智联网汽车技术 课件 任务14 自动驾驶技术

自动驾驶技术等级划分项目五先进驾驶技术任务14自动驾驶技术智能网联汽车技术课程导入L0级自动驾驶L1级自动驾驶L2级自动驾驶L3级自动驾驶L4级自动驾驶L5级自动驾驶学习目标掌握自动驾驶的国内外等级划分01学习任务在带领大家一起解析自动驾驶技术的等级01激活旧知自动驾驶技术目前达到哪个层次?无人驾驶汽车将实现更高级别的自动驾驶，为人们的交通出行带来更多便利和安全。探索新知参考全球汽车工程师协会（SAE）和欧盟标准，《中国制造2025》驾驶辅助（DA）部分自动化（PA）有条件自动化（CA）高度自动化（HA）完全自动化（FA）目前，国外自动驾驶汽车技术处于DA-PA阶段，国内处于PA阶段。探索新知一、驾驶辅助（DriverAssistance，DA）自适应巡航控制和自动制动是第一阶段的典型例子，可以根据驾驶环境信息，执行转向和加速、减速操作，但动态驾驶任务的所有其余方面仍由驾驶员执行。驾驶模式执行特定操作探索新知二、部分自动化（PartialAutomation，PA）可以针对驾驶模式执行转向和加速、减速操作，有了泊车系统、ACC和车道控制保持系统，必要时驾驶员可以完全控制汽车，部分车企的车辆已经达到二级自动化。探索新知三、有条件自动化（ConditionalAutomation，CA）要实现诸如交通拥堵控制、高速路驾驶、自动泊车和公路列车等应用，自动驾驶系统将全面控制驾驶任务，但驾驶员能适当响应干预请求的情况除外。探索新知四、高度自动化（HighAutomation，HA）无须驾驶员介入，可以立即做出响应。探索新知五、完全自动化（FullAutomation，FA）无须驾驶员介入，可在任何道路和环境下执行动态驾驶任务。探索新知而国际上美日欧等发达国家和地区已经开始将高级驾驶辅助系统ADAS系统引入其相应的新车评价体系。美国新车评价规程（UnitedStatesNewCarAssessmentProgram，USNCAP）从2011年起引入LDW与FCW作为测试加分项。美国公路安全保险协会（IIHS）从2013年起将FCW系统作为评价指标之一。探索新知欧洲新车评价规程（EuropeanNewCarAssessmentProgram，E-NCAP）也从2014年起引入LDW/LKA与AEB系统的评价，2016年增加了行人防撞AEB的测试，并在2018年加入自动车防撞AEB系统的测试。探索新知而国际上美日欧等发达国家和地区已经开始将高级驾驶辅助系统ADAS系统引入其相应的新车评价体系。2016年中国的C-NCAP已将LDW/FCW/AEB等驾驶辅助系统纳入其评价体系中。探索新知而国际上美日欧等发达国家和地区已经开始将高级驾驶辅助系统ADAS系统引入其相应的新车评价体系。基于自主环境感知的单项驾驶辅助功能（DA）的大规模运用于2017年实现；以自主环境感知为主，网联信息服务为辅的部分自动驾驶（PA）应用于2018年实现；融合自车传感器和网联信息，可在复杂工况下的半自动驾驶（CA）于2020年实现；图14-3智能网联汽车网联化等级发展过程在2025年以后可实现V2X协同控制，完成高度/完全自动驾驶功能（HA/FA），在2030年左右实现一定规模的产业化应用。探索新知A近期以自主环境感知为主，推进网联信息服务为辅的部分自动驾驶（即PA级）应用B中期重点形成网联式环境感知能力，实现可在复杂工况下的半自动驾驶（即GA级）智能网联汽车的发展思路C远期推动可实现V2X协同控制、具备高度/完全自动驾驶（即HA/FA级）功能的智能化技术探索新知智能网联汽车的发展思路辅助驾驶阶段自动驾驶阶段探索新知智能网联汽车的发展思路当然，也有如集度汽车这样刚成立不久的车企，直接瞄准的就是自动驾驶，跨越了辅助驾驶的阶段。根据集度官方说法，集度将会在多场景下为用户提供L4级自动驾驶体验。相信未来，以集度为代表的自动驾驶汽车将会受到大家越来越多的关注！探索新知即时检测小测试自动驾驶技术等级分为哪几种呢?小结自动驾驶分为国内的五个等级辅助驾驶部分自动化条件自动化当前处于部分自动化阶段，未来几年会逐步实现更高级别的自动驾驶。高度自动化完全自动化谢谢观看THANKS智能网联汽车技术人工智能技术项目五先进驾驶技术任务14自动驾驶技术主讲人：曾鑫智能网联汽车技术课程导入智能网联汽车的"大脑"是如何工作的呢?学习目标了解组成智能网联汽车的核心：

