人工智能視角下的無人駕駛技術分析與展望

劉小娜 李瓊 康沛棟 王晨宇

摘 要：從當前的情況進行分析，無人駕駛技術已經成為了今后汽車行業發展的主要趨勢，能夠為人們提供更加便利、更高質量的出行，為此在人工智能視角下，必須要對無人駕駛技術進行分析。可以將人工智能技術和無人駕駛技術相結合，使其決策更加科學合理，為無人駕駛技術的進一步發展提供支持。本文就在此背景下，對無人駕駛中的人工智能技術進行了相應的闡述與分析，并指出了未來無人駕駛所面臨的問題與對該領域的未來展望。

關鍵詞：無人駕駛;深度學習;人工智能

引言

汽車為人們的日常出行提供了便利，尤其是長途駕駛。駕駛途中，駕駛員易于產生疲勞、注意力分散等問題。為確保駕駛安全，無人駕駛技術在車輛駕駛中得以應用。人工智能技術在新算法和新技術的協同作用下能夠充分展現其自主學習和自動適應的優勢，并結合駕駛員的特點制定不同的駕駛計劃。

1無人駕駛汽車的概念

無人駕駛汽車指的是不依靠人就可以順利地啟動，進而開展運輸活動的智能汽車。無人駕駛汽車對感知系統性能要求比較高。而汽車需要以獲取的道路信息、行人信息、障礙物信息和紅綠燈信息等為行駛行為開展的依據，同時要根據這些信息做好行駛規劃。最終，無人駕駛汽車需要到達指定地點，完成駕駛任務。無人駕駛汽具有良好的市場發展前景，值得相關人員研究和探討無人駕駛技術、人工智能技術、紅外線感知技術，以此更好地降低交通事故發生風險。

2無人駕駛汽車中人工智能技術的應用優勢

2.1保證行車的安全性

駕駛員技術水平有限是引發交通事故的主要原因之一。再者，駕駛員疲勞駕駛也是影響車輛行駛安全的關鍵要素。利用無人駕駛技術，車輛駕駛系統能夠觀測駕駛員的異常情況，如駕駛員疲勞度較高，可及時切換到無人駕駛模式。在無人駕駛模式下汽車行駛更加安全，規避了由于疲勞駕駛可能引發的交通事故。無人駕駛技術也能夠解放駕駛員，使很多沒有駕駛技術的人也能夠實現有車夢。除此之外，無人駕駛技術也能夠最大限度地降低由于駕駛技術欠缺所引發的交通事故發生率。

2.2智能規劃路線

盡管現代汽車已經建設了相對完善的汽車導航系統，協助汽車規劃行駛路線，但汽車導航系統規劃的路線卻不一定是最佳路線。尤其是當汽車行駛在陌生城市中時，汽車導航系統對行駛路線并不熟悉，無法合理選擇規劃路線，如此就降低了車輛的出行效率。同時，汽車導航系統無法合理預判規劃路線交通擁堵的可能性，如遇到交通擁堵的情況，會在路上花費較長的時間。人工智能系統能夠預先判斷交通概況，也可對交通路線做出合理的規劃，顯著提高了交通路線規劃的科學性與準確性，最大限度地降低交通擁堵出現幾率，并且可保證駕駛員按照最佳路線駕駛，防止駕駛車輛時受交通擁堵的負面影響，縮短在道路上的時間。

3人工智能視角下的無人駕駛技術

3.1人工智能

從當前的情況進行分析，借助于深度學習可以使無人駕駛汽車對于自身所進行的駕駛行為作出調整、優化，這是推動無人駕駛汽車發展的有效途徑之一。無人駕駛汽車在行駛時可能會出現多種不同的情況，對于這些情況中出現的數據進行收集、處理，能夠為無人駕駛汽車提供較好的訓練條件，并在不斷的訓練之中，形成較為熟練的駕駛技術，這不但能夠使無人駕駛汽車的出行更加高效，還能夠和其他無人駕駛汽車達成信息共享這一目標，這樣能夠在提升無人駕駛汽車的駕駛能力的同時增加無人駕駛的安全性、可靠性。特別是在超級電腦研發成功之后，其可以借助于算法學習使車輛的感知水平得到提升，有效的分辨出在駕駛的各個環節中出現的人、車輛、建筑物等情況，高效的對數據進行處理，并根據所獲得的結果，制定決策。隨著算法在圖形識別方面獲得較大的成功。在大數據背景下，智能控制技術需要以人工智能技術作為支持。主要是通過對機械進行模擬，使其具備神經網絡，能夠通過學習獲得發展。

