【理论学习】

写在前面个人对于学习论文及综述的相关总结和个人看法，如有错误，望大家谅解。

目录

【理论学习】调研人工智能技术在无人驾驶汽车中的应用正文：个人看法：参考文献：

调研人工智能技术在无人驾驶汽车中的应用

正文：

人工智能最主要的功能包括:数据挖掘、规划能力、机器学习、感知能力、推理能力人工智能技术通常也被人们成为Al技术，借助计算机技术模拟人类的思想和行为。人工智能技术是计算机技术中的重要分支，是计算机技术发展中的重要产物。可以说，人工智能技术的出现是技术和经济发展中的必然。合理应用人工智能技术对社会的稳定、和谐发展具有重要意义。无人驾驶汽车就是一种汽车行驶过程中无需人为操控，可借助车载智能系统准确感知周边环境，高效处理获取信息，并规划行驶路线的技术形式。该技术能够自动控制汽车，带领乘车人顺利到达目的地。

无人驾驶汽车图形识别与感知：图像识别是计算机对图像进行处理、分析和理解, 以识别各种不同模式的目标和对像的技术, 就是让机器能够通过对感知信息的处理像人类一样读懂图片的内容, 图像识别技术也即图像的数据挖掘技术, 是计算机智能化的典型应用。图像识别在各国都受到重视, 世界各国已经研制成多种多样的自动识别机和有视觉的机器人, 广泛应用于邮政、交通、公安、医学、工业机械、勘探、农业、天文气象及居家服务等部门。

无人驾驶汽车深度学习系统：深度学习极大地促进了机器学习的发展，受到了世界各国相关研究人员和互联网公司的重视，目前深度学习应用最广泛的三个领域是语音识别，图像识别和自然语言处理。目前,通过深度学习的方式让无人驾驶汽车不断地优化自己的驾驶行为,是目前最有效的解决方案。每一辆无人车行驶过 程中遇到各式各样的交通情景和突发状况将产生大量的数据,这些大数据被传回云平台用作深度学习的训练样本,经过大量样本训练学习的“驾驶脑",不仅仅获得了自身行驶的驾驶经验,同时也获得了其他车辆的“学习、训练成果",随着样本训练的不断增加,“驾驶脑”的驾驶技术将呈现指数式的增长,将大幅度提升无人驾驶技术的进步,同时提高无人驾驶汽车的安全性。尤其是随着芯片巨头NVIDIA于推出了新- -代针对自动驾驶开发的深度学习的车载超级电脑-- XAVIER,其可以用作自动驾驶汽车的超级大脑,以深度学习算法来加强车辆的感知能力，识别出车辆行驶环境周围的其他所有物体,包括行人、车辆、路标、车道线、建筑设施等等,对车辆各类传感器收集到的数据进行处理与分析,进而进行判断,再做出决策。随着深度学习在图像识别领域取得较大的突破,深度学习算法通过多层迭代对特征抽象进行模式识别的学习，从而能够以较高的精度实现对路况、物体的识别。在大数据和云计算时代,智能控制技术需依托深度学习,才能实现自动驾驶所要求的安全性和精确度。深度学习是人工智能的一门学科,是通过计算机算法在机器上模拟神经网络,让机器具备学习的能力。例如,卷积神经网络CNN在图像识别领域具有了相当高的精度被广泛应用在自动驾驶领域。由于CNN在神经网络的结构.上针对视觉输入本身特点做的特定设计,所以它是计算机视觉领域使用深度神经网络的不二选择。 无人驾驶的感知部分作为计算机视觉的领域范围,也不可避免地成为CNN发挥作用的舞台。而随着各种改进CNN的出现,其被广泛应用在物体检测与3D感知技术中。

传感器和所构建的模型是无人驾驶技术的关键内容，从某种角度来说其技术水平决定了无人驾驶技术的发展程度。但是，目前所运用的传感器性价比和精准度无法兼顾，在今后要充分的对激光雷达进行应用。构建模型对于算法的要求比较高,随着人工智能技术水平的提升，算法将会得到较为迅速的发展，为无人驾驶目标的实现提供有利条件。

个人看法：

人工智能技术对无人驾驶汽车发展起着至关重要的作用，深度学习的发展为其提供图像识别，道路规划等问题的解决方案，数据挖掘、数据分析为其提供数据保障以便更好的进行展开研究。其二者相辅相成难以分割。

参考文献：

[1]陈爱霞,杜友福,陈中举.图像识别的应用现状和研究方向[J].中国科技信息,(16):82+63.

[2]罗宏.人工智能技术在车辆无人驾驶中的应用[J].时代汽车,(17):190-191.

[3]康乐.人工智能视角下的无人驾驶技术分析与展望[J].农机使用与维修,(05):37-38.

[4]胡晔.无人驾驶领域中人工智能技术的应用[J].河南科技,,39(35):27-29.

[5]郭旭.人工智能视角下的无人驾驶技术分析与展望[J].电子世界,(20):64-65.