你能分辨照片上是不是有只猫吗？即便三岁小孩这都不是啥问题（照片特别离谱的除外） 。
可你能教会一台机器辨认一只猫吗？好像有点难度 ， 我们得先告诉机器啥是猫 。机器和人的思维毕竟不太一样 ， 我们教小朋友认猫 ， 只要告诉他那个喵喵叫的就是猫 ， 他很快就能记住 ， 并且能举一反三 ， 但这个方法显然不适合人机器学习 。而现在就有一大群人正在做类似的事 ， 其中一批就是教自动驾驶汽车认路的工程师 。
摄像头为何能坐稳自动驾驶感知的头把交椅
近几年来 ， 高阶辅助驾驶甚至自动驾驶的概念越来越被频繁的提及 ， 而自动辅助驾驶技术也在快速的发展 。我们平时开车需要用眼睛观察路况 ， 而自动（辅助）驾驶便是通过感知硬件来感知周围的路况 。目前汽车上应用到的感知硬件包括但不限于：摄像头、毫米波雷达、超声波雷达、激光雷达以及V2X相关硬件等 。
对于自动驾驶感知 ， 纯视觉路线与多传感器融合路线之争由来已久 ， 融合路线中激光雷可以精准的还原周遭环境的三维特征；毫米波雷达对恶劣天气有着更强的适应性 ， 且能够同时探测被测物体的距离与速度；高精度地图能够让车辆提前对沿途道路有更精确的了解；V2X能够借助旁人获知视野之外的情况……
但不论哪种路线 ， 都不会把摄像头排除在外 。摄像头是目前最主流的自动驾驶感知硬件 ， 类似人眼看世界 ， 系统算法会自动分析图像并找出其中的各种事物 。双目摄像头还可以像人眼一样通过夹角分析出前方障碍物的距离 。即便视觉感知也有自己的弱点 ， 其十分依赖算法 ， 而算法需要海量的数据进行训练 ， 对于后来者有极高的门槛 。此外 ， 摄像头受逆光、能见度等环境因素影响颇大 ， 识别准确率在不同环境下会有较大波动 。
因为自动驾驶汽车 ， 也终究是要在为人类设计的交通体系之中 。而人类的感知环境 ， 凭借的就是眼睛的成像 ， 摄像头刚好就是为了还原人眼看到的世界而设计的 ， 因此要让自动驾驶汽车看到人类驾驶员在路上看到的所有信息（包括颜色、文字、标线等） ， 摄像头自然是不可或缺的 。所谓纯视觉路线与多传感器融合路线之争 ， 争论的焦点其实只是“只有摄像头够不够”的问题 。
奠定摄像头在自动驾驶感知系统中坚实地位的 ， 除了前面提到的可以获取与人眼一样多的信息外 ， 还有很重要的一点 ， 人类自己能看到的东西 ， 才能更有效的“教”给机器 。自动驾驶近年来的飞速进步 ， 依赖的是人工智能技术近年来取得的突破性发展 。而人工智能近年来应用进展最为迅速的领域 ， 一个是语音识别 ， 一个是图像识别 ， 刚好对应人类的“听”和“看”的能力 。下面我们就从人工智能的发展史 ， 聊聊自动驾驶视觉感知背后的算法 。
人工智能的两轮高潮和低谷
我们还是先说猫 ， 想教机器认识猫 ， 可以把猫的一些特征告诉机器 ， 比如橘猫是橘色的 。后果可想而知 ， 橘子、抱枕、金毛 ， 甚至一些不可描述的东西都可能会被误认为是猫 。显然颜色并不靠谱 ， 那我们再加一些特征 ， 比如猫有尖尖的耳朵、一对黑眼睛、四条腿、长长的胡须等等 。终于 ， 机器认识了一只橘猫 。
可一不小心 ， 老虎、狮子、兔狲等等也都被认成了猫 。而一些角度非常规的猫的照片 ， 又莫名其妙被开除了猫籍 。很显然 ， 我们输入的条件太过笼统又不够细致 。那是不是只要输入足够多、足够细的条件 ， 机器就能认识所有的猫了？很长一段时间 ， 人工智能专家也是这么认为的 。
二十世纪五十年代中期 ， 人工智能诞生之初 ， 部分学者便创造了“规则式”人工智能 ， 后来定名为“专家系统”（expert systems） 。他们用定制的逻辑规则来教计算机怎么思考 ， 专家系统很快让计算机在跳棋等游戏中击败了人类高手 ， 甚至直接摸到了这类游戏的天花板 。
可近二十年的发展高潮 ， 人工智能都没有什么能落地的应用 ， 让人工智能在七十年代中期陷入第一次寒冬 。直到1980年卡耐基梅隆大学发明的软件XCON投入使用 ， 这个帮助顾客自动选配计算机配件的软件程序 ， 包含了设定好的超过2500条规则 ， 在后续几年处理了超过80000条订单 ， 准确度超过95% ， 每年节省超过2500万美元 ， XCON和同时期的其他实用专家系统 ， 揭开了人工智能的第二次高潮 。
推荐阅读
- 一切有为法,应作如是观到底是什么意思 一切有为法应作如是观是什么意思
- 椰青的药用价值与禁忌是什么 椰青的药用价值与禁忌
- 静以修身是什么文言句式
- 方凯晓晗乔煜是什么电视剧的人物?
- 冰晶体是什么
- 属兔的是什么年份，兔年份对照表
- 每年4月5日是什么节日中国 每年的4月5日是什么节日
- 你是什么星座 土情话
- 锂电子电池的工作原理是什么 锂硫电池的工作原理是什么
- 晚的音序和音节是什么