在自动驾驶的背景下，通常实现两个主要阶段：图像处理阶段和控制阶段。第一个旨在从获取的图像中提取有用的信息，而第二个则利用这些信息来控制车辆。
就处理阶段而言，通常使用语义分割。输入图像被划分为具有特定含义的不同区域（道路、天空、汽车等）。下面是一个语义分割的例子：
分割阶段的输出非常复杂。我试图了解这些信息通常在控制阶段是如何使用的，以及如何使用分段区域上的信息来控制车辆。
为简单起见，让我们只考虑必须遵循路径的车辆。
TL;DR：基于语义分割的自动驾驶典型控制算法有哪些？
基于语义分割的自动驾驶控制逻辑
人工智能
研究
参考请求
自动驾驶汽车
2021-10-18 13:51:01
1个回答
这是一个很好的问题。将 AI 知识连接到应用程序是一项艰巨的任务，并且不容易测试和完善。
关于自动驾驶算法，有几点需要牢记。
- 在将模型实际应用于现实世界之前，需要大量数据。
- 控制算法是为特定任务设计的，没有解决问题的主算法。
- 时间非常重要，必须实时做出决定。
您在问题中提到的图像分割在当前的自主技术中很少使用。主要问题是
- 该模型速度慢，需要大量计算资源。因此，这无助于实时决策。
- 信息中缺少一个非常重要的参数深度。这在自动驾驶技术中至关重要。2D 图像无法提供此参数。
所以目前的技术使用
- 一系列传感器（激光雷达、超声波、相机等），每秒可提供 100 次以上的读数。
- 许多计算机视觉算法和控制算法都是硬编码的。有在其中做出决定的设定参数。
- 控制算法旨在与每组传感器和汽车的机械部件配合使用。
为了更好地了解这些算法的使用方式，您可以查看
- DARPA 大挑战赛的斯坦利视觉系统获胜者（斯坦福）
- 无人驾驶汽车如何看路TEDx
其它你可能感兴趣的问题