自駕車多重感測深度學習引擎技術剖析
Perception Engine with Deep Learning and Sensor Fusion Technologies for Autonomous Driving
- 2019/08/07
- 1714
- 67
自動駕駛對應行車環境之不可預測因素太多,包含人為、天候與道路型態等因素。舉例如各種自駕車面對光照條件下的嚴苛挑戰;在不同天氣條件下的快速道路、高速公路、開放道路、隧道進出口等適應性光照條件;具有以高可靠度之環境感知能力幫助人類駕車等。就技術發展而言,深度學習與感測融合之整合開發,將有助於自動駕駛辨識能力。
【內容大綱】
- 一、 國際無人車發展概況
- 二、感測器在車用市場的發展
- 三、深度學習技術發展
- 四、 異質感測融合技術剖析
-
五、 多重感測深度學習在地化自主引擎技術開發
- (一) 自主引擎技術開發關鍵技術說明
- (二) 多重感測深度學習在地化自主引擎現有成果
- IEKView
【圖表大綱】
- 表一、各國自駕巴士示範運行項目
- 表二、異質感測器比較表
- 圖一、Mobileye技術路徑圖
- 圖二、異質感測融合模式
- 圖三、異質感測融合之基本架構
- 圖四、多重感測深度學習在地化自主引擎之方塊圖
- 表三、偵測與辨識功能列表