深度學(xué)習來(lái)助陣，無(wú)人駕駛攻克三大識別技術(shù)不在話(huà)下

深度學(xué)習在無(wú)人駕駛領(lǐng)域主要用于圖像處理，也就是攝像頭上面。當然也可以用于雷達的數據處理，但是基于圖像極大豐富的信息以及難以手工建模的特性，深度學(xué)習能最大限度的發(fā)揮其優(yōu)勢。

現在介紹一下全球攝像頭領(lǐng)域的巨擘，以色列的mobileye公司是怎么在他們的產(chǎn)品中運用深度學(xué)習的。 深度學(xué)習可以用于感知，識別周?chē)h(huán)境，各種對車(chē)輛有用的信息；也可以用于決策，比如AlphaGo的走子網(wǎng)絡(luò )（Policy Network），就是直接用DNN訓練， 如何基于當前狀態(tài)作出決策。

環(huán)境識別方面，mobileye把他們識別方面的工作主要分為三部分，物體識別，可行駛區域檢測，行駛路徑識別。

物體識別

一般的物體識別是這樣子的：

有一個(gè)長(cháng)方形框框能識別出來(lái)車(chē)在哪里，很好，很不錯，但是Mobileye出來(lái)的是這樣子的：

以及這樣子的：

很明顯的區別就是Mobileye可以實(shí)現非常準確的車(chē)的正面以及側面的檢測，以及完全正確的區分左邊側面以及右邊側面（黃色和藍色）。

這兩種檢測結果的信息量是完全不同的，左邊這個(gè)檢測結果告訴我們什么位置大概有一輛車(chē)，但是他的具體位置，車(chē)的朝向信息完全沒(méi)有。但是從右邊的檢測結果，就可以相對精確的估算出來(lái)車(chē)的位置，行駛方向等重要信息，跟我們人看到后可以推測的信息差不多了。

這樣出眾的結果，對于較近距離的車(chē)，用其他基于幾何的方法，多跟蹤幾幀，可能可以做到接近的效果，但是留意遠處很小的車(chē)，結果也完全正確，這就只可能是深度學(xué)習的威力了?？上obileye創(chuàng )始人兼CTO總愛(ài)四處顯擺他們技術(shù)怎么怎么牛，之前也常發(fā)論文共享一些技術(shù)，但是在車(chē)輛識別怎么建模神經(jīng)網(wǎng)絡(luò )可以輸出這么精確帶orientation的bounding box，他只是微微一笑，說(shuō)這里面有很多tricks……可行駛區域（free space）檢測深度學(xué)習以前的可行駛區域檢測，有兩種方法，一是基于雙目攝像頭立體視覺(jué)或者Structure from motion， 二是基于局部特征，馬爾科夫場(chǎng)之類(lèi)的圖像分割。結果是這樣的：

綠色部分是可行駛區域檢測，看著(zhù)還不錯對不對？ 但是注意左邊的綠色部分涵蓋了馬路“倒鴨子”以及人行道部分，因為“倒鴨子”也就比路面高十厘米左右， 靠立體視覺(jué)是很難跟馬路區分開(kāi)來(lái)的。而傳統的圖像分割也很困難，因為局部特征上，“倒鴨子”上和路面的顏色極其接近。區分二者需要對環(huán)境整個(gè)context的綜合理解。

自從有了深度學(xué)習可以做scene understanding之后，這個(gè)問(wèn)題終于被攻克了：

綠色部分還是可行駛區域，馬路右邊的路肩跟路面的高度相差無(wú)幾，顏色texture也是一模一樣，用立體視覺(jué)的方法不可能區分開(kāi)來(lái)。

而且不僅僅可行駛區域的邊界準確檢測出來(lái)了，連為什么是邊界的原因也可以檢測出來(lái)：

紅色表示是物體跟道路的邊界，鼠標位置那里表示的是Guard rail(護欄)，而上一張圖應該是Flat。這樣在正常情況下知道哪些區域是可以行駛的，而在緊急情況下，也可以知道哪里是可以沖過(guò)去的。

當然，相較于第一部分，這一部分的原理是比較清楚的，就是基于深度學(xué)習的scene understanding。學(xué)術(shù)界也有蠻不錯的結果了，比如下圖(Cambridge的工作)，路面跟倒鴨子就分的很好(藍色跟紫色)：

行駛路徑檢測

這一部分工作要解決的問(wèn)題主要是在沒(méi)有車(chē)輛線(xiàn)或者車(chē)輛線(xiàn)狀況很差的情況下，車(chē)怎么開(kāi)的問(wèn)題。如果所有的路況都如下：

那當然很完美，但是由于路況或者天氣，有些時(shí)候車(chē)輛線(xiàn)是很難檢測到的。

深度學(xué)習為此提供了一個(gè)解決辦法。我們可以用人在沒(méi)有車(chē)道線(xiàn)的路況下開(kāi)車(chē)的數據來(lái)訓練神經(jīng)網(wǎng)絡(luò )，訓練好之后，神經(jīng)網(wǎng)絡(luò )在沒(méi)有車(chē)道線(xiàn)的時(shí)候也能大概判斷未來(lái)車(chē)可以怎么開(kāi)。這一部分原理也是比較清楚的，找一個(gè)人開(kāi)車(chē)，把整個(gè)開(kāi)車(chē)的過(guò)程攝像頭的錄像保存下來(lái)，把人開(kāi)車(chē)的策略車(chē)輛的行駛路徑也保存下來(lái)。用每一幀圖片作為輸入，車(chē)輛未來(lái)一段時(shí)間（很短的時(shí)間）的路徑作為輸出訓練神經(jīng)網(wǎng)絡(luò )。之前很火的Comma公司，黑蘋(píng)果手機那個(gè)創(chuàng )立的，做的無(wú)人駕駛就是這種思路，因為其可靠性以及原創(chuàng )性還被LeCun鄙視了。

結果如下，可以看到神經(jīng)網(wǎng)絡(luò )提供的行駛路徑基本上符合人類(lèi)的判斷：

更極端的情況：

綠色是預測的行駛路徑。沒(méi)有深度學(xué)習，這種場(chǎng)景也是完全不可能的。當然，我在最近的另外一個(gè)答案里面提到了，不能完全依靠神經(jīng)網(wǎng)絡(luò )來(lái)做路徑規劃，Mobileye也是綜合傳統的車(chē)道線(xiàn)檢測，上面提到的場(chǎng)景分割檢測到的護欄等，這一部分的神經(jīng)網(wǎng)絡(luò )輸出等等，做信息融合最后得到一個(gè)穩定的完美的行駛路徑。