【智慧城市網 企業關注】配備機器學習算法的自動駕駛汽車可以做出更好的決策、識別和分類物體,以及解釋情況。
在世界的日常運作中,人類已經取得了長足的進步,技術的融合只會越來越緊密。人工智能及其子類機器學習在整個創新時代引起了巨大的漣漪,以至于連自動駕駛汽車都成為了未來。一些跨國企業,如Tesla、Google,已經啟動了Waymo One等自動駕駛項目,以促進由于機器學習而成為可能的自動駕駛出租車服務。下面展開其在這一創新中的作用。
機器學習如何改變自動駕駛汽車的游戲規則
自動駕駛汽車,也被稱為自動駕駛汽車或機器人汽車,是一個集成機器學習、車輛自動化硬件和軟件的整體。汽車的硬件不斷收集周圍環境的數據,而軟件則對收集到的數據進行分類,進一步部署到機器學習算法中。ML算法本質上是通過從先前事件中收集到的數據來增強其決策制定,并確定最佳的數據驅動行動。簡單地說,ML算法會隨著數據的增加而提高其有效性。
在現實世界中,影響汽車即將取得成功的技術是傳感攝像頭、雷達和激光雷達,使其能夠清楚地評估速度、位置、尺寸和更多周圍環境。通過雷達波脈沖協助在夜間探測被遮蔽的物體,并確定物體的速度和位置。此外,這些汽車利用慣性測量單元來控制車輛的加速度和位置。
用于自動駕駛的關鍵機器學習算法
自動駕駛汽車中的機器學習是多種算法的協作,有助于自動駕駛的有效運行。
? AdaBoost
AdaBoost是一種用于增強自動駕駛汽車的學習過程和性能的基本算法,可以消除機器學習的不足之處。其結合了各種低級算法的輸出,集成更有效的算法,以實現汽車的成功預測和決策。
? SIFT
SIFT即尺度不變特征變換,通過與數據庫的對應來檢測部分模糊的對象。該算法通過給無數個對象分配多個點來進行圖像匹配,這些點有助于算法識別對象。從本質上說,如果一輛靜止的車輛部分隱藏在一塊巨石后面,自動駕駛汽車就會通過車輛上的點搜索其數據庫。
? TextonBoost
與AdaBoost類似,TextonBoost算法將多個低性能的分類器合并為一個高性能的分類器,以準確地識別對象。其利用物體的背景、形狀和外觀,并通過其特征來識別。
? YOLO
YOLO是識別和分組對象的最佳算法之一,其通過將圖像劃分為片段來分析圖像。每個片段都有邊界框和預測來對圖像進行分類。
總之,我們只探索了人工智能和機器學習技術的冰山一角,但自動駕駛汽車無疑正在為未來鋪平道路。
版權與免責聲明:
凡本網注明“來源:智慧城市網”的所有作品,均為浙江興旺寶明通網絡有限公司-智慧城市網合法擁有版權或有權使用的作品,未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智慧城市網”。違反上述聲明者,本網將追究其相關法律責任。
本網轉載并注明自其它來源(非智慧城市網)的作品,目的在于傳遞更多信息,并不代表本網贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時,必須保留本網注明的作品第一來源,并自負版權等法律責任。
如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。