探索自动驾驶汽车中的计算机视觉如何实现实时感知和决策，从而提高安全性和整体驾驶体验。
Cookie 设置
点击“接受所有 Cookie”，即表示您同意在您的设备上存储 Cookie，以增强网站导航、分析网站使用情况并协助我们的营销工作。更多信息
探索自动驾驶汽车中的计算机视觉如何实现实时感知和决策，从而提高安全性和整体驾驶体验。
自动驾驶汽车不再仅仅是未来的想法；在用于自动驾驶的人工智能 (AI) 技术进步的推动下，它们正逐渐成为现实。这些车辆在很大程度上依赖于先进的 AI 系统，特别是 计算机视觉，来理解和解释周围的世界。这项技术使他们能够识别物体、识别道路标志并安全地实时导航复杂的环境。
随着 全球自动驾驶汽车市场在 2021 年的价值超过 270 亿美元，预计到 2026 年将增长到近 620 亿美元，很明显，用于 自动驾驶的 AI 正在塑造交通运输的未来。在本文中，我们将仔细研究计算机视觉如何在自动驾驶汽车中应用，涵盖行人检测、交通标志识别和车道保持系统等关键应用，展示这些创新如何改变驾驶的未来。
人工智能可以极大地帮助自动驾驶汽车理解周围环境并做出实时决策。让我们来探讨一下人工智能如何在众多应用中协助行人检测和交通标志识别，这两个关键要素可以提高自动驾驶的可靠性。
驾驶需要持续的注意力和对周围情况的了解。自动驾驶汽车中的 AI 可以帮助我们日常使用汽车的无数方面。例如，AI 可以通过发现行人并预测他们的行动，在保障行人安全方面发挥重要作用。根据“自动驾驶汽车中行人检测研究”，这个过程从汽车的摄像头开始，这些摄像头安装在车辆周围，以捕捉周围环境的完整视图，包括道路、人行道和人行横道。这些摄像头不断接收视觉数据，这有助于汽车“看到”行人，即使在繁忙或具有挑战性的情况下。
收集到的视觉数据可以使用计算机视觉模型进行处理，例如 Ultralytics YOLOv8.为此，第一步是使用 物体检测这需要识别图像中潜在物体的位置，如行人、车辆和交通标志。一旦检测到，人工智能模型就会进入下一步，即 分类-确定每个检测到的物体到底是什么。模型经过 训练在庞大的 数据集使其能够识别各种姿势、光线条件和环境下的行人，即使行人被部分遮挡或处于运动状态。
虽然一些计算机视觉模型擅长检测和分类，但其他模型则专注于预测检测到的行人的移动等任务。在这些系统中，一旦一个对象被分类为行人，AI模型就会更进一步，预测他们的下一步行动。例如，如果有人站在人行横道边缘，汽车可以预测他们是否可能踏入道路。这种预测能力对于车辆实时做出反应至关重要，例如减速、停车或改变方向以避免任何潜在危险。为了使这些决策更加智能，AI系统可以将来自摄像头的视觉数据与来自LIDAR等其他传感器的输入相结合，从而使汽车能够更全面地了解周围环境。
交通标志识别，简称 TSR，是自动驾驶汽车的另一个重要组成部分。它可以帮助车辆实时识别和响应道路标志，例如停车标志、速度限制和方向指示。这确保了汽车遵守交通规则，避免事故，并让乘客享受平稳安全的旅程。
TSR 的核心是深度学习算法，它使用汽车的摄像头来识别标志。这些系统需要在不同的条件下工作，如雨天、弱光或从一定角度观察标志时。较旧的方法依赖于分析标志的形状和颜色等技术，但它们通常在复杂情况下（如恶劣天气）会失效。
在研究论文"YOLOv8 的多类交通标志检测方法"中，作者描述了使用 YOLOv8模型来识别图像中交通标志所在的区域。该模型在一个数据集上进行了训练，该数据集包括不同角度、光线和距离等各种条件下的交通标志图像。一旦YOLOv8 模型 检测到模型检测到包含交通标志的区域后，就能对其进行准确分类，精确度达到了令人印象深刻的 80.64%。通过实时识别重要的交通标志，这些功能可以帮助自动驾驶汽车了解路况，从而做出更安全的驾驶决策。
人工智能正在逐步改变自动驾驶汽车的工作方式，使它们更安全、更高效。凭借智能算法和快速处理数据的能力，这些汽车可以发现危险，做出更好的驾驶决策，甚至可以减少它们对环境的影响。以下是人工智能为自动驾驶汽车带来的主要好处。
人工智能能够通过实时检测和响应危险来提高自动驾驶汽车的安全性。根据美国国家公路交通安全管理局 (NHTSA) 的一份报告，94% 的严重撞车事故是由于人为错误造成的。人工智能有潜力通过比人类驾驶员更快地做出反应来减少此类事故，随着自动驾驶系统变得更加先进，事故率可能会降低 90%。
自动驾驶车辆目标检测中的人工智能不仅有助于提高安全性，还有助于改善交通流量。 通过使用人工智能，这些车辆可以调整速度，保持最佳距离，并减少突然刹车或加速的需要，所有这些都有助于最大限度地减少交通拥堵。 人工智能算法还可以通过确保汽车遵循最有效的路线、避免不必要的停车以及更好地管理燃料消耗来优化燃油效率。 因此，人工智能不仅改善了驾驶体验，还有助于减少排放和燃料成本。
自动驾驶汽车的未来围绕着实现L5级自动驾驶，这意味着完全的自动驾驶，无需人工干预，无论环境或情况如何。为了理解该技术的发展方向，重要的是要分解由美国汽车工程师学会（SAE）定义的五个自动驾驶级别：
目前，大多数市售车辆都处于 L2 级自动驾驶水平，汽车可以辅助转向和速度控制，但仍需要驾驶员保持注意力。 梅赛德斯-奔驰 是首批实现 L3 级自动驾驶的公司之一，在特定条件下，驾驶员可以将手从方向盘上移开，视线离开道路，并观察周围环境。
然而，要达到Level 5级别的自动驾驶——即车辆无需地图或人工干预，即可在繁忙的城市中心到偏远的乡村道路等各种地形中行驶——面临着巨大的挑战。这些挑战包括开发能够在不可预测的环境中做出实时决策的先进人工智能，处理复杂的天气条件，以及确保所有驾驶场景中的安全。
人工智能是实现自动驾驶汽车的关键。它可以帮助这些车辆detect 物体、识别交通标志、保持在车道上行驶，并通过计算机视觉模型（如 YOLOv8等计算机视觉模型，协助 管理交通和 优化停车管理使驾驶更安全、更顺畅。YOLO 和CNN等技术让汽车在道路上做出明智的决定。目前，大多数自动驾驶汽车处于二级自动驾驶状态，即辅助驾驶，但仍需要人类的关注；三级自动驾驶正在测试中，允许有限的放手驾驶。
未来的巨大挑战是达到 L5 级自动驾驶，即汽车可以在没有任何人为帮助的情况下在任何条件下自行驾驶。这将需要更多的工作来处理意外事件，并创建可以在所有情况下做出实时决策的系统。随着人工智能的改进，完全自动驾驶汽车越来越近，有望实现更安全的道路和更舒适的驾驶体验。
对 AI 感兴趣吗？浏览我们的 GitHub 仓库，深入了解开创性项目，并与我们不断壮大的 社区建立联系。从 医疗保健领域的突破到 自动驾驶领域的创新，我们正在推动 AI 的未来！
