奇点黄浴博士谈无人驾驶：Deep Learning在自动驾驶领域的应用

近日，全球计算机视觉和人工智能领域顶尖科学家、奇点汽车美国公司总裁黄宇博士在上海大学发表了题为“自动驾驶的深度学习”的精彩演讲。黄博士表示：“自动驾驶是一个具有挑战性的自动智能应用领域，实现汽车的自动驾驶需要许多研究。”黄宇博士曾是百度美国研发中心的自动驾驶高级软件架构师，也曾在英特尔总部等多家著名跨国科技公司工作，三星电子美国研发中心、华为、汤姆森等。他在人工智能领域有着丰富的经验和独特的见解。黄宇博士曾说过：“汽车时代的未来是智能汽车”。在本次讲座中，黄宇博士就自动驾驶的技术算法、市场前景和价值以及未来规划进行了深入探讨。

在硅谷工作多年的黄宇博士切身感受到，自动驾驶作为变革的核心驱动力，近年来正在加速汽车行业的智能化。他表示，随着人工智能和深度学习技术的成熟，衍生出的自动驾驶技术不仅是当前全球汽车和智能出行的发展方向，也是各大车企争相争夺的战略制高点。自动驾驶作为汽车行业未来转型升级的重要方向，因其巨大的市场空间，成为汽车行业下新的“蓝海”。中国的汽车市场一直对新技术持开放态度。自2016年以来，人工智能、物联网、高性能计算等一系列新信息技术的输出为自动驾驶的发展做出了贡献。有人猜测，自动驾驶在中国市场的发展前景可能是黄宇博士加入奇点汽车的主要原因之一。在这里，他将把所学付诸实践，实现业务落地。黄宇博士的演讲干货满满，从理论框架到应用，为学生和与会者带来了一场科技盛宴。他专注于自动驾驶的概念和分类，以及深度学习在自动驾驶实现中的应用。视觉部分包括障碍物的检测和识别、交通标志和红绿灯的检测和辨识、车道线和标线的识别等。详细阐述了传感器的功能和功能，包括校准和融合，以及场景分割、目标跟踪、驾驶员行为模型、端到端学习，自动驾驶主要分为感知、规划和控制三个模块。在感知层面，利用激光雷达、毫米波雷达和超声波雷达等各种传感器、高精度地图和V2V车联网技术，实现对车辆周围环境的感知和识别，以及对车辆本身的准确定位。在规划层面，通过感知层收集的信息，规划下一步行动，选择合理的路径、行为和动作；

在控制层面，决策控制信息与车底控制系统深度融合，通过线控技术完成执行器的电控，实现真正的自动驾驶。此外，还有一种难度更大的端到端深度学习方案，可以通过接受传感器来简化系统流程，直接降低计算要求，从而实现自动驾驶。

自动驾驶的研究路径和研究方向黄宇博士根据PPT的内容详细阐述了自动驾驶的框架。“正如你所看到的，硬件部分主要是传感器，有时可以添加一些V2V。汽车的定位是通过通信和执行器实现的，可以作为独立的控制。软件部分，车身有自己的软件部分，这就是我刚才提到的感知、规划和控制。感知是对周围环境的认知，包括ng静态和动态。它分为两部分，一部分是定位，也就是说你需要知道你的车在哪里。定位技术也有很多，大部分是基于地图，还有一些是基于路标等各种信息。感知的另一部分是障碍物检测，即识别动态和静态物体。"

典型的自动驾驶传感器布置方案黄宇博士也提到，“如今有两种主流的自动驾驶路线。像特斯拉这样的第一类汽车制造商通常从L2开始涉足自动驾驶领域，大多数车企在L2和L3之间推出L2或自动驾驶汽车。第二类是谷歌、百度等互联网公司直接从L4起步，进入自动驾驶的高端分区。这实际上意味着我不需要考虑司机的问题。我考虑的是如何让机器学会驾驶。”谈到计算视觉在这项技术中的主流应用，黄博士说：“计算视觉是从二维世界到三维世界的逆过程，它实际上是一个病理问题。这个问题在20世纪70年代的计算视觉领域被暴露出来。每个人都在试图解决这个逆过程，这与图形正好相反。图形通过三维模型生成二维图形，所以只要计算量足够，并且可以计算，图形就没有问题。但计算机视觉意味着它不仅是一个计算问题，而且是一个逆过程，有时解是不稳定的。让我给你举个例子。2000年左右，微软利用PrimeSense技术（后来被苹果收购）推出了一款名为Kinect的产品。当时，它被称为RGB-D传感器。事实上，它是2.5维的，2.5维的传感器数据大大降低了计算机视觉的难度。不幸的是，一般的2.5维传感器通常不远。Kinect基本上最多只能在五到六米的范围内工作，即使经过增强，也可以在十米外工作。然而，对于汽车来说，这是绝对不可能的。汽车不可能用这个东西来探测周围的环境。目前，使用RGB-D传感器的汽车公司可能只是把它放在汽车前面较低的位置，并用它来监测一些障碍物，如车道线或非常近的障碍物。显然，这种东西只能在低速下使用。”“所以谷歌，包括百度，使用激光雷达，通过发射激光，然后接收回波来重建三维空间。在每个点上，它都有三维坐标，甚至有反射值。反射值可能因材质而异，有时此反射值也会发挥作用。因此，谷歌的方法是使用激光雷达作为主要的障碍物检测。那么相机是干什么用的呢？摄像头主要用来做激光雷达做不到的事情。例如，你可以做红绿灯检测，你可以进行交通标志检测，然后你可以做一些警察手势分析。例如，如果前方的道路被封锁，或者如果你想转弯，也就是说，道路已经封闭，他会在那里帮助你进行一些指导，他们会使用摄像头来完成。”。黄宇给出了以上关于激光雷达和摄像头的解释。据悉，奇点iS6是奇点汽车的第一代量产车型，上市时可以实现L2级的高级辅助驾驶能力，包括mo……

