深圳Yolo 视觉
深圳
立即加入
词汇表

自动驾驶车辆

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。

感知与传感器技术

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。

  • 计算机视觉(CV): 摄像头作为主要视觉传感器,模拟人类视觉。算法处理视频流以识别 车道标线、交通信号灯和路标。
  • 激光雷达技术:激光雷达(LiDAR)通过发射激光脉冲生成环境的高精度、高分辨率三维地图, 这是实现深度感知的基础技术。
  • 目标检测: 深度学习模型可识别并定位动态障碍物。高速模型如 YOLO26在此至关重要,能以低延迟检测行人 及其他车辆。
  • 传感器融合:没有任何单一传感器能在所有条件下都表现完美(例如雾天中的摄像头)。融合算法通过整合来自摄像头、雷达和激光雷达的数据,构建出稳健的环境模型。
  • 语义分割: 该技术对图像中的每个像素进行分类,帮助车辆区分可通行路面、人行道和植被区域。

自主性层次

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。

  • 高级驾驶辅助系统(ADAS):涵盖1级和2级,这些系统可协助转向或加速(例如自适应巡航控制),但 仍需驾驶员保持注意力集中。
  • 条件自动化:在三级自动驾驶中,车辆能在特定条件下处理大部分驾驶任务,例如高速公路拥堵路段,但 当系统发出警报时,驾驶员必须随时准备接管控制权。
  • 高度自动化与完全自动化:第4级和第5级代表无需人工干预即可运行的车辆。第4级仅限于地理围栏区域, 而第5级则致力于在任何道路上实现完全自主驾驶,通常需要强大的 边缘AI硬件支持。

真实世界的人工智能应用

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。

  1. 无人驾驶出租车像Waymo这样的公司利用全自动驾驶车队在城市环境中运送乘客。这些车辆通过预测建模技术,在复杂的城市环境中预判行人及其他驾驶员的行为。
  2. 自动驾驶卡车:长途物流在可预测的高速公路路线上受益于自动化。 像Aurora这样的创新者开发了利用长距离感知技术的自动驾驶卡车, 以提升燃油效率和安全性。
  3. 末端配送:小型自主机器人通过物体追踪技术在人行道上自主导航并完成包裹配送,有效降低物流成本并减少碳足迹。

区分相关概念

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。

  • 自动驾驶汽车与机器人技术尽管自动驾驶汽车在技术上属于移动机器人,但机器人技术领域更为广泛,涵盖固定式工业机械臂和人形助手等。自动驾驶汽车则专门针对交通运输逻辑进行优化。
  • 联网车辆(V2X):联网车辆可相互通信(V2V)并与基础设施通信(V2I),共享速度、位置等数据。车辆无需具备自动驾驶能力即可联网,但联网功能通常能提升自动驾驶车辆的安全性。
  • 遥控操作:遥控操作指人类远程操控车辆。而真正的自动驾驶汽车则依赖车载神经网络进行本地决策。

使用YOLO26实现视觉感知

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

加入Ultralytics 社区

加入人工智能的未来。与全球创新者联系、协作和共同成长

立即加入