汽车行业是推动人（rén）工（gōng）智能（AI）发展的重（chóng）要行业（yè）之一，这（zhè）是因为该行业致力于自动驾驶汽车和（hé）高（gāo）级驾驶员（yuán）辅（fǔ）助（zhù）系（xì）统（ADAS）的泛（fàn）在利益。

portant;" />

汽车正（zhèng）在变得越来越智（zhì）能，但是如果（guǒ）汽车行业要实现完全（quán）自（zì）动驾驶的目标，他（tā）们（men）还有很（hěn）长的路要（yào）走（zǒu）。尽管业（yè）界还在讨论实现全自动化所需的理（lǐ）想技术组合，但是有一（yī）点是明确的，那（nà）就（jiù）是人工智（zhì）能（néng），尤其是神经（jīng）网（wǎng）络将发挥重要作用。

神经（jīng）网络（luò）

神经网络的作用是执行（háng）对于传（chuán）统视觉或（huò）模（mó）式识别系（xì）统来说具有挑战（zhàn）性的任（rèn）务。通（tōng）过使（shǐ）每个（gè）神经网络各（gè）自不同，并针对（duì）特定任务进行设计，它（tā）可以更高效、更精确地执行任务。

所有神经网络的组织模式都是在多个（gè）层面上多次（cì）处理数据。因此，神经网络可以在不同的输入模式下运行十到（dào）二十次，而不是用一组特定的参（cān）数只运（yùn）行一次操（cāo）作。这个想法是（shì），通（tōng）过所有这些不（bú）同的路径，选择的（de）数量就（jiù）会增加（jiā）。当到了需要做出决策的时候，它已经从输入中（zhōng）提取（qǔ）了所有的信息。

portant;" />

在路（lù）标识别的示例中，第一（yī）层可能正在寻找一（yī）个标识的角形状，然后（hòu）是颜色等（děng）各（gè）个（gè）步骤执行下去，直到（dào）它可以非常确（què）信地说（shuō）这（zhè）是一个路标并说明其含（hán）义。这样做的好处在于无需对每一个步骤都进行编程，神经网络将会自己完成，并（bìng）且随着（zhe）时间的推移而（ér）不断学习。该算法知道它需要识别的内（nèi）容，并将（jiāng）尝试不（bú）同的方（fāng）法，直到实（shí）现目标（biāo），并在过（guò）程中不断学习（xí）。一旦神（shén）经网络在（zài）经过培训之后，它便可以在实际应用中发挥作用。这意味着工（gōng）程师（shī）不必花费数小时来微调复杂的算法，他（tā）们只需向神经网络展示它需要（yào）发现的内容并让其自（zì）学（xué）完成。

这些技术已经在车辆中被广泛用于目标（biāo）检测、分类和分析，而（ér）驾驶员监（jiān）测、访问控（kòng）制以及语音和（hé）手势识别也可以利用不同（tóng）类（lèi）型的（de）神经网络。此外，将传统视觉与神经网（wǎng）络相结合（hé）的人工智能方法，可用于行（háng）人路径分析和环绕视（shì）图等应用场景，它将同（tóng）时依赖于图（tú）形处理器（qì）（GPU）和神经网络加速器（qì）（NNA）。

在从传感器到电子（zǐ）控制单元（yuán）（ECU）整个链路中也可以使用神经网络，在预处理（lǐ）、中间处理和（hé）后（hòu）处理中使用的各种技术将人工（gōng）智能引入了其中。

此（cǐ）外，车（chē）联网（V2X）技（jì）术正（zhèng）在开发中（zhōng），该技术将主要使用自动（dòng）驾驶汽车作为传（chuán）感载体，为各种智慧城市和智慧交通场（chǎng）景提供数据和（hé）信息。同样，这些进（jìn）展将（jiāng）依（yī）赖于采用GPU和NNA的方法实现人工智能，以支持来自越来越大的输入集的（de）各种（zhǒng）分析（xī）和计算。

传感器融合

自（zì）动驾驶（shǐ）和高度自动化的车辆（liàng）将（jiāng）严（yán）重依赖各种类型的（de）传感（gǎn）器，包括摄像头、热成像、雷达（dá）、激光雷达（LiDAR）等（děng）。所有这些传感器传出的信号（hào）都需要进行解读和融合，以便全面了解（jiě）车辆内部和外部发生的情况。

