自动驾驶|马斯克：视觉神经网络实现的自动驾驶，安全性超人类十倍以上( 二 ) 访客|知识库|his|功能|机器人

文章插图

然后则是加入有时间概念时间的RNN（Recurrent Neural Network，循环神经网络）以判断移动物体的速度以及对被遮挡物进行预测。RNN体现了“人的认知是基于过往的经验和记忆”的观点，通过记忆来处理任意时序的输入序列，从而对接下来要发生的事情进行预测。比如这里对被遮挡物预测，通过对遮挡前的特征和轨迹的记忆，使得视野被短暂遮蔽的情况下，依然可以预测遮挡视野后的物体运动轨迹，并记录已行驶过的路段的各种路标。
而对于深度信息，在缺少了雷达信息后，则需要通过对大量的有深度标注的相机数据进行训练得到的检测算法来得到。
激光雷达多传感器融合方案
激光雷达多传感器方案是以激光雷达为主导，毫米波雷达、超声波传感器及摄像头作为辅助。通过激光雷达发射激光束，测量激光在发射及收回过程其中的时间差、相位差，从而确定车与物体之间的相对距离，实现环境实时感知及避障功能。摄像头的价格在几十美元左右，而激光雷达则要昂贵的多，这或许也是很多纯视觉流派厂商一个没有说的难言之隐。
商汤智能驾驶研发总监李怡康向澎湃新闻介绍，“我们会做很多种传感器的评测，去找到最适合我们设计需求的传感器方案，然后通过自动化的算法将这些传感器摆放到最合适的地方，从而实现最优的环境信息获取。传感器之间是不在一个坐标系下的，我们通过自动化标定算法将不同传感器的特性及相关关系非常准确地找出来，然后设计融合感知模型，并用大量的感知数据去训练它，最终实现多传感器融合感知。”
自动驾驶底层逻辑是感知、决策、执行三个步骤的结合，对周围环境的周密感知是所有决策的基础，也是自动驾驶汽车的安全保障。在了解周围环境中物体的位置、速度和方向、路面的性质、路缘石的位置、信号（交通、道路标志）等之后，自动驾驶系统则要开始做计划和控制：首先是其他移动物体在接下来的短时间会做什么，然后是根据整体计划（比如规划的通向目的地路线）计划自己要做什么，最后就是告诉汽车要做什么。
【自动驾驶|马斯克：视觉神经网络实现的自动驾驶，安全性超人类十倍以上】(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)