自动驾驶汽车是如何探知周围环境的？

自动驾驶可不光是配备个 AI 那么简单。它需要学会像人类一样感知环境。

众所周知，人类天生可以利用五大主要的感官来获取有关周围环境的信息。例如，听见电话铃响、看见电脑屏幕上出现的通知信息或触摸到高温物体。

但是，如果没有感知能力，我们将无法理解这些输入信息的含义，也无法确定其中的相关性。比如，听到电话铃响就知道需要接听电话，看到通知消息便知道有一封邮件需要回复，触摸到高温物体则需要把手收回去，以免烫伤。

现在，试想一下在公路上驾车的情景，您的周围充斥着源源不断的信息流：从车道标记和街道标志，到穿梭的摩托车和汇入车流的卡车，再到拥堵的交通状况。在这样的情况下，能够做出及时、明智的驾驶决策不仅仅是一项技能，更是一件生死攸关的大事。

感知能力让人类可以作出及时联想并对其采取行动。同理，能够从环境中立即提取出相关信息是保证自动驾驶汽车安全运行的重要基石。

有了感知能力，车辆可以利用摄像头和其他传感器检测到行驶在其前方的车辆，判断该车辆是否会带来潜在危险，并继续跟踪其行驶轨迹。这项功能可以覆盖到车辆周围 360 度的视野，让车辆能够在行驶过程中检测并跟踪所有运动和静止的物体。

对于自动驾驶汽车的安全运行来说，感知是其计算流程的第一阶段。一旦汽车能够从周围环境中提取出相关数据，那么它就可以在无需人工干预的情况下自动规划前进路线并行驶上路。

在干扰中找寻信号

自动驾驶汽车的传感器每秒都会生成大量数据。从车辆，到过往行人，再到街道标志、交通信号灯，前行的每一公里都包含大量的信号，指示自动驾驶汽车该往哪走，不该往哪走。

识别这些指示信号并确定出哪些是安全运行所必需的是一项十分复杂的工作，需要多种深度神经网络并行处理。NVIDIA DRIVE 软件堆栈是NVIDIA DRIVE平台的重要组成部分，包含库、框架和源码包，能够支持多个深度神经网络彼此配合，实现全面的感知能力。

这些神经网络包括可检测障碍物的 DriveNet 和可检测可行驶空间的 OpenRoadNet。在规划前进路径方面，LaneNet 可检测车道边缘，而 PilotNet 可检测可行驶路径。

借助高度优化且极具灵活性的库，NVIDIA DRIVE 软件让这种集成成为了可能。这些不同的神经网络可以同时运行并可彼此叠加，从而实现冗余度，这对安全性来说至关重要。

内在安全性

除了感知层的冗余度之外，这些神经网络还可以备份车辆的整体功能，从而提高各个层面的安全性。

例如，车辆装载的高清地图可以标出十字路口，且当与实时传感器数据配对后，感知层将向车辆显示精确的停靠位置，从而能够以更强大的方式精准定位车辆位置。

感知能力还有助于增强自动驾驶汽车能力的多样性，使车辆能够像人类一样精确感知世界。除了可以识别障碍物外，车辆还可以识别静止物体以及移动物体，并确定它们的运动路径。

有了诸如 NVIDIA 合作伙伴 Perceptive Automata 所提供的新增软件功能，车辆甚至可以通过读取肢体语言和其他标志性信息预测人类的行为。凭借 NVIDIA DRIVE 平台提供的强劲计算动力，这些新增的人类行为感知能力可以与操控自动驾驶汽车的其他算法同时运行。

借助这种软硬件结合的解决方案，开发人员将能够向自动驾驶汽车的智能大脑中源源不断地添加新的感知能力。