人工智能视角下的无人驾驶技术分析与展望

刘小娜 李琼 康沛栋 王晨宇

摘 要：从当前的情况进行分析，无人驾驶技术已经成为了今后汽车行业发展的主要趋势，能够为人们提供更加便利、更高质量的出行，为此在人工智能视角下，必须要对无人驾驶技术进行分析。可以将人工智能技术和无人驾驶技术相结合，使其决策更加科学合理，为无人驾驶技术的进一步发展提供支持。本文就在此背景下，对无人驾驶中的人工智能技术进行了相应的阐述与分析，并指出了未来无人驾驶所面临的问题与对该领域的未来展望。

关键词：无人驾驶;深度学习;人工智能

引言

汽车为人们的日常出行提供了便利，尤其是长途駕驶。驾驶途中，驾驶员易于产生疲劳、注意力分散等问题。为确保驾驶安全，无人驾驶技术在车辆驾驶中得以应用。人工智能技术在新算法和新技术的协同作用下能够充分展现其自主学习和自动适应的优势，并结合驾驶员的特点制定不同的驾驶计划。

1无人驾驶汽车的概念

无人驾驶汽车指的是不依靠人就可以顺利地启动，进而开展运输活动的智能汽车。无人驾驶汽车对感知系统性能要求比较高。而汽车需要以获取的道路信息、行人信息、障碍物信息和红绿灯信息等为行驶行为开展的依据，同时要根据这些信息做好行驶规划。最终，无人驾驶汽车需要到达指定地点，完成驾驶任务。无人驾驶汽具有良好的市场发展前景，值得相关人员研究和探讨无人驾驶技术、人工智能技术、红外线感知技术，以此更好地降低交通事故发生风险。

2无人驾驶汽车中人工智能技术的应用优势

2.1保证行车的安全性

驾驶员技术水平有限是引发交通事故的主要原因之一。再者，驾驶员疲劳驾驶也是影响车辆行驶安全的关键要素。利用无人驾驶技术，车辆驾驶系统能够观测驾驶员的异常情况，如驾驶员疲劳度较高，可及时切换到无人驾驶模式。在无人驾驶模式下汽车行驶更加安全，规避了由于疲劳驾驶可能引发的交通事故。无人驾驶技术也能够解放驾驶员，使很多没有驾驶技术的人也能够实现有车梦。除此之外，无人驾驶技术也能够最大限度地降低由于驾驶技术欠缺所引发的交通事故发生率。

2.2智能规划路线

尽管现代汽车已经建设了相对完善的汽车导航系统，协助汽车规划行驶路线，但汽车导航系统规划的路线却不一定是最佳路线。尤其是当汽车行驶在陌生城市中时，汽车导航系统对行驶路线并不熟悉，无法合理选择规划路线，如此就降低了车辆的出行效率。同时，汽车导航系统无法合理预判规划路线交通拥堵的可能性，如遇到交通拥堵的情况，会在路上花费较长的时间。人工智能系统能够预先判断交通概况，也可对交通路线做出合理的规划，显著提高了交通路线规划的科学性与准确性，最大限度地降低交通拥堵出现几率，并且可保证驾驶员按照最佳路线驾驶，防止驾驶车辆时受交通拥堵的负面影响，缩短在道路上的时间。

3人工智能视角下的无人驾驶技术

3.1人工智能

从当前的情况进行分析，借助于深度学习可以使无人驾驶汽车对于自身所进行的驾驶行为作出调整、优化，这是推动无人驾驶汽车发展的有效途径之一。无人驾驶汽车在行驶时可能会出现多种不同的情况，对于这些情况中出现的数据进行收集、处理，能够为无人驾驶汽车提供较好的训练条件，并在不断的训练之中，形成较为熟练的驾驶技术，这不但能够使无人驾驶汽车的出行更加高效，还能够和其他无人驾驶汽车达成信息共享这一目标，这样能够在提升无人驾驶汽车的驾驶能力的同时增加无人驾驶的安全性、可靠性。特别是在超级电脑研发成功之后，其可以借助于算法学习使车辆的感知水平得到提升，有效的分辨出在驾驶的各个环节中出现的人、车辆、建筑物等情况，高效的对数据进行处理，并根据所获得的结果，制定决策。随着算法在图形识别方面获得较大的成功。在大数据背景下，智能控制技术需要以人工智能技术作为支持。主要是通过对机械进行模拟，使其具备神经网络，能够通过学习获得发展。