人工智能技术01学习任务带领大家一起解析人工智能技术01激活旧知人工智能究竟有哪些技术吗?激活旧知机器学习深度学习自然语言处理知识图谱计算机视觉持续学习与实践，跟上人工智能的步伐。探索新知人工智能技术（ArtificialIntelligence,AI）利用计算机和软件技术来实现智能化的科学和技术A计算机科学B控制论C心理学D哲学探索新知人工智能技术（ArtificialIntelligence,AI）语音识别属于人工智能技术中的自然语言处理，一些像语音识别的技术，它可以让汽车实现语音控制。语音识别计算机视觉自然语言处理机器学习自主决策探索新知一、机器学习,让汽车从数据中自动学习机器学习是人工智能的一个分支，是研究如何让计算机通过经验来学习和改进性能的一种方法。其主要任务是设计和开发算法，在计算机上自动从数据中学习，并利用学习得到的模型对新数据进行预测和决策。机器学习的目的是通过在大量数据中进行训练和学习，让计算机系统能够自动识别特征和规律，并做出预测和判断。机器学习技术广泛应用于自然语言处理、图像识别、语音识别、数据挖掘、智能推荐、金融风控等领域。探索新知一、机器学习,让汽车从数据中自动学习自然语言处理A图像识别B语音识别C数据挖掘D智能推荐E金融风控F探索新知二、自然语言处理,实现语音交互文本分类语义理解词义推断语法分析对自然语言的理解和处理探索新知二、自然语言处理,实现语音交互自然语言处理是一种涉及计算机科学、语言学、人工智能等领域的交叉学科，主要研究如何让计算机理解、处理、生成自然语言。自然语言是人类日常交流的主要方式，涉及语法、语义、语用等方面，在计算机中处理自然语言需要很多技术和算法的支持。探索新知三、计算机视觉,能识别目标和场景通过图像处理和模式识别等技术，让计算机系统能够自动理解和处理图像以及视频信息。计算机视觉探索新知三、计算机视觉,能识别目标和场景计算机具备类似于人类视觉的功能感知理解处理图像处理视频模式识别目标检测目标跟踪探索新知四、自主决策,使汽车具备无人驾驶的决策能力计算机系统或机器人能够根据其内部的知识和经验，自主地做出合理的决策而不需要人类干预。这种决策可以是基于推理、学习、决策树、神经网络等不同的人工智能算法来做出。自主决策探索新知四、自主决策,使汽车具备无人驾驶的决策能力自主决策通常用于需要自动化和高效的系统，例如自动驾驶汽车、智能机器人和自动化生产线等。自主决策能够提高系统的自主能力和处理速度，降低人为的干预和错误，从而提高计算机系统和机器人的智能程度和可靠性。探索新知四、自主决策,使汽车具备无人驾驶的决策能力目的是为需要解决的问题提供信息，这就需要根据解决问题的策略或者规则对于信息进一步加工，最终形成解决问题的方案，这就要求智能控制系统具有决策和行动选择的能力。信息获取和信息分析探索新知四、自主决策,使汽车具备无人驾驶的决策能力智能决策系统进行决策时可以提供给人决策的建议意见，也可以提供人及AI设备辅助决策建议，同样也可以实现机器自主决策。探索新知四、自主决策,使汽车具备无人驾驶的决策能力对于智能控制系统来说决策和行动选择是两种不同的智能形式，这两种智能形式分别对应于慎思型的决策和基于规则的条件反射。探索新知四、自主决策,使汽车具备无人驾驶的决策能力慎思型决策是指信息通过信息分析层加工成智能控制系统可以理解的信息，使用一系列的先进决策方法形成最终的决策。探索新知四、自主决策,使汽车具备无人驾驶的决策能力这种决策过程通常具有较高的智能，整个决策过程可能会有信息的反馈，这种反馈是一种假设。假设用于对决策的结果进行验证。这是因为决策最终不一定会成为行动，而决策本身可以引发新的分析任务。即时检测小测试人工智能主要哪些技术呢？你对这些技术有什么感想？小结感知理解决策交互谢谢观看THANKS智能网联汽车技术深度学习技术项目五先进驾驶技术任务14自动驾驶技术主讲人：曾鑫智能网联汽车技术课程导入人工智能为智能网联汽车提供“大脑”，但它具体是如何工作的呢?学习目标了解组成智能网联汽车的核心：

