深度学习在无人驾驶汽车中应用.docVIP

深度学习在无人驾驶汽车中应用 　　摘要：本文针对当代社会对无人驾驶汽车研制的迫切需求，开展了深度学习在无人驾驶汽车中应用的研究。文章首先从无人驾驶汽车工作原理、体系架构设计，然后深度学习的基本概念、原理和一种算法思想，运用非监督学习对每层的数据进行聚类，监督学习调整每层之间的关系，并将之应用于减速鸣笛和行驶中的加速减速控制。 　　关键词：无人驾驶；深度学习；隐含层；阀值 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）24-0121-03 　　Deep Learning on the Application of the Driverless Cars 　　SUN Hao-tian 　　（Class 1，Grade 2， Hefei Sixth Senior High School， Hefei 230061，China） 　　Abstract： Contemporary society， the author of this paper to the urgent need of driverless cars developed has carried out in-depth study in the study of the application of the driverless cars.This paper from the working principle of the driverless cars， architecture design， and then deep learning of the basic concepts， principles and an algorithm of ideas， using the data of each layer of unsupervised learning clustering， supervision and study the relationship between the adjustment of each layer， and is applied to the deceleration honking and driving the acceleration deceleration control. 　　Key words： driverless； deep learning； implicit layer； threshold 　　随着科技的发展，现在机器越来越智能化。为减轻人们的工作，无人驾驶车辆成为社会发展的产物，其中车辆无人驾驶技术的优点有增加了公共交通的安全、出行的便利（降低人为事故）、避免人们在路上浪费时间，省去堵车的烦恼，高管和普通员工从离开家门一刻起就可以阅读邮件，或为其他事情做准备，使不会驾驶汽车的低龄儿童和成年人，不方便驾驶的老年人都会受益于无人驾驶汽车，也就节省了其他人的时间、提高汽车利用效率。美国现在平均每个家庭拥有2～3辆汽车，往往是一人上班，一人接送孩子以及有驾照的大孩子使用，无人驾驶汽车可以在送家长上班后，自动回家送孩子上学，从而降低汽车保有率，节省对铁矿和石油资源的使用。虽然大型汽车制造商可能不喜欢这一点，但是从环保的角度较划算、堵车和长时间开车造成的疲劳，或者路上的纠纷造成的“路怒症”会降低，对人们的身心健康和安全都是很有益处的。 　　机器学习是无人驾驶技术成功地基础，深度学习是源于人工神经网络的一种高效的机器学习方法。深度学习可以提高汽车识别道路、行人、障碍物等的时间效率，并保障了识别的正确率。通过大量数据的训练之后，汽车可以将收集到的图形，电磁波等信息转换为可用的数据，利用深度学习算法实现无人驾驶。 　　1 无人驾驶汽车的工作原理 　　如图1所示，无人驾驶系统是由激光测距仪，视频摄像头，车载雷达，微型传感器，电脑资料库，电脑处理系统组成。 　　车顶上的激光测距仪发射激光射线，当激光碰到车辆周围的物体，又反射回来，计算出物体与车之间的距离。 　　前三后一的雷达布局，可以探测到较远的固定路障，使电脑处理系统能够预先进行处理，避开路障；当车道变换时，车后雷达探测左右后方是否有车，进行变道；并检测激光测距仪的盲点区域，防止侧面撞击；车前雷达，判断前方是否有路口，若有路口，将信息传递给电脑处理系统，进行判断处理；当前方有车刹车，车前雷达探知后，电脑处理系统会进行刹车判断；倒车时，后车雷达可以测量与障碍物之间的距离，判断倒车距离；后方有车时，由激光测距仪测出车间距离，电脑处理系统从电脑数据库提取数据进行处理，判断应保持多大的车间距。 　　如图2所示，另一套在底部的系统测量出车辆在三个方向上的加速度、角速度等数据，然后再结合GPS数据计算出车辆