可以說如果沒有視覺識(shí)別技術(shù)，無人駕駛技術(shù)根本不可能實(shí)現(xiàn)，因?yàn)樗褪菬o人駕駛汽車的眼睛。

無人駕駛一般包括五個(gè)等級(jí)，但是不管哪個(gè)等級(jí)都會(huì)包含環(huán)境感知、規(guī)劃決策和執(zhí)行控制等三個(gè)方面，其中環(huán)境感知方式主要有視覺識(shí)別、毫米波雷達(dá)感知和激光雷達(dá)感知。毫米波雷達(dá)感知和激光雷達(dá)鎂客君在《簡(jiǎn)析無人駕駛雷達(dá)技術(shù)，毫米波雷達(dá)和激光雷達(dá)應(yīng)相輔相成》一文中有過分析，今天我們就來說一下視覺識(shí)別。

特斯拉曾經(jīng)因視覺識(shí)別的缺陷而被人口誅筆伐

今年分別發(fā)生在美國(guó)和中國(guó)的兩起特斯拉自動(dòng)駕駛狀態(tài)下的車禍致死事件，本質(zhì)上就是因?yàn)橐曈X識(shí)別技術(shù)的缺陷導(dǎo)致。具體分析如下：

美國(guó)的車禍中，由于特斯拉車上的毫米波雷達(dá)裝位置較低，無法檢測(cè)卡車高的車廂，而攝像頭當(dāng)時(shí)應(yīng)該已經(jīng)能檢測(cè)到卡車了。不過車輛的行駛過程中，兩個(gè)探測(cè)設(shè)備在最后融合起來的時(shí)候可能出現(xiàn)了問題，未能識(shí)別卡車所處位置，最終導(dǎo)致車禍發(fā)生。

國(guó)內(nèi)的車禍中，特斯拉在跟車過程中，前車突然變道，前方工程車輛速度較慢，與特斯拉之間距離迅速縮短，毫米波雷達(dá)無法掃描到近距離的側(cè)向車。加之?dāng)z像頭當(dāng)時(shí)僅收錄了部分工程車車體，進(jìn)而視覺識(shí)別無法及時(shí)反應(yīng)，最終導(dǎo)致車毀人亡。

上述兩起事故，雖然只是所有有關(guān)特斯拉自動(dòng)駕駛車禍中最典型的兩起，但卻足以說明在視覺識(shí)別技術(shù)尚未完善的情況下，使用自動(dòng)駕駛模式是非常危險(xiǎn)的。同樣，視覺識(shí)別技術(shù)對(duì)于自動(dòng)駕駛、無人駕駛技術(shù)的重要性也不言而喻。

目標(biāo)由靜至動(dòng)的轉(zhuǎn)變，是汽車領(lǐng)域的視覺識(shí)別最大挑戰(zhàn)之一

傳統(tǒng)的視覺識(shí)別常見的應(yīng)用場(chǎng)景有文字轉(zhuǎn)錄、人臉識(shí)別、指紋識(shí)別等等，不過這些視覺識(shí)別技術(shù)都有一個(gè)共同的特點(diǎn)，都是靜止?fàn)顟B(tài)下的識(shí)別。而在汽車領(lǐng)域，視覺識(shí)別在識(shí)別內(nèi)容和要求兩個(gè)方面就與傳統(tǒng)視覺識(shí)別有所不同。

識(shí)別內(nèi)容方面，汽車領(lǐng)域的視覺識(shí)別最大難點(diǎn)在于，攝像頭和識(shí)別目標(biāo)兩者都是相對(duì)運(yùn)動(dòng)的。比方說需要識(shí)別的機(jī)動(dòng)車、非機(jī)動(dòng)車、人，這些物體是參與交通的一部分且是處于主動(dòng)運(yùn)動(dòng)狀態(tài)。而障礙物，以及交通牌、紅綠燈等交通標(biāo)識(shí)則是相對(duì)運(yùn)動(dòng)狀態(tài)。

而識(shí)別要求方面，則是追求低成本的同時(shí)還強(qiáng)調(diào)性能。一個(gè)足夠強(qiáng)大的視覺識(shí)別系統(tǒng)，其實(shí)是可以替代激光雷達(dá)的作用，從而降低自動(dòng)駕駛成本。但是由于技術(shù)特性的不同，也會(huì)帶來一定的可靠性問題。對(duì)于汽車而言，即使出現(xiàn)短暫性的問題都可能會(huì)嚴(yán)重威脅人身財(cái)產(chǎn)安全，比方說特斯拉的那兩起事故。

正是由于汽車領(lǐng)域的視覺識(shí)別既要求成本又要求性能，而識(shí)別內(nèi)容又更加繁復(fù)，因此視覺識(shí)別在汽車領(lǐng)域的應(yīng)用難點(diǎn)尤其突出。

深度學(xué)習(xí)讓視覺識(shí)別更上一層樓

深度學(xué)習(xí)可以算是近些年來人工智能領(lǐng)域的最大突破之一，如果在算法和樣本量足夠的情況下，其準(zhǔn)確率可以達(dá)到99.9%以上，而傳統(tǒng)的視覺算法檢測(cè)精度的極限在93%左右。這樣一來，將深度學(xué)習(xí)融入視覺識(shí)別系統(tǒng)，可以使得無人駕駛技術(shù)更加完善。

無人駕駛的環(huán)境感知部分包括車道線、車輛、行人、交通標(biāo)志等目標(biāo)的自動(dòng)檢測(cè)，這就要用機(jī)器學(xué)習(xí)的方法去完成自動(dòng)識(shí)別工作，而深度學(xué)習(xí)是目前為止最好的機(jī)器學(xué)習(xí)方法。深度學(xué)習(xí)利用其深層的神經(jīng)網(wǎng)絡(luò)，通過一定的算法能訓(xùn)練出一個(gè)識(shí)別率非常高的分類器，從而能夠使環(huán)境感知部分高精度的完成，為駕駛決策模塊提供正確的環(huán)境信息，保證無人駕駛正常的完成。

所以說，相比于傳統(tǒng)模式識(shí)別算法，深度學(xué)習(xí)算法所具備的精確度更高、環(huán)境適應(yīng)性更強(qiáng)等特點(diǎn)，讓無人駕駛技術(shù)中的視覺識(shí)別更上一層樓，也讓整個(gè)無人駕駛技術(shù)更完善。

汽車想要完成自動(dòng)或者無人駕駛動(dòng)作，能夠感知和識(shí)別周圍的物體是最基本的前提條件?？赐晟厦娴膬?nèi)容，相信各位看官也可以對(duì)視覺識(shí)別有一定的了解，鎂客君后面也會(huì)給大家?guī)硪黄嘘P(guān)視覺識(shí)別行業(yè)的深度文章，敬請(qǐng)期待。

最后，記得關(guān)注微信公眾號(hào)：鎂客網(wǎng)（im2maker），更多干貨在等你！