全速自适应巡航、车道保持、紧急制动、自动泊车和盲点检测等十多项功能。奇点的目标是在2018年将自动驾驶算法升级到L3（SAE标准）。场景包括高速公路的自动驾驶和有限的城市道路。加入奇点汽车的黄宇博士将以硅谷为基地，全面落实奇点汽车智能化和自动驾驶的发展核心，带领奇点汽车的自动驾驶研发团队不断登峰造极，为奇点汽车的智能技术注入新的驱动力。目前，奇点汽车在自动驾驶中采用深度学习算法，需要覆盖感知、决策等关键环节，算法的质量需要用更高质量的数据来填充，这就是为什么数据被企业视为自动驾驶的短板。除了开发汽车自身技术，奇点汽车还成立了奇点汽车智能系统研发中心、奇点汽车研究院、奇点汽车智能新能源汽车产业园和奇点汽车智能化新能源汽车工业园，所有这些都为自动驾驶数据的落地背书。此外，奇点汽车还利用自动驾驶计算平台NVIDIA DRIVE PX2，不断加强自动驾驶的研发。目前，它可以在有限的城市区域内实现高速公路和道路的自动驾驶。

作为国内领先的新势力，奇点汽车深知，汽车行业未来的发展趋势离不开智能化和自动驾驶技术。奇点汽车希望通过吸收高科技人才，整合优质技术资源，为用户带来全方位的智能新体验。近日，全球计算机视觉和人工智能领域顶尖科学家、奇点汽车美国公司总裁黄宇博士在上海大学发表了题为“自动驾驶的深度学习”的精彩演讲。黄博士表示：“自动驾驶是一个具有挑战性的自动智能应用领域，实现汽车的自动驾驶需要许多研究。”黄宇博士曾是百度美国研发中心的自动驾驶高级软件架构师，也曾在英特尔总部等多家著名跨国科技公司工作，三星电子美国研发中心、华为、汤姆森等。他在人工智能领域有着丰富的经验和独特的见解。黄宇博士曾说过：“汽车时代的未来是智能汽车”。在本次讲座中，黄宇博士就自动驾驶的技术算法、市场前景和价值以及未来规划进行了深入探讨。

在硅谷工作多年的黄宇博士切身感受到，自动驾驶作为变革的核心驱动力，近年来正在加速汽车行业的智能化。他表示，随着人工智能和深度学习技术的成熟，衍生出的自动驾驶技术不仅是当前全球汽车和智能出行的发展方向，也是各大车企争相争夺的战略制高点。自动驾驶作为汽车行业未来转型升级的重要方向，因其巨大的市场空间，成为汽车行业下新的“蓝海”。中国的汽车市场一直对新技术持开放态度。自2016年以来，人工智能、物联网、高性能计算等一系列新信息技术的输出为自动驾驶的发展做出了贡献。有人猜测，自动驾驶在中国市场的发展前景可能是黄宇博士加入奇点汽车的主要原因之一。在这里，他将把所学付诸实践，实现业务落地。黄宇博士的演讲干货满满，从理论框架到应用，为学生和与会者带来了一场科技盛宴。他专注于自动驾驶的概念和分类，以及深度学习在自动驾驶实现中的应用。视觉部分包括障碍物的检测和识别、交通标志和红绿灯的检测和辨识、车道线和标线的识别等……

详细阐述了传感器的功能和功能，包括校准和融合，以及场景分割、目标跟踪、驾驶员行为模型、端到端学习、驾驶监控等。自动驾驶主要分为感知、规划和控制三个模块。在感知层面，利用激光雷达、毫米波雷达和超声波雷达等各种传感器、高精度地图和V2V车联网技术，实现对车辆周围环境的感知和识别，以及对车辆本身的准确定位。在规划层面，通过感知层收集的信息，规划下一步行动，选择合理的路径、行为和动作；