传感器融合对于自动驾驶至关（guān）重（chóng）要，它将涉及到GPU和神经网络以（yǐ）及机（jī）器学习和人工智能的（de）结合。

车辆内（nèi）部（bù）传感器融合的一个很好的示例是驾驶员监测。在（zài）当今的车辆（liàng）中，各（gè）种（zhǒng）各样（yàng）的传感器都能够检（jiǎn）测到驾驶员是否注意力不集中。神经网络可以分（fèn）析拍摄到的驾驶员图像，以判（pàn）断（duàn）他或她是（shì）否在睡（shuì）觉、处于疲倦状态（tài）、注意力不（bú）集（jí）中，甚至通过移动设备（bèi）讲话或发信息。这对于早期的自动驾驶车（chē）辆（liàng）来说是至关重要的信息（xī），因为它可（kě）能（néng）需要驾驶员在某些时候重新控制车辆，因为汽车（chē）需要知道驾驶员是（shì）否处于合适（shì）的状态才（cái）能这样做。

portant;" />

驾驶员监测是如（rú）何工作的？对准驾驶员面（miàn）部的摄像头为分析面部元素（尤其是眼睛）的算法提供了（le）输入。是睁着眼睛还是闭（bì）着眼（yǎn）睛？如果（guǒ）是闭着眼睛，闭眼多长时间？眼神是否飘忽不（bú）定？驾（jià）驶员正在看向哪里？

研究整个面部（bù）可（kě）以确定驾驶（shǐ）员是生气还是悲伤。如果是（shì）愤怒，系统会建议驾驶员先靠边停车并冷（lěng）静下来，然后再（zài）继续行（háng）驶。

所有这（zhè）些都（dōu）是基于构建一个面部（bù）图像（xiàng），提取关（guān）键点并使用神经（jīng）网络提取情绪、注视时（shí）间等来判断驾（jià）驶员的精神状态。

在未来的两（liǎng）三（sān）年内，驾驶员监（jiān）测可（kě）能会成（chéng）为（wéi）必须从欧（ōu）洲新（xīn）车评估计划（NCAP）和美（měi）国（guó）国家（jiā）高速公（gōng）路通（tōng）行安（ān）全管（guǎn）理局（NHTSA）获得批准的一（yī）项要（yào）求，因此驾驶员监测会成为汽车制造商必须要实施的技术，不仅（jǐn）要适用于高（gāo）端汽车，还要适用于所有车辆。

自（zì）动（dòng）驾驶的等级

美（měi）国汽车（chē）工程师（shī）学会（SAE）和美（měi）国高速公（gōng）路交通安全管理局已将自动（dòng）驾驶（shǐ）汽车（chē）的（de）能力分为六个等级。基本上，等级0完（wán）全（quán）没有自动化，而在等级1中，汽车将为驾驶员提供一些（xiē）帮助。等级2具有更多的驾驶辅助功（gōng）能（néng），甚至可以自主执行（háng）一些（xiē）任（rèn）务，例如自动紧（jǐn）急制动以避免碰撞。

等级3是一个棘手（shǒu）的（de）问题，虽然（rán）汽车是自动驾驶，但驾（jià）驶员（yuán）必须随时（shí）准（zhǔn）备驾驶车辆。驾（jià）驶（shǐ）员监（jiān）测将是等级3自动（dòng）驾驶的关键，因为驾驶员必须（xū）做（zuò）好干预的准备，并且在（zài）一定程度上，车辆有责任确保（bǎo）驾驶员做好准（zhǔn）备。

在等级4中，即使驾驶员可（kě）以接手车（chē）辆驾驶，但从理（lǐ）论上讲，车辆也可（kě）以处理它所处现场的所有情况。等级5的车辆（liàng）将实现（xiàn）全自动化（huà），没有（yǒu）方向盘和踏板。

车辆自动驾（jià）驶（shǐ）性能每提（tí）高一个级别，所需的（de）计算性能就会增加大（dà）约十倍。这就是为什么神经网络很重要的（de）原因，因为它们可（kě）以在非常低的功耗下提供（gòng）这种性能（néng）。

目标检（jiǎn）测

以一个行人为例，汽车的车（chē）载摄像头和（hé）传感器可以记录（lù）行人是在行走（zǒu）或（huò）站立；神经网（wǎng）络可被用于绘制行（háng）人可能要（yào）走的路线，并计算车辆是否（fǒu）需（xū）要减速或快（kuài）速制动（dòng）。神（shén）经网（wǎng）络还可以观察同一幅图像（xiàng）并对其进（jìn）行分割，从（cóng）中挑选出其他物体，并应用目标识别技术来判断出它（tā）们是否代表了车辆需（xū）要注（zhù）意的东西。所有这些都必须（xū）把车（chē）辆（liàng）的位（wèi）置以及它想（xiǎng）要去的地（dì）方纳入考虑之中（zhōng），如（rú）果车辆正在倒车，并（bìng）检测到在车辆（liàng）后面有一（yī）个小孩，就需要迅速（sù）处理并进行刹车。要做到（dào）这（zhè）一点，就需要人工（gōng）智能和神（shén）经网络来（lái）查看那里是否有物体存在，并对其进行识别认（rèn）出是一个孩子，然后向执行（háng）器或驾（jià）驶员发送（sòng）一个信号，以采取措施。

