支撑模块包括：虚拟交换模块 ， 用于模块间通信；日志管理模块 ， 用于日志记录、检索以及回放；进程监控模块 ， 负责监视整个系统的运行状态 ， 如果某个模块运行不正常则提示操作人员并自动采取相应措施；交互调试模块 ， 负责开发人员与无人驾驶系统交互 。
某无人驾驶车软件系统架构
除了对外界进行认知之外 ， 机器还必须要能够进行学习 。 深度学习是无人驾驶技术成功地基础 ， 深度学习是源于人工神经网络的一种高效的机器学习方法 。 深度学习可以提高汽车识别道路、行人、障碍物等的时间效率 ， 并保障了识别的正确率 。 通过大量数据的训练之后 ， 汽车可以将收集到的图形 ， 电磁波等信息转换为可用的数据 ， 利用深度学习算法实现无人驾驶 。
在无人驾驶汽车通过雷达等收集到数据时 ， 对于原始的训练数据要首先进行数据的预处理化 。 计算均值并对数据的均值做均值标准化、对原始数据做主成分分析、使用PCA白化或ZCA白化 。 例如：将激光传感器收集到的时间数据转换为车与物体之间的距离；将车载摄像头拍摄到的照片信息转换为对路障的判断 ， 对红绿灯的判断 ， 对行人的判断等；雷达探测到的数据转换为各个物体之间的距离 。
将深度学习应用于无人驾驶汽车中 ， 主要包含以下步骤：
1. 准备数据 ， 对数据进行预处理再选用合适的数据结构存储训练数据和测试元组；
2. 输入大量数据对第一层进行无监督学习；
3. 通过第一层对数据进行聚类 ， 将相近的数据划分为同一类 ， 随机进行判断；
4. 运用监督学习调整第二层中各个节点的阀值 ， 提高第二层数据输入的正确性；
5. 用大量的数据对每一层网络进行无监督学习 ， 并且每次用无监督学习只训练一层 ， 将其训练结果作为其更高一层的输入 。
6. 输入之后用监督学习去调整所有层 。
人工智能在自动驾驶信息共享中的应用
首先 ， 利用无线网络进行车与车之间的信息共享 。 通过专用通道 ， 一辆汽车可以把自己的位置、路况实时分享给队里的其它汽车 ， 以便其它车辆的自动驾驶系统 ， 在收到信息后做出相应调整 。
其次 ， 是3D路况感应 ， 车辆将结合超声波传感器、摄像机、雷达和激光测距等技术 ， 检测出汽车前方约5米内地形地貌 ， 判断前方是柏油路还是碎石、草地、沙滩等路面 ， 根据地形自动改变汽车设置 。
另外 ， 汽车还将能进行自动变速 ， 一旦探测到地形发生改变 ， 可以自动减速 ， 路面恢复正常后 ， 再回到原先状态 。
汽车信息共享所收集到的交通信息量将非常巨大 ， 如果不对这些数据进行有效处理和利用 ， 就会迅速被信息所湮没 。 因此需要采用数据挖掘、人工智能等方式提取有效信息 ， 同时过滤掉无用信息 。 考虑到车辆行驶过程中需要依赖的信息具有很大的时间和空间关联性 ， 因此有些信息的处理需要非常及时 。
人工智能应用于自动驾驶技术中的优势
人工智能算法更侧重于学习功能 ， 其他算法更侧重于计算功能 。 学习是智能的重要体现 ， 学习功能是人工智能的重要特征 ， 现阶段大多人工智能技术还处在学的阶段 。 如前文所说 ， 无人驾驶实际上是类人驾驶 ， 是智能车向人类驾驶员学习如何感知交通环境 ， 如何利用已有的知识和驾驶经验进行决策和规划 ， 如何熟练地控制方向盘、油门和刹车 。
从感知、认知、行为三个方面看 ， 感知部分难度最大 ， 人工智能技术应用最多 。 感知技术依赖于传感器 ， 比如摄像头 ， 由于其成本低 ， 在产业界倍受青睐 。 以色列一家名叫Mobileye的公司在交通图像识别领域做得非常好 ， 它通过一个摄像头可以完成交通标线识别、交通信号灯识别、行人检测 ， 甚至可以区别前方是自行车、汽车还是卡车 。
相关经验推荐
- 智能机器人|超级自动化厂商“精鲲科技”完成B2轮融资
- 华为|搭载L2智能驾驶辅助系统11个高品质扬声器思皓X6即将预售
- 隐形眼镜|东莞成为广东省首个获批人工智能专业副高职称评审权的地级市
- 机器人|人工智能，将取代一切不需要创造力和贪欲的职业，但无法取代人类
- 微波炉|一位发明家用人工智能复活了他想象中的朋友，然后再试图谋杀他
- 特斯拉|特斯拉业绩创纪录 未来重点机器人驾驶和人形机器人擎天柱
- 投影仪|自动对焦和大电量加持，内置智能语音助手！七款便携投影仪推荐
- 自动化|率先冲向C++轮融资，来也科技如何成为RPA+AI的赋能者？
- OPPO|热门岗位：AI人工智能推荐就业数据标注员
- 网络安全|人工智能技术，有望通过协助人类来增强网络安全