使用深度学习的自动驾驶汽车

无人驾驶汽车毫无疑问将成为未来的标准交通方式。从 Uber 和 Google 到丰田和通用汽车等大公司都愿意投入数百万美元来实现它们，因为未来市场预计将价值数万亿美元。在过去的几年里，我们见证了该领域的巨大发展，Uber、特斯拉、Waymo 的汽车总行驶里程已达 800 万英里。

Uber Google

当然，由于硬件和软件方面的许多不同技术进步（剧透：这是深度学习），无人驾驶汽车现在已成为现实。激光雷达传感器、摄像头、GPS、超声波传感器协同工作，从每个可能的来源接收数据。这些数据使用先进的算法进行实时分析，使自动驾驶功能成为可能。

图片来自《技术评论》

图片来自《技术评论》 图片来自《技术评论》

编程自动驾驶汽车的步骤

形成自动驾驶管道有 5 个基本步骤，顺序如下：

定位感知预测规划控制

定位

定位

感知

感知

预测

规划

规划

控制

控制

定位基本上就是自动驾驶汽车如何准确知道它在世界上的位置。在此步骤中，它们从所有上述传感器（传感器融合）获取数据，并使用一种称为卡尔曼滤波器的技术以最高的精度找到它们的位置。卡尔曼滤波器是一种概率方法，它使用随时间变化的测量值来估计物体位置的状态。另一种广泛使用的技术是粒子滤波器。

定位

卡尔曼滤波器 粒子滤波器 感知是汽车如何感知和理解其环境。这就是计算机视觉和神经网络发挥作用的地方。但稍后会详细介绍。

感知

预测 循环神经网络 路径规划 A* 控制 PID 线性二次调节器 (LQR) 模型预测控制 (MPC) 自动驾驶汽车模拟器 打造自动驾驶汽车

def load_data():

def

( ) : = .