3.2無人駕駛汽車深度學習系統

在無人駕駛汽車中，計算機代替了人類大腦，其需要根據周圍環境，準確做出行駛判斷，合理地規劃行駛路線。無人駕駛汽車應用的計算機與平常所指的計算機存在差異。無人駕駛汽車在行駛過程中容易因道路障礙物而產生振動。因此，人們要優化無人駕駛汽車中應用的計算機，保證計算機的適用性。通常主要應用工控機，通過運行智能系統，完成各項操作。為提升無人駕駛水平，人們要積極地研究無人駕駛汽車深度學習技術，進而構建相應的系統。可以說，無人駕駛汽車深度學習技術的發展水平直接影響無人駕駛水平。無人駕駛汽車深度學習主要通過研究人的神經系統來構建一種無人駕駛技術。無人駕駛汽車深度學習系統可以更好地根據外部情況，適時調整駕駛行為。深度學習技術在無人駕駛汽車中的應用步驟如下：一是數據準備，即進行數據存儲訓練，為深度學習技術的開展奠定基礎;二是無監督學習，主要通過輸入大量數據的方式讓計算機系統進行學習，提高數據信息處理水平;三是判斷、處理數據，即合理地劃分數據，并對數據進行判斷、處理等;四是運行監督學習系統，不斷地提升系統深度學習能力;五是輸入后運用監督學習調整所有層，保證深度學習水平。

3.3立體視覺匹配

立體視覺匹配在計算機視覺中發揮著至關重要的作用。立體視覺匹配技術在發展過程中的又一難題和重點是，不同圖像匹配的歧義現象較為普遍。對此，要明確正確選擇可能存在的相似特征的方法。現階段，計算機學習計算能力顯著提升，相關領域的學者和科學家也開始將圖像的稠密關系匹配作為研究重點，也開始使用復雜度更高的計算方法開展計算工作。自動駕駛技術研究中，技術水平日益提高，不斷優化和完善該技術能夠更好地處理自動駕駛汽車在駕駛過程中遇到的突發狀況。機器需要模仿人類大腦的相似圖像，科學選擇匹配點，同時也應在突發事故出現時做出相對理性和正確的判斷，在較短的時間內解決問題。按照要求做好立體視覺匹配后，車輛需要在超聲波傳感器、攝像機、雷達和激光測距技術的支持下，使用3D感應技術檢測車輛前方的地形地貌，從而準確地判斷前方的路面概況，根據地形概況合理調整汽車參數設置及行駛速度。

3.4定位及位姿傳感器

其通過進行定位、位姿感知，避免無人駕駛汽車偏離正確方向。當前，我國主要應用RTK-GPS技術，獲得經緯坐標、速度及行駛角度等信息。不過，RTK-GPS技術在實際應用過程中會出現一定的問題。比如，周圍建筑物會影響所獲得信息的準確性;隨著距離的增加，RTK-GPS技術應用的準確度會降低。為促進無人駕駛事業發展，我國在一些省市建立了固定差分基站系統。這樣就可以大大保證獲得的經緯坐標、速度及行駛角度等信息的精準性。

結束語：無人駕駛作為新出現的技術之一，能夠有效地緩解交通擁擠的現狀，帶給人們更加舒適的出行體驗。但是，從現實情況來進行分析， 無人駕駛技術還存在著一些問題，隨著人工智能水平的進一步發展，為無人駕駛技術創造了更多的發展條件。在今后，無人駕駛技術將會越發成熟，為人們的出行提供更多的便利。

參考文獻：

[1]孫效華，張義文，侯璐，等.人工智能產品與服務體系研究綜述[J].包裝工程， 2020，（10）：49-61.

[2]高云霞，劉鵬厚，張波.無人駕駛汽車領域中人工智能的應用[J].南方農機， 2020，（6）：169.

[3]葉培建，孟林智，馬繼楠，等.深空探測人工智能技術應用及發展建議[J].深空探測學報，2019，（4）：303-316.