在控制层面，决策控制信息与车底控制系统深度融合，通过线控技术完成执行器的电控，实现真正的自动驾驶。此外，还有一种难度更大的端到端深度学习方案，可以通过接受传感器来简化系统流程，直接降低计算要求，从而实现自动驾驶。

自动驾驶的研究路径和研究方向黄宇博士根据PPT的内容详细阐述了自动驾驶的框架。“正如你所看到的，硬件部分主要是传感器，有时可以添加一些V2V。汽车的定位是通过通信和执行器实现的，可以作为独立的控制。软件部分，车身有自己的软件部分，这就是我刚才提到的感知、规划和控制。感知是对周围环境的认知，包括ng静态和动态。它分为两部分，一部分是定位，也就是说你需要知道你的车在哪里。定位技术也有很多，大部分是基于地图，还有一些是基于路标等各种信息。感知的另一部分是障碍物检测，即识别动态和静态物体。"

典型的自动驾驶传感器布置方案黄宇博士也提到，“如今有两种主流的自动驾驶路线。像特斯拉这样的第一类汽车制造商通常从L2开始涉足自动驾驶领域，大多数车企在L2和L3之间推出L2或自动驾驶汽车。第二类是谷歌、百度等互联网公司直接从L4起步，进入自动驾驶的高端分区。这实际上意味着我不需要考虑司机的问题。我考虑的是如何让机器学会驾驶。”谈到计算视觉在这项技术中的主流应用，黄博士说：“计算视觉是从二维世界到三维世界的逆过程，它实际上是一个病理问题。这个问题在20世纪70年代的计算视觉领域被暴露出来。每个人都在试图解决这个逆过程，这与图形正好相反。图形通过三维模型生成二维图形，所以只要计算量足够，并且可以计算，图形就没有问题。但计算机视觉意味着它不仅是一个计算问题，而且是一个逆过程，有时解是不稳定的。让我给你举个例子。2000年左右，微软利用PrimeSense技术（后来被苹果收购）推出了一款名为Kinect的产品。当时，它被称为RGB-D传感器。事实上，它是2.5维的，2.5维的传感器数据大大降低了计算机视觉的难度。不幸的是，一般的2.5维传感器通常不远。Kinect基本上最多只能在五到六米的范围内工作，即使经过增强，也可以在十米外工作。然而，对于汽车来说，这是绝对不可能的。汽车不可能用这个东西来探测周围的环境。目前，使用RGB-D传感器的汽车公司可能只是把它放在汽车前面较低的位置，并用它来监测一些障碍物，如车道线或非常近的障碍物。显然，这种东西只能在低速下使用。”“所以谷歌，包括百度，使用激光雷达，通过发射激光，然后接收回波来重建三维空间。在每个点上，它都有三维坐标，甚至有反射值。反射值可能因材质而异，有时此反射值也会发挥作用。因此，谷歌的方法是使用激光雷达作为主要的障碍物检测。那么相机是干什么用的呢？摄像头主要用来做激光雷达做不到的事情。例如，你可以做红绿灯检测，你可以进行交通标志检测，然后你可以做一些警察手势分析。例如，如果前方的道路被封锁，或者如果你想转弯，也就是说，道路已经封闭，他会在那里帮助你进行一些指导，他们会使用摄像头来完成。”。黄宇给出了以上关于激光雷达和摄像头的解释。据悉，奇点iS6是奇点汽车的第一代量产车型，上市时可以实现L2级的高级辅助驾驶能力，包括mo……

全速自适应巡航、车道保持、紧急制动、自动泊车和盲点检测等十多项功能。奇点的目标是在2018年将自动驾驶算法升级到L3（SAE标准）。场景包括高速公路的自动驾驶和有限的城市道路。加入奇点汽车的黄宇博士将以硅谷为基地，全面落实奇点汽车智能化和自动驾驶的发展核心，带领奇点汽车的自动驾驶研发团队不断登峰造极，为奇点汽车的智能技术注入新的驱动力。目前，奇点汽车在自动驾驶中采用深度学习算法，需要覆盖感知、决策等关键环节，算法的质量需要用更高质量的数据来填充，这就是为什么数据被企业视为自动驾驶的短板。除了开发汽车自身技术，奇点汽车还成立了奇点汽车智能系统研发中心、奇点汽车研究院、奇点汽车智能新能源汽车产业园和奇点汽车智能化新能源汽车工业园，所有这些都为自动驾驶数据的落地背书。此外，奇点汽车还利用自动驾驶计算平台NVIDIA DRIVE PX2，不断加强自动驾驶的研发。目前，它可以在有限的城市区域内实现高速公路和道路的自动驾驶。

作为国内领先的新势力，奇点汽车深知，汽车行业未来的发展趋势离不开智能化和自动驾驶技术。奇点汽车希望通过吸收高科技人才，整合优质技术资源，为用户带来全方位的智能新体验。

标签：特斯拉

汽车资讯热门资讯