作者：Jack Lamar

当今汽车认知

自动驾驶汽车的梦想正在成为现实。通过在车辆中实现多个高级驾驶辅助系统（ADAS），汽车行业对自动驾驶的追求正在稳步推进。当今的新车均已配备多个摄像头、雷达和超声波传感器，实现基于感知的辅助功能，如自动泊车辅助、自动紧急制动、车道保持辅助、驾驶员疲劳警报等。 

基于摄像头的感知功能在当今的车辆中至关重要。感知系统的功能与人体具有很强的相似性：摄像头或图像传感器充当车辆的“眼睛”，数据从图像传感器发送到主处理器即“大脑”，它使用各种算法来理解和解释数据，最后，通过发送控制转向、加速器和/或制动的命令（类似“手、脚”）来做出决定。在过去十年中，汽车感知系统已从基本的后视摄像头演变为具有停车辅助功能的全3D环视。人类能力边界随大脑发展得以拓宽，类似地，ADAS技术进步建立的基础是运行于日益高效的硬件平台上的创新感知算法。 

深度学习概述

当今自动驾驶领域最热门的话题之一是“深度学习”，这是机器学习的一个子集。深度学习是一种计算方法，用于根据已经过大量数据训练的神经网络进行准确的分类和预测。神经网络是一组用于识别数据模式的算法。许多ADAS应用，如前置摄像头感知，使用卷积神经网络（CNN）能够比传统的计算机视觉方法更有效地执行对象检测和分类等任务。在下述示例中（图1），深度学习用于对车辆、道路、标志、行人和背景进行分类，并在输出中直观地将其区分出来。德州仪器的深度学习专业知