汽车行业（yè）是推动人（rén）工智能（néng）（AI）发展的重（chóng）要行业之（zhī）一，这是因（yīn）为该（gāi）行（háng）业致力于自动驾驶（shǐ）汽车和高（gāo）级（jí）驾驶员辅助（zhù）系统（ADAS）的泛（fàn）在利益。

portant;" />

汽车正在变得越（yuè）来越智能，但是如果汽车行业要实现完全自（zì）动驾驶的（de）目标（biāo），他们还有（yǒu）很长的路要走。尽（jìn）管业界还在讨论实现全自动化所需的理想技术组（zǔ）合，但是有一（yī）点是明确的，那就是人（rén）工智（zhì）能，尤其是神经网（wǎng）络将发挥重要（yào）作用。

神经网络

神经网络的（de）作用（yòng）是执（zhí）行对于传统（tǒng）视（shì）觉或模（mó）式识（shí）别系统来说（shuō）具有挑战性的（de）任务。通过使每个神经网络各自不同，并针对特（tè）定任务（wù）进行设计，它可以更高效、更精确地执行任务。

所有神经网络（luò）的组织模式都是在多个层（céng）面上多次处理（lǐ）数据。因（yīn）此，神经（jīng）网络可以（yǐ）在不同的输入模式下（xià）运行十到二（èr）十（shí）次（cì），而不是（shì）用一组特定的参数只运行一次操作。这（zhè）个想（xiǎng）法是，通过所有这（zhè）些不同的路径，选择的数量就会增加。当到了需要（yào）做出决策的时候，它（tā）已（yǐ）经（jīng）从输（shū）入（rù）中（zhōng）提取（qǔ）了所（suǒ）有的信（xìn）息。

portant;" />

在路标识别的示例（lì）中，第一层可能（néng）正（zhèng）在（zài）寻找一个标识（shí）的角形状，然后是颜色等各个步骤执行下去，直到它可（kě）以非常确信地说这是一个路标并（bìng）说明（míng）其含义。这样（yàng）做（zuò）的好处在于无需（xū）对每一个步骤（zhòu）都进行编程，神经网络将会自己完成，并且随着时间的推移而不断学习。该算法知（zhī）道它需要（yào）识别的内容，并将尝试不（bú）同（tóng）的方法，直到实现目标（biāo），并在过程（chéng）中不断学（xué）习。一旦神经网络在经（jīng）过培训（xùn）之（zhī）后（hòu），它便可以在实（shí）际（jì）应（yīng）用（yòng）中发挥（huī）作用。这意味着工程师不必花费数小时来（lái）微（wēi）调复（fù）杂（zá）的算法，他们只需向（xiàng）神经网络展（zhǎn）示它需要发现的内容并让其自学完成。

这（zhè）些技术已经在车辆中被广泛用于目标检（jiǎn）测、分（fèn）类和分析，而驾驶员监测、访问控制以（yǐ）及语音（yīn）和手势识别也可以利用不同类型的神经（jīng）网络。此外，将传统视觉与（yǔ）神经网络（luò）相结合的人（rén）工智能方法，可用于行人（rén）路（lù）径分析和环（huán）绕视图等应用场景，它将同时依（yī）赖于图形处理器（GPU）和神经网络加（jiā）速（sù）器（NNA）。

在从传感器到电子控制单元（ECU）整个链路（lù）中也可（kě）以使（shǐ）用（yòng）神经网（wǎng）络，在预处理、中间处理和后处理中使用的（de）各种技术将人工（gōng）智能引入了其中。

此外，车联网（V2X）技术正（zhèng）在（zài）开发（fā）中，该技术将主要使用自动驾驶（shǐ）汽（qì）车作为传感载体，为各种智慧城市和智慧交通场景提（tí）供数（shù）据和信（xìn）息。同样，这些进（jìn）展将依赖于采用GPU和NNA的方法（fǎ）实现人工智能，以（yǐ）支持来自越来（lái）越大的输入集的各种（zhǒng）分析和计算。

传感器融合

自（zì）动驾（jià）驶和（hé）高度自动化的车辆将严重依赖各种类型的（de）传（chuán）感器，包括摄像头、热成像、雷（léi）达、激光雷达（LiDAR）等。所有（yǒu）这些传感器传出的信号（hào）都需要进（jìn）行解读和融合，以便全面（miàn）了（le）解车辆内部和外部发生的情况。

