计算机控制在无人车中的应用,深度学习在无人驾驶环境感知中的应用方案

机器深度学习是近年来在人工智能领域的重大突破之一，它在语音识别、自然语言处理、计算机视觉等领域都取得了不少成功。由于车辆行驶环境复杂，当前感知技术在检测与识别精度方面无法满足无人驾驶发展需要，深度学习被证明在复杂环境感知方面有巨大优势。

机器深度学习是近年来在人工智能领域的重大突破之一，它在语音识别、自然语言处理、计算机视觉等领域都取得了不少成功。而对于当前大热的无人驾驶，深度学习可以带来哪些突破性应用？

由于车辆行驶环境复杂，当前感知技术在检测与识别精度方面无法满足无人驾驶发展需要，深度学习被证明在复杂环境感知方面有巨大优势。

近日，针对这一话题，北京航空航天大学交通学院副教授余贵珍，在2016年中国汽车工程学会暨展览会期间与广大汽车专业人士分享了他对于深度学习在无人驾驶环境感知中应用的体会和心得。余贵珍的研究方向主要是智能交通和无人驾驶的感知和控制。

视觉感知是无人驾驶的核心技术

无人驾驶一般包括四个等级或者五个等级，不管哪个等级都会包含环境感知、规划决策和执行控制等三个方面。其中环境感知方式主要有视觉感知、毫米波雷达感知和激光雷达感知，其中的视觉感知是无人驾驶感知的最主要的方式。

最近炒得比较热的特斯拉事件，一个是发生在美国，另外一个发生在中国，我想从技术的角度来谈谈。

在美国事件中，特斯拉车上的毫米波雷达因为安装的位置较低，无法检测卡车高的车厢，摄像头应该能检测到卡车了，我们知道特