深度學習理論在智能小車中的應用與研究

解放軍炮兵防空兵學院 米天峰

1.引言

隨著人工智能、機器學習、模式識別、物聯網等計算機技術的發展，汽車電子也得到了極大的改進，智能小車已經擴展了傳統意義的交通乘用工具，開始向多元化綜合應用領域發展，并且人工智能技術的應用也促使了汽車動力性、經濟性越來越高，行駛安全性越來越好，功能應用更加廣泛，具有重要的作用和意義[1]。本文詳細地描述深度學習在智能小車研發中的應用，同時結合智能小車的應用現狀探索和展望了人工智能技術結合程度，更好地研發、制造、生產智能性汽車，確保人類社會的交通運輸、探險探索安全可靠。

2.深度學習理論

深度學習來源于人工神經網絡，包含多個隱藏層的感知器就屬于一個深度學習結構，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，發現數據分布式特征。研發發現可以使用多種方式描述深度學習的觀測值，比如特征向量、輪廓區域等，更容易從海量數據中進行實例學習，生成一個準確的網絡結構，提高機器學習的準確度[2]。經過多年的普及和使用，深度學習已經得到了極大的改進，引入了更多先進技術，取得了顯著的應用成效，比如誕生了置信神經網絡等，同時也廣泛應用于圖像識別、語音識別、基因識別、視覺導航等領域，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鍵應用領域之一。

3.智能小車應用現狀

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、阿沁防護系統、位置服務系統、輔助駕駛系統、信息查詢系統等，主要由三大關鍵技術組成，分別是傳感器、控制器和執行器，可以利用機器視覺完成檢測功能，實現激光測距、紅外攝像和雷達控制，利用TD-LTE或物聯網等實現通信傳輸，協調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自動駕駛功能、娛樂視頻服務、衛星定位服務，同時還可以實現障礙物排除、深空深海探險功能[3]。

（1）自動駕駛。智能小車利用視覺導航技術可以判定周邊車距、障礙物分布情況，然后實現方向自動控制，前進、倒車、側方位停車等，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，包括網絡攝像機或紅外攝像機，能夠實現水下、深空等不同位置的照片拍攝，將這些照片傳輸到服務器，實現信息加工和處理，以便能夠探索人類未知又無法到達的世界。

4.深度學習理論在智能小車研發中的應用

深度學習技術的發展和普及，極大地推動了智能小車目標檢測的應用和研究。深度學習在智能小車中的應用如下：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行預處理，獲取圖像中的車輛、駕駛員或障礙物圖片，標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、結構特征等，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，因此圖像識別時產生的噪聲數據非常多，需要利用二值法、閾值法等針對圖像進行預處理，降低圖像識別時的噪聲數據，更加準確的獲取圖像內容。深度學習構建了多層次的神經網絡提取圖像特征，然后針對特征內容進行分類，將圖像劃分為背景內容、目標對象，然后針對圖像進行加工，將這些內容與數據庫中保存的模式進行比對，更好的識別申請對象提交的內容。這樣就可以更好的完成目標檢測。目前智能小車目標檢測主要包括兩類，分別是基于區域的方法和無區域的方法。區域深度學習技術采用選擇性搜索策略提取候選區域，從學習網絡中的每個區域提取固定長度的特征向量，經過多個卷積層和全連接層進行處理，可以得到一個高緯度特征向量進行分類，這樣就可以獲取區域高度的交疊。無區域深度學習將目標檢測看作是一個回歸問題，其可以估計圖像中的目標位置和類型概率，采取深度神經網絡的回歸輸出目標輪廓，更加有利于分類特征描述，準確捕獲目標幾何信息。

5.智能小車融合人工智能技術的探索與展望

智能小車作為人工智能和汽車工業的緊密結合體，改變了傳統意義上的汽車概念，促進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，為汽車裝上“眼睛”、“大腦”和“腳”，實現獨立的思考、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實時地隨機應變，選擇最佳的執行方案，指揮汽車安全可靠行駛。本文經過總結和歸納，認為未來人工智能和智能小車的發展趨勢可能包括以下幾個方面：一是提高目標檢測的速度，進一步將深度學習網絡與硬件結合，實現多目標處理和微目標處理，能夠更好地提升智能小車檢測目標物體精確度、可靠度和高速度；二是提高目標數據檢測背景的分辨能力，隨著攝像機拍攝視頻圖像的應用環境日趨復雜，數據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，同時提高人工智能技術的泛化學習能力，避免過度的擬合造成準確度降低，確保目標檢測數據多樣化。

6.結束語

隨著深度學習、模式識別等人工智能技術的發展，智能小車應用日趨成熟，許多汽車工業公司都開始研制自動轉向、加減速、車道引導、自動停車、自適應巡航等技術，這些都依賴于高精尖的人工智能技術，因此提高深度學習的精確度和可靠度，可以更好的將汽車與互聯網、人工智能結合在一起，提高智能小車的安全行駛或廣泛應用。