传感（gǎn）器融合对于（yú）自动驾驶（shǐ）至（zhì）关重要，它将（jiāng）涉及（jí）到GPU和神经网络以及机器学习和人工智能的结合。

车辆内部传感器融合的（de）一个很好的示例（lì）是驾驶员监测。在当今的车辆中（zhōng），各种各（gè）样的传感（gǎn）器都能够（gòu）检测到驾（jià）驶员是否注（zhù）意力不集中（zhōng）。神经网络可以分析拍摄到的驾驶员图像，以判断他或（huò）她是否（fǒu）在睡觉、处于疲倦状态（tài）、注（zhù）意力不集（jí）中（zhōng），甚至通过移动（dòng）设（shè）备（bèi）讲话或发信息。这对于早（zǎo）期的自动驾驶车辆（liàng）来说是（shì）至关重要的信息，因（yīn）为它可能需要（yào）驾驶员在某些时候重（chóng）新控制（zhì）车辆，因为汽车需要知道驾（jià）驶员是否处于合适的状态（tài）才能这样做。

portant;" />

驾驶员监测是如何工作的？对准（zhǔn）驾驶（shǐ）员面部的摄像头为分析面部元（yuán）素（尤其是眼睛（jīng））的算法（fǎ）提供（gòng）了（le）输入。是睁（zhēng）着眼睛（jīng）还是闭着（zhe）眼睛？如（rú）果是（shì）闭着（zhe）眼睛（jīng），闭眼多长时间？眼神是（shì）否飘忽不定（dìng）？驾驶员正（zhèng）在（zài）看向哪里？

研究整（zhěng）个面部可（kě）以确定（dìng）驾驶员是生气（qì）还是（shì）悲伤。如果是愤怒，系统会建议驾驶员（yuán）先靠（kào）边（biān）停（tíng）车（chē）并冷静下来，然后再（zài）继（jì）续行驶。

所有这些都是基于构建一个面部图像，提取关键（jiàn）点（diǎn）并使用神经网（wǎng）络提（tí）取情绪、注视时间等来判断驾驶员的精神状态。

在未来的（de）两三年内（nèi），驾驶（shǐ）员监测（cè）可能会成为必须从欧洲（zhōu）新车评估（gū）计划（NCAP）和美国国家高速公路通行安全管理局（NHTSA）获（huò）得批（pī）准的一（yī）项要求，因此驾（jià）驶员监测会成为汽车（chē）制造商必须（xū）要实施的技术，不仅（jǐn）要适用于高端汽车，还要适用于所有（yǒu）车辆。

自动（dòng）驾驶的（de）等级

美国汽车工程师学会（SAE）和美国（guó）高速（sù）公路交通安全管理局已（yǐ）将自动驾驶（shǐ）汽车的能力分为六个等（děng）级。基本上，等级0完（wán）全没有自（zì）动化，而在等级（jí）1中，汽车将为驾驶（shǐ）员提供一些帮助。等级（jí）2具有更多的（de）驾驶辅助功能，甚至可以自主执行一些任务，例如自动（dòng）紧（jǐn）急制动以避免碰撞。

等（děng）级3是一个棘手的问题，虽然汽车（chē）是自动驾驶（shǐ），但驾驶（shǐ）员必须随时准备驾驶车（chē）辆（liàng）。驾驶员监测将（jiāng）是（shì）等级3自（zì）动驾驶的关键，因为（wéi）驾驶员必须做（zuò）好干预的准备，并且在一定程度上，车辆有责任（rèn）确保（bǎo）驾（jià）驶员（yuán）做好准备（bèi）。

在等级（jí）4中，即使驾（jià）驶（shǐ）员可（kě）以（yǐ）接手车辆驾驶，但从理（lǐ）论上（shàng）讲，车辆也可以处理它所处（chù）现场的所有情况（kuàng）。等级5的车辆将实现全自（zì）动化，没（méi）有方向盘和（hé）踏板。

车辆自动驾驶性能每提高一个级（jí）别，所需的（de）计算性能就（jiù）会增加大约十倍。这（zhè）就是为（wéi）什么神经网（wǎng）络很重（chóng）要的原因（yīn），因（yīn）为它们可（kě）以在（zài）非常低的功耗下提供这种性能。

目标（biāo）检测

以（yǐ）一个行人为例（lì），汽车的车载摄像头和传感（gǎn）器可以记录行人是在行走或站立；神（shén）经网络可被用于绘制行人可能要走的路线，并计算车辆是否需要减（jiǎn）速或快速制动。神经网（wǎng）络还（hái）可以观察同一（yī）幅图（tú）像（xiàng）并（bìng）对（duì）其（qí）进（jìn）行分割，从中挑选出（chū）其他物（wù）体，并应用目标（biāo）识（shí）别技术来判断出（chū）它们是否代表了车辆需要注意的（de）东西。所有这（zhè）些都（dōu）必须把车辆的位置以及它想要去的地方纳入考虑之中，如（rú）果车辆正在倒车，并检（jiǎn）测（cè）到在车辆后（hòu）面有一个（gè）小（xiǎo）孩，就需要迅速处（chù）理并进行刹车。要（yào）做到这一点（diǎn），就需要人工智（zhì）能和神经网络来查看那里（lǐ）是否有物体（tǐ）存在（zài），并对其（qí）进行（háng）识别认出是一个孩（hái）子（zǐ），然后向执行器或（huò）驾（jià）驶员发送一个信号，以采取措施。