人工智能技术01学习任务带领大家一起解析人工智能技术01激活旧知深度学习的目的是什么呢?探索新知深度学习技术的概念机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集，三者之间关系如图所示。探索新知深度学习技术的概念人工智能(AI)通常是指由机器（一般是计算机程序）通过模仿或复制人类行为构造出来的体系结构。机器学习（ML）是AI的子领域，它由一系列自动程序组成，可以从一组示例数据推演出基本规则，即通过示例数据来“习得”规则。探索新知深度学习技术的概念是一种强大的机器学习技术，能够自动学习和提取复杂的特征，具有优异的性能和泛化能力，已成为计算机视觉、自然语言处理等领域的核心技术。深度学习探索新知深度学习技术的特点（1）无需人工提取特征深度学习技术可以自动学习输入数据中的特征。因此，它不需要人工提取特定的特征来区分不同的类别，大大减少了人工参与的成本。探索新知深度学习技术的特点（2）强大的泛化能力在深度学习模型中，输入数据在不同的环境下经过训练之后，可以非常好地完成各种任务。这表明，深度学习具有很强的泛化能力，能够快速适应多种数据处理场景。探索新知深度学习技术的特点（3）高精度的交叉验证深度学习技术在训练时通常会将数据集分为训练集、验证集和测试集，以评估模型的表现。通过不断地调整和优化模型，可以获得高精度的结果。探索新知深度学习技术的特点（4）可获得性能的最大化深度学习技术可以在大型计算机集群上进行训练。这意味着，可以在理论上实现任何性能级别，从而充分利用计算资源。探索新知深度学习技术的特点（5）适用于各种任务图像分类A语音识别B自然语言处理C这也是深度学习技术目前正在受到广泛关注和运用的原因探索新知深度学习技术的分类（1）破译图像的密码——卷积神经网络所以利用卷积把关键特征提取出来进行处理！CNN卷积通过输入数据学习到的特征，并使用二维卷积层，使此架构非常适合用来处理二维数据。探索新知深度学习技术的分类（2）洞悉语言的内涵——循环神经网络传统的神经网络很少考虑输入信号在时间上的联系，但是现实中很多问题都是一个时序分析问题（例如语言文字分析问题）。探索新知深度学习技术的分类（3）棋逢对手，伯仲之间——生成对抗网络生成对抗网络是深度学习中产生一种全新的学习框架。它包括了一位出题者（生成器）和解题者（判别器）。探索新知深度学习技术的分类（4）纸上得来终觉浅，绝知此事须躬行——深度强化学习深度强化学习是强化学习在策略行为上的增强。通过使用深度神经网络作为强化学习的策略体，强化学习能够进行更大规模的学习和更复杂的决策。探索新知深度学习技术的应用图像识别AB语音识别C自然语言处理E自动驾驶D智能推荐深度学习的应用范围非常广泛探索新知深度学习技术的应用在智能推荐领域深度学习可以实现个性化推荐，从而提高用户的体验和满意度。在自动驾驶领域，深度学习可以实现对图像和传感器数据的实时处理和分析，从而实现自动驾驶和交通安全等目标。NVIDIA无人车决策系统训练模型探索新知深度学习是一种强大的机器学习方法A图像识别D智能推荐B语音识别E自动驾驶C自然语言处理探索新知深度学习是一种强大的机器学习方法随着技术的不断发展和应用场景的不断扩大，相信深度学习将在更多的领域发挥作用，为人们带来更多的便利和价值。同时，我们也需要认识到深度学习的局限性和风险，制定更加科学和全面的管理和监管机制，从而推动深度学习技术的发展，为人类创造更加美好的未来。即时检测小测试大家对深度学习技术了解多少?它和传统机器学习有什么不同?小结环境感知决策制定“看”“听”“思考”谢谢观看THANKS智能网联汽车技术语义分割技术项目五先进驾驶技术任务14自动驾驶技术主讲人：曾鑫智能网联汽车技术课程导入无人驾驶汽车需要具备“看图识物”的能力,这是如何实现的呢?学习目标理解语义分割的概念、原理及应用01学习任务带领大家解析语义分割技术01激活旧知对语义分割技术有什么了解吗？语义分割可以在像素级别对图像进行分类，区分不同的目标类别。探索新知语义分割技术的目的与普通的目标检测识别不同，语义分割可区分像素，同一目标的不同部分也可以被标记成不同的类别，不局限于对目标的一个大致位置或边界的捕捉。图像进行像素级的分类探索新知语义分割技术的目的（a）原图

（b）分割图图14-15语义分割探索新知语义分割的概念

