīng)用于圖像識別、語音識別、基因識別、視覺導(dǎo)航等領(lǐng)域，并且吸引了谷歌、百度、騰訊、微軟、阿里巴巴、英特爾等公司研究，并且誕生了越來越多的研究成果，智能小車就是其中關(guān)鍵應(yīng)用領(lǐng)域之一。

3.智能小車應(yīng)用現(xiàn)狀

智能小車是一個集成化的軟硬件平臺，其主要功能包括智能駕駛系統(tǒng)、阿沁防護(hù)系統(tǒng)、位置服務(wù)系統(tǒng)、輔助駕駛系統(tǒng)、信息查詢系統(tǒng)等，主要由三大關(guān)鍵技術(shù)組成，分別是傳感器、控制器和執(zhí)行器，可以利用機(jī)器視覺完成檢測功能，實現(xiàn)激光測距、紅外攝像和雷達(dá)控制，利用TD-LTE或物聯(lián)網(wǎng)等實現(xiàn)通信傳輸，協(xié)調(diào)汽車各個組成軟硬件完成一系列功能[3]。因此，智能小車不僅可以實現(xiàn)自動駕駛功能、娛樂視頻服務(wù)、衛(wèi)星定位服務(wù)，同時還可以實現(xiàn)障礙物排除、深空深海探險功能[3]。

（1）自動駕駛。智能小車?yán)靡曈X導(dǎo)航技術(shù)可以判定周邊車距、障礙物分布情況，然后實現(xiàn)方向自動控制，前進(jìn)、倒車、側(cè)方位停車等，這也是智能小車最基本的功能。

（2）深空深海探險功能。智能小車攜帶各類型的攝像機(jī)，包括網(wǎng)絡(luò)攝像機(jī)或紅外攝像機(jī)，能夠?qū)崿F(xiàn)水下、深空等不同位置的照片拍攝，將這些照片傳輸?shù)椒?wù)器，實現(xiàn)信息加工和處理，以便能夠探索人類未知又無法到達(dá)的世界。

4.深度學(xué)習(xí)理論在智能小車研發(fā)中的應(yīng)用

深度學(xué)習(xí)技術(shù)的發(fā)展和普及，極大地推動了智能小車目標(biāo)檢測的應(yīng)用和研究。深度學(xué)習(xí)在智能小車中的應(yīng)用如下：車載攝像頭可以采集視頻，接著可以針對傳感器或攝像頭采集到的圖像進(jìn)行預(yù)處理，獲取圖像中的車輛、駕駛員或障礙物圖片，標(biāo)定出這些對象的位置、大小。一副圖像或一幀視頻圖像包含的內(nèi)容非常豐富，模式特征也較多，比如直方圖特征、模板各種、顏色特征、結(jié)構(gòu)特征等，圖像檢測就是可以將有價值的信息挑出來，利用這些特征實現(xiàn)對象檢測。圖像識別時，由于申請對象拍攝的照片光線不均勻，因此圖像識別時產(chǎn)生的噪聲數(shù)據(jù)非常多，需要利用二值法、閾值法等針對圖像進(jìn)行預(yù)處理，降低圖像識別時的噪聲數(shù)據(jù)，更加準(zhǔn)確的獲取圖像內(nèi)容。深度學(xué)習(xí)構(gòu)建了多層次的神經(jīng)網(wǎng)絡(luò)提取圖像特征，然后針對特征內(nèi)容進(jìn)行分類，將圖像劃分為背景內(nèi)容、目標(biāo)對象，然后針對圖像進(jìn)行加工，將這些內(nèi)容與數(shù)據(jù)庫中保存的模式進(jìn)行比對，更好的識別申請對象提交的內(nèi)容。這樣就可以更好的完成目標(biāo)檢測。目前智能小車目標(biāo)檢測主要包括兩類，分別是基于區(qū)域的方法和無區(qū)域的方法。區(qū)域深度學(xué)習(xí)技術(shù)采用選擇性搜索策略提取候選區(qū)域，從學(xué)習(xí)網(wǎng)絡(luò)中的每個區(qū)域提取固定長度的特征向量，經(jīng)過多個卷積層和全連接層進(jìn)行處理，可以得到一個高緯度特征向量進(jìn)行分類，這樣就可以獲取區(qū)域高度的交疊。無區(qū)域深度學(xué)習(xí)將目標(biāo)檢測看作是一個回歸問題，其可以估計圖像中的目標(biāo)位置和類型概率，采取深度神經(jīng)網(wǎng)絡(luò)的回歸輸出目標(biāo)輪廓，更加有利于分類特征描述，準(zhǔn)確捕獲目標(biāo)幾何信息。

5.智能小車融合人工智能技術(shù)的探索與展望

智能小車作為人工智能和汽車工業(yè)的緊密結(jié)合體，改變了傳統(tǒng)意義上的汽車概念，促進(jìn)人類社會邁入到了智能駕駛、無人駕駛時代。未來，智能小車將會引入更多的人工智能技術(shù)，為汽車裝上“眼睛”、“大腦”和“腳”，實現(xiàn)獨(dú)立的思考、判斷和行走，比如自動啟動、自動加速、自動剎車、自動繞行障礙物等，同時能夠利用高速圖像處理技術(shù)實時地隨機(jī)應(yīng)變，選擇最佳的執(zhí)行方案，指揮汽車安全可靠行駛。本文經(jīng)過總結(jié)和歸納，認(rèn)為未來人工智能和智能小車的發(fā)展趨勢可能包括以下幾個方面：一是提高目標(biāo)檢測的速度，進(jìn)一步將深度學(xué)習(xí)網(wǎng)絡(luò)與硬件結(jié)合，實現(xiàn)多目標(biāo)處理和微目標(biāo)處理，能夠更好地提升智能小車檢測目標(biāo)物體精確度、可靠度和高速度；二是提高目標(biāo)數(shù)據(jù)檢測背景的分辨能力，隨著攝像機(jī)拍攝視頻圖像的應(yīng)用環(huán)境日趨復(fù)雜，數(shù)據(jù)檢測需要提高未來背景檢測的分辨能力，從高分辨率和高頻度背景中識別目標(biāo)，同時提高人工智能技術(shù)的泛化學(xué)習(xí)能力，避免過度的擬合造成準(zhǔn)確度降低，確保目標(biāo)檢測數(shù)據(jù)多樣化。

6.結(jié)束語

隨著深度學(xué)習(xí)、模式識別等人工智能技術(shù)的發(fā)展，智能小車應(yīng)用日趨成熟，許多汽車工業(yè)公司都開始研制自動轉(zhuǎn)向、加減速、車道引導(dǎo)、自動停車、自適應(yīng)巡航等技術(shù)，這些都依賴于高精尖的人工智能技術(shù)，因此提高深度學(xué)習(xí)的精確度和可靠度，可以更好的將汽車與互聯(lián)網(wǎng)、人工智能結(jié)合在一起，提高智能小車的安全行駛或廣泛應(yīng)用。