以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc

以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc

ID:27843109

大小:577.50 KB

页数:15页

时间:2018-12-06

以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc_第1页
以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc_第2页
以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc_第3页
以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc_第4页
以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc_第5页
资源描述:

《以百度Apollo平台为例 揭开自动驾驶算法的神秘面纱.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、以百度Apollo平台为例揭开自动驾驶算法的神秘面纱以百度Apollo平台为例揭开自动驾驶算法的神秘面纱  自动驾驶是人工智能当前最热门的方向之一,也是未来将对人类生活会产生重大影响的方向。机器学习在自动驾驶中有举足轻重的地位,从环境感知到策略控制,都有它的身影。在本文中,SIGAI以百度阿波罗平台为例,介绍机器学习在自动驾驶系统中的应用,揭开自动驾驶算法的神秘面纱。  自动驾驶简介  自动驾驶的目标是让交通工具能够自主行驶,典型的是飞行器和车辆,这是人类长期以来追求的目标。飞机的自动驾驶在多年前已经实现,空中的障碍物、交通情况比地面简单很多,而且有雷达等手段精

2、确定位。现阶段的重点是车辆的自动驾驶,目前,Google、百度、特斯拉等公司都投入大量资源在这个领域进行研发,也取得了一些重要进展。  目前的自动驾驶系统由摄像机,激光雷达等传感器,控制器,GPS定位系统,数字地图,算法等多个部件构成,在这里我们重点介绍算法部分,尤其是机器学习技术在其中的应用情况。  无人驾驶为什么需要机器学习?  很多人可能不理解为什么自动驾驶需要机器学习技术,让我们首先来看人是怎么驾驶车辆的。现在要开车从清华大学东门去北京首都机场T3航站楼,你作为司机要完成这一次驾驶任务。接下来你会怎么做?  首先,你要知道本次行驶的起始地和目的地。如果是

3、老司机,你会知道按照什么样的路线开到机场去;如果不是,则需要借助导航软件,它将为你计算出一条最优的行驶路径。下面是搜狗地图为我们计算出来的路径:    这里涉及到定位,路径规划的问题。前者可以通过GPS或其他技术手段来实现,后者也有成熟的算法,如Dijkstra或者A*搜索算法,学过数据结构和算法的同学对Dijkstra算法都不会陌生,它给出了计算图的两个节点之间最短距离的方案。目前,这一问题已经很好的解决了,而且计算机比人要强。  接下来,你就要启动汽车开始行驶了。首先你要知道的是:路在什么地方?应该上哪个车道?    这就是机器学习登场的时候了,它要解决路面

4、和车道线检测问题。目前主流的自动驾驶系统一般都采用了激光雷达+摄像机+其他传感器相结合的方案。无论是激光雷达扫描得到的3D距离数据,还是摄像机成像的2D数据,我们都要对它们进行分析,以准确的确定路面的位置,车道线和每个车道的范围。  在找到了道路和车道之后,我们就要开始行驶了,你要控制油门,刹车,方向盘。现在问题又来了,怎么开?    你得知道路上有没有车,有没有人,有多少车,有多少人,以及其他障碍物,它们在路面的什么地方。这又是机器学习和机器视觉要解决的问题,同样是检测问题。我们需要对激光雷达或者摄像机的图像进行分析,得到这些障碍物的准确位置。  行驶过程中,

5、你遇到的这些行人,车辆都是移动的,因此你必须要对他们的运动趋势做出预判。你前面的车辆、后面的车辆的行驶速度和轨迹都会影响你要采取的动作。如果有人要过马路,距离你还有30米,你是停下来等他过去,还是慢速行驶过去?    这是机器视觉中的目标跟踪问题,我们要准确的跟踪出人,车辆,动物等移动目标的运动轨迹,估计出他们的运动速度与方向,以便于做出决策。  行驶一会儿之后,你遇到了第一个十字路口,这里有红绿灯,当前是红灯,因此你需要停下来等待,而不是硬闯过去,这又涉及到一个问题,你怎么知道这些交通灯?    这依然是机器视觉要解决的问题,即准确的检测出图像中的交通灯,并知

6、道它们当前的状态。除了红绿灯之外,还有其他交通标志需要我们识别,比如速度限制、是否允许调头等。  还有一个问题没有解决,在知道这些环境参数之后,我们该怎么行驶?即根据环境参数得到要执行的动作,在这里是车辆行驶的速度(速度是一个矢量,具有大小和方向)。最简单的做法是用规则来做决策,我们总结出人驾驶车辆的经验,前面没有车,后面没有车的时候该怎么行驶;前面有2辆车,后面有3辆车的时候该怎么行驶.....。问题是:各种情况实在是太多了,我们无法穷举出所有的情况。  对于这个问题的一个解决方案是深度强化学习,和AlphaGo类似的一种技术,这也是一种机器学习算法。它的思路

7、是根据环境的参数预测出要执行的动作,我们用一些数据进行训练,得到这样一个模型,也就是人开车时的经验,然后用它来做决策。但是这种方法有一个严重的问题,神经网络的预测结果不具有可解释性,有时候会出现莫名其妙的结果,这会严重影响安全性。关注过AlphaGo的同学都知道,在一次对战中,它下出了一个完全无法理解的棋,对于自动驾驶来说,这可能是一个灾难。  在列出了自动驾驶中所需要用机器学习解决的问题之后,接下来我们将以百度阿波罗平台为例,看看这些问题是怎么解决的。  百度阿波罗平台简介  阿波罗(Apollo)是百度的无人驾驶开放平台,和当年的阿波罗登月计划同名,对于这一

8、计划,时任美国总统约翰肯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。