深度學習在無人駕駛汽車領域應用研究

鄧瑞

摘 要：在科技社會不斷發展條件下，無人駕駛汽車在交通運輸行業中地位層次逐漸提高。為滿足無人駕駛汽車安全運行要求，深度學習在無人駕駛汽車領域的應用具有重要的作用，為避免無人駕駛汽車運行缺陷和運行安全問題提供了理論基礎。本文將針對無人駕駛汽車展開研究，首先簡要概述深度學習，之后闡述無人駕駛汽車的基礎理論，最后介紹深度學習在無人駕駛汽車中的應用，使深度學習優勢和現實作用得以體現。

關鍵詞：深度學習;無人駕駛汽車;行人避讓

0 引言

盡管無人駕駛汽車對于推動我國交通運輸行業向著現代化方向發展有重要作用，但是不可否認無人駕駛汽車在實際運行過程中還存在一些問題，這就應在考慮各項基礎因素條件下強化深度學習在無人駕駛汽車中應用力度，降低無人駕駛汽車在運行過程中出現安全問題的可能性。加強深度學習算法原理在自動駕駛領域中的應用，發揮深度學習在無人駕駛汽車中作用效果，以更好的保障無人駕駛汽車實際運行安全和穩定性。

1 深度學習的概述

深度學習概念源于人工神經網絡研究，是機器學習研究中一個新領域，其動機在于建立、模擬人腦進行分析學習神經網絡，通過組合底層特征形成更加抽象表示屬性類別或特征，以發現數據分布式特征表示;它模仿人腦機制來解釋數據，例如圖像、聲音和文本等。深度學習可以自動地從學習樣本中學習特征，卷積神經網絡、基于多層神經元的自編碼神經網絡、深度置信網絡為深度學習領域的典型訓練模型。改善了傳統人工神經網絡的訓練機制，其訓練機制為采用無監督訓練過程初始化各層參數、基于無監督訓練過程得到的各層參數進行有監督學習的訓練過程，得到優化模型，克服了傳統人工神經網絡算法中出現的陷入局部最小、過擬合等問題。

2 無人駕駛汽車的基礎理論

對無人駕駛汽車展開研究，汽車無人駕駛系統基本上是由激光測距儀、視頻攝像頭、車載雷達、微型傳感器和電腦處理系統共同組成。將多傳感器信息相融合，提高場景識別能力，能夠強化無人駕駛汽車運行效果和安全水平。同時應對無人駕駛汽車運行過程中各項數據信息展開有效處理，保證車與車、人與車之間距離合理性和安全性，確保無人駕駛汽車可以自主進行決策，避免無人駕駛汽車與其他車輛或障礙物之間距離過小而出現安全問題。

3 深度學習在無人駕駛汽車領域中應用

3.1具體應用要求

為保證深度學習在無人駕駛汽車領域的應用，應在考慮無人駕駛汽車實際運行要求條件下收集相關數據，并在各項數據信息支持下對第一層開展無監督學習，以此強化各項數據信息聚類效果，并按照各項數據信息劃分類型對其展開有效判斷，確保無人駕駛汽車運行中第二層節點閾值調整水平和基礎數據輸入效果有所提升。在大量數據信息支持下對無人駕駛汽車運行中每一層網絡開展無監督學習時，必須保證各層次監督學習訓練效果和高層次數據信息輸入力度，降低各項數據信息在實際輸入過程中出現各項問題可能，更為有效地強化深度學習在無人駕駛汽車中應用力度和現實作用，提高無人駕駛汽車運行安全性和綜合價值。

3.2行人及障礙物避讓

行人及障礙物避讓是基于獲取的行人及障礙物的距離、位置、運動方向等數據信息和/或圖像信息，自動控制無人車的速度、轉向、制動以安全的避讓行人或障礙物;如果無人駕駛汽車前方有行人或障礙物，就應要求無人駕駛汽車及時進行自動決策實現安全避讓，對傳感器獲取的行人或障礙物的數據進行處理，實現無人駕駛汽車加、減速及轉向控制，避免在運行過程中出現交通安全事故。基于卷積神經網絡生成無人車的自主避讓決策能夠提高控制精度，進而提高無人車的安全性;建立卷積神經網絡數據分析模型，將車載攝像裝置的采集的原始圖像信息作為輸入數據，以無人車的轉向、速度控制、制動踏板控制為輸出層，建立數據分析模型，采集駕駛員的操控數據作為樣本數據，用樣本庫數據訓練模型確定模型參數同時還應在深度學習支持下強化無人駕駛汽車不同運行距離監督控制力度，有效調整無人駕駛汽車與行人之間距離，使得無人駕駛汽車與行人之間距離達到合理狀態，避免無人駕駛汽車在實際運行過程中因整體決策效果低下而出現撞到行人或障礙物的現象。利用深度學習對無人駕駛汽車行人及障礙物的避讓過程進行決策，發揮無人車自動避讓技術在無人駕駛汽車運行中作用效果，以提高安全性。

3.3場景分類識別

無人駕駛汽車的安全性是該領域的重要問題，無人駕駛汽車的場景識別對行車安全性有著重要的影響，無人駕駛汽車的場景識別能力亟需提高。無人駕駛車輛的場景識別是指通過雷達傳感器、車載攝像裝置獲取道路及道路周邊的數據信息，經過圖像及數據處理識別道路以及道路中的車輛及行人。隨著深度學習在圖像、聲音領域研究中不斷取得的進展，尤其是卷積神經網絡理論研究的發展，使其在無人駕駛車輛的場景識別中具有重要的作用。通過卷積神經網絡對車載攝像裝置捕捉的圖像信息進行圖像分割、自學習特征提取，通過提取圖像中的特征信息識別目標的屬性，輸出場景類別數據，實現道路場景的分類識別，從而為無人駕駛車輛的自動控制決策提供重要的依據。

4 結語

就無人駕駛汽車而言，強化深度學習在其中應用力度，不僅可以改善無人駕駛汽車在實際行駛過程中出現問題，對于無人駕駛汽車綜合控制能力和安全效果也有極其重要作用。這就應保證無人駕駛汽車遠程操控人員對深度學習模式有所了解，確保深度學習在無人駕駛汽車中應用價值得以體現。上文還介紹了深度學習在無人駕駛汽車領域中，關于場景識別以及自動避讓技術方面的應用，借以保證深度學習在無人駕駛汽車管理和安全行駛過程中發揮最大作用。

參考文獻

[1]尹訓俊，郭曉林.基于5G通信技術下的汽車無人駕駛技術探討[J].汽車實用技術，2020（12）：15-17.

[2]孫嘉浩，陳勁杰.基于強化學習的無人駕駛仿真研究[J].農業裝備與車輛工程，2020，58（06）：102-106.

[3]李世凱，劉明旭.無人駕駛汽車安全性分析[J].內燃機與配件，2020（09）：220-221.

[4]蘇保國.無人駕駛汽車的先進技術與發展[J].內燃機與配件，2020（09）：236-238.