由（yóu）于摄像头通常会带有某（mǒu）种鱼眼（yǎn）镜（jìng）头，因此这将（jiāng）使其变得更加复杂。这会（huì）产（chǎn）生（shēng）一张变形的图片，需要先矫正然后进行（háng）解读。来（lái）自（zì）这个设备以（yǐ）及其他传（chuán）感器的输入（rù）需要结合起（qǐ）来，从而在瞬间（jiān）做（zuò）出决策。

数据处理

与此（cǐ）同时，来自汽车周围的其（qí）他信息也源源不断地被送达，包括来自于（yú）所有传感器的以及从其他车辆或（huò）基础设施通过无线（xiàn）通信（xìn）接收到的信息。这（zhè）是（shì）一个（gè）巨大的数据量（liàng），可能在太字（zì）节（terabyte）范（fàn）围内。

ECU将遍布汽车（chē）各处，并根据数据做出决策。这可能会涉及到100个或者更（gèng）多的ECU。业（yè）界（jiè）正（zhèng）在使（shǐ）用（yòng）一些方法（fǎ）来研究如何用更少（shǎo）的ECU和更多的计（jì）算（suàn）能力来实现（xiàn）这一点。摄像头或传感器旁边的（de）嵌入式人工智（zhì）能（néng）可以做出一些决定，从而减少车（chē）辆需要传递（dì）的信息（xī）。

这意（yì）味着（zhe）需要不同等（děng）级（jí）的处理方（fāng）式。数据可以（yǐ）在捕获点进行预处理，例如拉直鱼眼镜头的图像。中间处理可能包括各种已计划的任务、目标识别（bié）、决策制定等。之后（hòu）可以进（jìn）行（háng）后（hòu）处理，当信息可以被清理整（zhěng）齐并显示（shì）在屏幕上时，让（ràng）驾驶员就知道正在发生什（shí）么或已经发生了什么。

应（yīng）用

这些数据处理技术也被用于创（chuàng）建当前正（zhèng）在开（kāi）发的应用（yòng），以在车（chē）内创建（jiàn）虚拟环视车身支撑（chēng）柱。在此（cǐ）用例中，将在支撑柱（连（lián）接车顶和车身（shēn）的支撑柱）上安装（zhuāng）摄（shè）像头来捕获车外发生的事情。支撑柱的内部将提供（gòng）一个显示器，以显示这些摄（shè）像头正在捕获的内容，从而为驾驶员提供一个不间断的（de）视场。

这个过（guò）程非常难以实（shí）现。系（xì）统（tǒng）必须（xū）了（le）解驾驶员正在查看的另一侧是什（shí）么（me）情景。图片将需要修（xiū）正变形并（bìng）放置（zhì）在不平整或弯曲的表面上，然后重新变形到支撑柱的轮廓上。

尽管这一进步是未来的趋势，但一（yī）些（xiē）高端车辆已经提供了环（huán）绕视图系（xì）统，并且它们很快将应用于中档和入门级（jí）车辆。GPU被用于分（fèn）析遍布（bù）车辆周围的各个摄像头（tóu）所（suǒ）捕获的图像（通常有四（sì）个或（huò）五（wǔ）个摄像头），并（bìng）将图像拼接在一（yī）起。根据拼接的图像，神经网络将（jiāng）执行目标检测（cè）和路径预测，以查看这些目标是否有可能（néng）拦（lán）挡（dǎng）车辆的路（lù）径。

信息娱（yú）乐和导航（háng）

在车（chē）载信（xìn）息娱乐系统（IVI）和（hé）导航方面，GPU也起着重要作（zuò）用。它们还参（cān）与（yǔ）语音控制，这很可能成为人与车之间（jiān）的关键接口。因此，对于卫（wèi）星（xīng）导航系统来说，驾驶员不必操（cāo）作按钮和键盘来（lái）输入目的地，而是只需说出邮政编（biān）码或（huò）街道名字，然后就可要求系统绘制（zhì）出路线。

仪表盘（pán）将被连接到外部摄像头（tóu），以用于路标识别等操作。如果摄像头（tóu）捕捉到（dào）一个限速的标志，该标志可以（yǐ）在有效的时间（jiān）内显（xiǎn）示（shì）在驾驶员（yuán）面前；如（rú）果汽车超过限速，就（jiù）会（huì）发（fā）出声响警告。

实际（jì）上（shàng），整（zhěng）个仪表显示区将（jiāng）使用GPU进行图（tú）像渲染和信息（xī）优先级排序（xù）。如果（guǒ）系统（tǒng）确定驾驶员需要了解（jiě）一些关键（jiàn）信息（xī），该信息可能会（huì）从仪表显示（shì）区中弹出，甚至可以投射到挡风（fēng）玻璃上。挡（dǎng）风玻璃上的图像也（yě）可以被用作导航系统的一部分（fèn），向（xiàng）驾驶员显示正确的转弯方向或（huò）说（shuō）明汽车在即将到来（lái）的路口需要驶入（rù）哪