语义分割是从粗到细推理的一个自然步骤:原点可以定位在分类，它包括对整个输入进行预测.下一步是本地化/检测，它不仅提供了类，而且还提供了关于这些类的空间位置的附加信息。最后，语义分割通过为每个像素进行密集的预测推断标签来实现细粒度推理，因此每个像素都被标记为其包围对象矿石区域的类。

更具体地说，语义图像分割的目标是给图像中的每个像素都贴上对应的一类所代表的内容的标签。因为我们要对图像中的每个像素进行预测，所以这个任务通常被称为密集预测。这里要注意的事，语义分割是为给定图像中的每个像素分配一个类的任务而并非为整个图像分配一个单一的类，语义分割是将图像中的每个像素都归入其中的一个类。探索新知语义分割的原理要识别出整张图片的每个部分，就意味着要精确到像素点，所以语义分割实际上是对图像中每一个像素点进行分类，确定每个点的类别（如属于背景、人、汽车、马等），从而进行区域划分。探索新知语义分割的应用自动驾驶是一项复杂的机器人任务，需要在不断变化的环境中进行感知、规划和执行。由于其安全性至关重要，因此还需要以最高精度执行此任务。探索新知语义分割的应用语义分割提供有关道路上自由空间的信息，以及检测车道标记和交通标志等信息图14-18道路信息语义分割探索新知语义分割的应用图14-19车道线检测实例分割探索新知语义分割作为计算机视觉领域的关键任务，是实现完整场景理解的必经之路。为了让机器拥有视觉，要经过图像分类、物体检测再到图像分割的过程。图像分割的技术难度最高探索新知越来越多的应用得益于图像分类分割技术，全场景理解在计算机视觉领域也至关重要。其中一些应用包括自动驾驶车辆、人机交互、AR-VR等。探索新知随着近年来深度学习的普及，很多语义分割问题都在使用深度架构来解决，其中最常见的是CNN(卷积神经网)，它的精度和效率都大大超过了其他方法。即时检测小测试语义分割是什么?它在无人驾驶中有什么作用呢?小结语义分割通过像素级分类实现对图像精细化理解区分普通分割和实例分割可为无人驾驶提供详实环境信息是实现自动驾驶的关键技术之一谢谢观看THANKS智能网联汽车技术多接入边缘计算技术项目五先进驾驶技术任务14自动驾驶技术主讲人：曾鑫智能网联汽车技术课程导入为实现智能交通,一定需要强大的计算支持,这是如何做到的呢?学习目标了解多接入边缘计算的概念、主要特征及种类01学习任务带领大家一起认识多接入边缘计算01激活旧知对边缘计算了解多少?它和云计算有什么不同?边缘计算可以减少数据远程传输，提高实时计算能力。探索新知多接入边缘计算的概念边缘计算是指将计算和存储资源和应用程序尽可能地靠近数据源或最终用户的一种计算模式，它可以通过减少数据的传输量和降低处理时间，来提高应用程序的性能。边缘计算与多接入技术相结合的一种技术探索新知多接入边缘计算的概念蓝牙有线Wi-Fi4G/5G多接入技术则是指多种网络接入方式及其协议的支持传输协议及网络架构探索新知多接入边缘计算的概念多接入边缘计算技术结合了边缘计算和多接入技术的优势，能够实现更快速的数据传输和更准确的数据分析，提高网络性能和用户体验。此外，在物联网、智慧城市、智能家居等应用场景下，多接入边缘计算技术也可以更好地实现本地数据隐私保护和数据安全性。探索新知多接入边缘计算的主要特征1、接近最终用户MEC在信息源附近收集关键数据进行分析或处理，消除了将信息传回核心站点的需求。它还允许在移动网络组件的“顶部”托管应用和服务，即在网络层之上。这些应用和服务可能受益于接近客户端，并从本地无线网络获取上下文信息。探索新知多接入边缘计算的主要特征2、数据传输延迟低多接入边缘计算网络的延迟小于20毫秒。这加快了响应速度并增强了客户体验。使网络设备更接近最终用户来减少网络延迟。图形处理单元(GPU)现场可编程门阵列(FPGA)专用集成电路(ASIC)探索新知多接入边缘计算的主要特征3、实时应用的适用性MEC适用于需要近实时或实时决策和结果管理的应用。凭借如此低的延迟，企业可以轻松地访问接近实时的数据传输和分析。实时细分应用案例包括AR/VR汽车、工业4.0、物联网智能城市等。MEC适用于不能容忍延迟超过10到20毫秒的实时应用。探索新知多接入边缘计算的主要特征4、不间断运行能力边缘应用是本地化