學習分為兩個步驟，一個是輸入，一個輸出。當你在看書的時候，書中的內容會逐漸滲透到你的大腦中，我把這個過程叫做輸入。而當你有一天在跟別人對話的時候，你會在你不經意間說出了書中的某個故事；或者是某句富有哲理的句子、詞語等等。我把這個過程叫做輸出。所以我創(chuàng)建這個公眾號的意義大概就是為了驗證我對于這個領域的認知度吧。但是為了節(jié)省大家對于這個領域的認知周期，我把這個領域的知識框架做了一個梗概，在自己方便查閱的同時也可以給大家?guī)硪恍┧伎嫉目臻g。

　　前面幾期我們聊過了自動駕駛的技術級別、ADAS的17大系統(tǒng)、高精地圖以及感知系統(tǒng)里面的攝像頭和雷達部分。今天我們來說說自動駕駛里面的算法。

　　在近幾年人工智能技術突飛猛進，高速發(fā)展，人們的生活已經越來越離不開人工智能了，從最開始的文本翻譯、語言識別、計算機視覺、強化學習等到現(xiàn)在的大數(shù)據(jù)、深度學習，機器學習算法、算力等。都屬于人工智能的范疇，其間，涉及到的應用有很多：例如早教智能學習機、掃地機器人、語音文字轉換器、文字識別裝置、指紋識別、人臉識別、行人檢測、車輛檢測、手勢識別、生物識別、情感識別、自然場景識別等。

　　筆者認為：算力是人工智能的充分條件，大數(shù)據(jù)是人工智能的必要條件；而算法和大數(shù)據(jù)是則是人工智能的充分必要條件。

　　目下，互聯(lián)網大佬們分分加入的自動駕駛汽車領域里面，如果沒有算法的加持，自動駕駛的L3級別也終將成為泡影。可想而知，算法的威力之大。另外我們之前在討論汽車的時候基本都是說油耗、排量、動力等，如今更多聊的是車聯(lián)網、高精地圖、智能化、顯示屏的大小、安全性、舒適性等方面了。

　　其實我們在瀏覽網頁的時候或者網上購物的時候算法就已經如影隨形，后臺時不時會像你肚子里面的“小蛔蟲”一樣，推送你喜歡的訊息或者商品。這就是推薦算法在發(fā)力。

　　深度學習是一種特殊的機器學習形式，主要是通過建立和模擬人腦來分析學習的神經網絡。一般分成數(shù)據(jù)采集處理、數(shù)據(jù)訓練、優(yōu)化數(shù)據(jù)、建立分類模型等幾個步驟完成。

　　深度學習算法主要用于汽車自動駕駛里面的三大模塊：即感知、決策、執(zhí)行，如：路徑規(guī)劃全程，首先利用深度學習模型在感知/定位模塊輸入點云數(shù)據(jù)或圖像信息。然后用深度學習模型在路徑規(guī)劃模塊完成路徑規(guī)劃，最后在行為仲裁模塊進行控制命令繼而發(fā)出相應指令給執(zhí)行模塊。

　　當然還有上一期說到的Dijkstra算法（是從一個頂點到其余各頂點的最短路徑算法，解決的是有權圖中最短路徑問題）

　　Floyd算法（利用動態(tài)規(guī)劃的思想尋找給定的加權圖中多源點之間最短路徑的算法）

　　A*算法（A*（A-Star)算法是一種靜態(tài)路網中求解最短路徑最有效的直接搜索方法也是解決許多搜索問題的有效算法。算法中的距離估算值與實際值越接近，最終搜索速度越快）

　　RRT算法（能快速的找出初始路徑,之后隨著采樣點的增加,不斷地進行優(yōu)化直到找到目標點或者達到設定的最大循環(huán)次數(shù)）

　　這些算法也都在自動駕駛領域得到了廣泛地應用。因為有些涉及到函數(shù)、編程C++語言等專業(yè)性較強的知識點，在這里就不深挖了。好了，這期關于算法的內容就到

　　創(chuàng)作編撰不易，請動動您發(fā)財?shù)氖种?，點擊右下角“在看”及左下角的“分享”，讓更多的朋友能夠看到這篇文章，您的支持是對我最大的鼓勵，持續(xù)關注我，帶你了解更多自動駕駛方面的資訊。自動駕駛的數(shù)據(jù)采集和分析平臺，以及操作系統(tǒng)、仿線x技術就不聊了，因為涉及內容面較廣，專業(yè)性較強，內容篇幅巨大。下一期我將說說自動駕駛里面的相關公司。期待您的持續(xù)關注與支持。

　　以上部分概念參考等資料資源，另外以上圖片來自網絡公開資源，不能識別其來源，如有版權爭議，請聯(lián)系本人。J9九游會官方·登錄入口