3.2无人驾驶汽车深度学习系统

在无人驾驶汽车中，计算机代替了人类大脑，其需要根据周围环境，准确做出行驶判断，合理地规划行驶路线。无人驾驶汽车应用的计算机与平常所指的计算机存在差异。无人驾驶汽车在行驶过程中容易因道路障碍物而产生振动。因此，人们要优化无人驾驶汽车中应用的计算机，保证计算机的适用性。通常主要应用工控机，通过运行智能系统，完成各项操作。为提升无人驾驶水平，人们要积极地研究无人驾驶汽车深度学习技术，进而构建相应的系统。可以说，无人驾驶汽车深度学习技术的发展水平直接影响无人驾驶水平。无人驾驶汽车深度学习主要通过研究人的神经系统来构建一种无人驾驶技术。无人驾驶汽车深度学习系统可以更好地根据外部情况，适时调整驾驶行为。深度学习技术在无人驾驶汽车中的应用步骤如下：一是数据准备，即进行数据存储训练，为深度学习技术的开展奠定基础;二是无监督学习，主要通过输入大量数据的方式让计算机系统进行学习，提高数据信息处理水平;三是判断、处理数据，即合理地划分数据，并对数据进行判断、处理等;四是运行监督学习系统，不断地提升系统深度学习能力;五是输入后运用监督学习调整所有层，保证深度学习水平。

3.3立体视觉匹配

立体视觉匹配在计算机视觉中发挥着至关重要的作用。立体视觉匹配技术在发展过程中的又一难题和重点是，不同图像匹配的歧义现象较为普遍。对此，要明确正确选择可能存在的相似特征的方法。现阶段，计算机学习计算能力显著提升，相关领域的学者和科学家也开始将图像的稠密关系匹配作为研究重点，也开始使用复杂度更高的计算方法开展计算工作。自动驾驶技术研究中，技术水平日益提高，不断优化和完善该技术能够更好地处理自动驾驶汽车在驾驶过程中遇到的突发状况。机器需要模仿人类大脑的相似图像，科学选择匹配点，同时也应在突发事故出现时做出相对理性和正确的判断，在较短的时间内解决问题。按照要求做好立体视觉匹配后，车辆需要在超声波传感器、摄像机、雷达和激光测距技术的支持下，使用3D感应技术检测车辆前方的地形地貌，从而准确地判断前方的路面概况，根据地形概况合理调整汽车参数设置及行驶速度。

3.4定位及位姿传感器

其通过进行定位、位姿感知，避免无人驾驶汽车偏离正确方向。当前，我国主要应用RTK-GPS技术，获得经纬坐标、速度及行驶角度等信息。不过，RTK-GPS技术在实际应用过程中会出现一定的问题。比如，周围建筑物会影响所获得信息的准确性;随着距离的增加，RTK-GPS技术应用的准确度会降低。为促进无人驾驶事业发展，我国在一些省市建立了固定差分基站系统。这样就可以大大保证获得的经纬坐标、速度及行驶角度等信息的精准性。

结束语：无人驾驶作为新出现的技术之一，能够有效地缓解交通拥挤的现状，带给人们更加舒适的出行体验。但是，从现实情况来进行分析， 无人驾驶技术还存在着一些问题，随着人工智能水平的进一步发展，为无人驾驶技术创造了更多的发展条件。在今后，无人驾驶技术将会越发成熟，为人们的出行提供更多的便利。

参考文献：

[1]孙效华，张义文，侯璐，等.人工智能产品与服务体系研究综述[J].包装工程， 2020，（10）：49-61.

[2]高云霞，刘鹏厚，张波.无人驾驶汽车领域中人工智能的应用[J].南方农机， 2020，（6）：169.

[3]叶培建，孟林智，马继楠，等.深空探测人工智能技术应用及发展建议[J].深空探测学报，2019，（4）：303-316.