由于（yú）摄像（xiàng）头通常会带有某种（zhǒng）鱼眼镜头，因（yīn）此这将（jiāng）使其变得更加复杂。这（zhè）会产生一张变形（xíng）的图片，需要先矫正然后进行解读。来自这个（gè）设（shè）备以及其（qí）他传感（gǎn）器的输入需要（yào）结合起来，从而（ér）在（zài）瞬（shùn）间做出决策。

数据处理

与此同时，来自（zì）汽车（chē）周围的其他信息也源源不断地被送达，包括来自于所有传（chuán）感器的以及从其他（tā）车辆或基础设施（shī）通过无线通信接收（shōu）到的信息（xī）。这是（shì）一（yī）个巨大（dà）的数（shù）据量，可能（néng）在太字节（jiē）（terabyte）范（fàn）围内。

ECU将遍布（bù）汽车各（gè）处，并（bìng）根（gēn）据（jù）数据做出决（jué）策。这可能会涉及（jí）到100个或者更多的ECU。业（yè）界正在使用一些方（fāng）法来研究如何用更（gèng）少的ECU和更多的计算能力来实现（xiàn）这一（yī）点。摄像头（tóu）或传感器旁（páng）边的嵌入式人工智能可（kě）以做出一些决定，从而（ér）减少（shǎo）车辆需要传递（dì）的信息。

这意味着需要不同等级的处理方式。数（shù）据可以在捕（bǔ）获点进行预处理，例如拉直鱼眼（yǎn）镜头的图像。中间（jiān）处（chù）理可能包括各（gè）种（zhǒng）已计（jì）划的任务、目（mù）标识别、决策制定等。之后可以进（jìn）行后处（chù）理，当信息可以（yǐ）被清理整齐并显示在屏幕上时，让驾驶（shǐ）员就（jiù）知道正在发生什么或（huò）已经发生了什么。

应用

这些数据（jù）处理技术也被用于创建（jiàn）当前（qián）正（zhèng）在开发的应用，以在车内创（chuàng）建虚拟（nǐ）环（huán）视车身支撑柱。在此用例（lì）中，将在（zài）支撑柱（连接车（chē）顶（dǐng）和（hé）车身的支撑柱）上安装摄（shè）像头来捕获车外发生的事情。支撑柱的内（nèi）部将提供一个显示器，以显示（shì）这（zhè）些摄像头正（zhèng）在捕获的内容，从而为驾驶员提（tí）供一个（gè）不间断的视场。

这个（gè）过程非常难以实现。系（xì）统必须了解驾驶员（yuán）正在查看（kàn）的另（lìng）一侧是什么情景。图片将需要修正变形并（bìng）放（fàng）置在不（bú）平整或（huò）弯曲的表面上，然后重新变形（xíng）到（dào）支撑柱的轮廓上。

尽管（guǎn）这一（yī）进步是未来的趋（qū）势（shì），但一些高端车辆已经提供了环绕视图系统（tǒng），并且它们很快（kuài）将应用于中档和入门（mén）级车辆（liàng）。GPU被（bèi）用于分析遍布车辆周（zhōu）围的各个摄像（xiàng）头（tóu）所捕获的图像（xiàng）（通常有四个或五个摄像头），并（bìng）将图像拼接在一起。根（gēn）据（jù）拼接的图像，神（shén）经网（wǎng）络将执（zhí）行目标检测（cè）和路径预测，以查看这些目标是否有可能拦挡车辆的（de）路径。

信息娱乐和导航

在（zài）车载信息娱乐系统（IVI）和导航方面，GPU也起着重要作（zuò）用。它们还（hái）参与语（yǔ）音控（kòng）制，这（zhè）很可能成为人（rén）与车之间的关键接口。因此（cǐ），对于卫星导航系统来说，驾驶员不必操作按钮和（hé）键（jiàn）盘来输入目（mù）的地（dì），而是只需说出（chū）邮（yóu）政编码或（huò）街道名字，然后就可要求（qiú）系统绘制出路（lù）线。

仪表（biǎo）盘将被连接到（dào）外部摄像（xiàng）头（tóu），以用于路标识别等操作。如果摄像（xiàng）头捕捉到一个限（xiàn）速的标（biāo）志，该标志（zhì）可以在有效的（de）时间（jiān）内显示在驾驶员面前；如果（guǒ）汽车超过限速，就会发出声响（xiǎng）警告。

实际上，整（zhěng）个（gè）仪表显示区将使（shǐ）用（yòng）GPU进行图像渲染（rǎn）和信息优先（xiān）级排序。如果系统确定驾（jià）驶员需要了解一些关键信（xìn）息，该信息可能会从（cóng）仪表显示区中弹出，甚至可（kě）以投射到挡风（fēng）玻璃上。挡风玻璃上的图像也可（kě）以被用作导（dǎo）航系统的一（yī）部（bù）分，向驾驶员显示正确的转弯方向（xiàng）或说明汽车（chē）在即将到（dào）来（lái）的路口需要驶入（rù）哪（nǎ）