智能网联汽车装配与调试 教学课件4.4 深度学习技术.pdf

四机器视觉系统装配与调试

《智能网联汽车装配与调试》

目录

Contents

01视觉传感器的结构

02摄像头内参标定

03车辆和车道线识别技术

04深度学习技术

深度学习技术

04

深度学习技术

一深度学习技术-定义

二深度学习技术-应用

三深度学习技术-实例

一、深度学习技术-定义

定义

深度学习是机器学习的一个类型，该类型的模型直接从图像、文

字或声音中学习执行分类任务。通常使用神经网络架构实现深度学习。

“深度”一词是指网络中的层数，层数越多，网络越深。传统的神经网

络只包含2层或3层，而深度网络可能有几百层。

一、深度学习技术-定义

深度神经网络结合多个非线性处理层，并行使用简单元素操作，受到了生物神经系统的

启发。它由一个输入层、多个中间层和一个输出层组成。各层通过节点或神经元相互连接，

每个中间层使用前一层的输出作为其输入，如图所示。

图深度神经网络

二、深度学习技术-应用

自动驾驶汽车要想做出正确的决策，前提就必须要

做到完全的感知，目前的自动驾驶技术，识别车前到底

是一个行人还是一辆车已经不是什么难题，但是如果要

判断这是一辆轿车还是一辆SUV，行人是一个成人还是

一个小孩可能并不是那么容易。要想做到更高等级的识

别，就必须借助深度学习技术。

二、深度学习技术-应用

图像识别

图像识别是深度学习最为擅长的，只需对系统进行训练，系统便

可以实现正确的识别结果，但是在训练的时候需要一个由几万张以上

图片组成的训练集，这个训练集包含的图片数量最多，最终结果识别

的准确率便会越高。通过深度学习，自动驾驶系统不仅能做到基本的

路径识别、行人识别、道路标识识别、信号灯识别、障碍物以及环境

识别，还可以实现一些高难度的识别。

二、深度学习技术-应用

例如，使用常规的图像识别方法，

如果道路边缘的道牙没有特定的颜色，

系统就无法很好的判断出道路的边界，

自动驾驶汽车就很有可能会撞击道路边

缘。而当使用了深度学习技术之后，图

像识别系统就可以很好地区分哪里是道

路，哪里是道路边缘的道牙，如图所示。

还有一种极端的情况便是如何实现在没

有车道线的地方自动驾驶，这时可以用

人在没有车道线的路况下开车的数据来

训练神经网络，训练好之后，神经网络

在没有车道线的时候也能大概判断未来

车可以怎么开。图借助深度学习识别道路边缘

三、深度学习技术-实例

MATLAB利用深度学习建立了车辆检测和行人检测函数，利用