了解自动驾驶汽车如何利用 AI、计算机视觉和传感器,通过安全性、效率和创新来彻底改变交通运输。
自动驾驶汽车(AVs),常被称为无人驾驶汽车,是一种能够感知环境并无需人工干预即可运行的智能交通系统。这些系统代表了汽车创新领域人工智能的巅峰,通过将精密硬件与先进软件算法相结合来解读复杂环境。 AV技术的核心目标在于通过减少人为失误引发的事故来提升道路安全,同时优化交通效率并为行动不便者提供出行解决方案。这类车辆本质上依赖人工智能(AI)来感知环境刺激、处理信息并做出瞬时驾驶决策。
要使自动驾驶汽车安全行驶,它必须对周围环境有全面的理解。 这通过感知层来实现,该层整合了来自一整套传感器的数据。
自动驾驶系统的功能依据SAE J3016自动驾驶等级划分,该标准界定了计算机控制与人工干预的程度。
自动驾驶技术正广泛应用于多个领域,其运作依赖于强大的机器学习(ML)计算能力来应对现实世界的复杂性。
区分自动驾驶汽车与机器人学和汽车领域中的相关术语至关重要。
任何自主系统的重要组成部分都是能够随时间track 。以下示例
演示了如何使用 Ultralytics 平台 兼容
ultralytics 使用库对视频进行物体追踪,模拟车辆的感知系统。
from ultralytics import YOLO
# Load the YOLO26 model, optimized for speed and accuracy
model = YOLO("yolo26n.pt")
# Track vehicles and pedestrians in a video stream
# This simulates the continuous perception required by an AV
results = model.track(
source="https://www.ultralytics.com/blog/ultralytics-yolov8-for-speed-estimation-in-computer-vision-projects",
show=True,
)
# Process results (e.g., counting objects or estimating speed)
for r in results:
print(r.boxes.xywh) # Print bounding box coordinates