GPU實(shí)現(xiàn)車外場景比對 自駕車學(xué)習(xí)力大增

　　工研院在2016年9月與NVIDIA簽署合作備忘錄，近期已在自動駕駛的深度學(xué)習(xí)上，有了初步成果。為使臺灣落實(shí)技術(shù)自主化，該自動駕駛車的關(guān)鍵技術(shù)皆是由工研院所自行開發(fā)，芯片組方案則采用NVIDIADRIVEPX2，融合不同傳感器的數(shù)據(jù)，使車輛具備多種感知能力，因此得以充分應(yīng)付復(fù)雜的行車環(huán)境及角落。

　　工研院機(jī)械所正研究員/自駕車復(fù)雜環(huán)境數(shù)據(jù)融合感知技術(shù)計(jì)劃主持人連豊力指出，由于工研院所開發(fā)的自駕車，是從零開始打造，其采用的車用計(jì)算機(jī)、通訊協(xié)議，都是掌握在工研院手中，因此要做任何的操控、控制都不會有問題?，F(xiàn)階段我們進(jìn)行開車場景的錄制，完成后將數(shù)據(jù)丟到NVIDIADRIVEPX2超級計(jì)算機(jī)開發(fā)平臺中，去對應(yīng)車用數(shù)據(jù)庫，以進(jìn)一步推論出所拍攝到的場景是汽車、巴士車，還是行人等。然而，當(dāng)比對程度達(dá)到水平后，就能進(jìn)一步將車外場景的主要目標(biāo)對象框出來。

　　當(dāng)系統(tǒng)須一邊開車一邊進(jìn)行學(xué)習(xí)，其處理耗能會相當(dāng)高，但當(dāng)學(xué)習(xí)完成后，單純進(jìn)行辨識的耗能則會降低很多。因此一般在自駕車的學(xué)習(xí)階段，會是用脫機(jī)的方式進(jìn)行學(xué)習(xí)，而學(xué)習(xí)完后的辨識，則就可用在線的方式來進(jìn)行。但若辨識不成功，則又會再送回?cái)?shù)據(jù)庫去做學(xué)習(xí)。連豊力表示，未來自駕車的發(fā)展，很可能會是讓車上使用車上處理器，并直接做現(xiàn)場的處理與篩選，但在一段時(shí)間后，仍會上傳到數(shù)據(jù)庫，以便做比對。

　　連豊力進(jìn)一步表示，目前自駕車的開發(fā)單位在運(yùn)用傳感器去感測外界訊息上，主要有兩個(gè)做法，第一種方式是比較傳統(tǒng)的，運(yùn)用傳感器所能感測的模擬訊號，例如根據(jù)車道線是白色還是黃色，去做計(jì)算機(jī)視覺分析，也就是從色彩、幾何去累積對象的特征，其可靠度較高，目前所看到的行車紀(jì)錄器或辨識系統(tǒng)，大多是運(yùn)用這樣的方式在做。

　　連豊力進(jìn)一步表示，另外一種做法，則是目前NVIDIA主要在采用的方式，由于每一次開車左右兩邊的場景，會有所差異，尤其是當(dāng)?shù)缆凡⒎歉咚俟钒愎P直，而是彎曲的時(shí)后，若要讓一臺車學(xué)會如何開車，便必須透過錄像機(jī)與計(jì)算機(jī)，將開車的場景、指令(左轉(zhuǎn)、右轉(zhuǎn)、不動、煞車、加速等)錄下來，紀(jì)錄完成后，計(jì)算機(jī)就會開始推論，當(dāng)影像場景右邊比較亂、左邊比較清楚時(shí)，代表方向盤正在左轉(zhuǎn)，而影像如果很平均，則代表方向盤沒有在動等，進(jìn)而去找出中間的關(guān)聯(lián)性。

　　連豊力分析，當(dāng)這樣的關(guān)系被找出，計(jì)算機(jī)就可以進(jìn)而去判斷，主人的開車狀況，甚至車子該如何進(jìn)一步自動進(jìn)行左轉(zhuǎn)、右轉(zhuǎn)。因此當(dāng)計(jì)算機(jī)的影像紀(jì)錄越多，自動駕駛能使用的數(shù)據(jù)庫也就更為豐富。不過相較于傳統(tǒng)方式，其可靠度是比較低的，因其并沒有辦法做到1對1對應(yīng)，當(dāng)學(xué)習(xí)中的攝影機(jī)沒有拍到某些信息，這些信息就學(xué)習(xí)不到了，也就無從判斷，因此如何讓機(jī)器的感測能力全面提升，將會是自駕車須跨越的一大門坎。

　　有鑒于此，目前工研院在發(fā)展自動駕駛時(shí)，是兩種方式同步進(jìn)行。由于圖形、影片的數(shù)據(jù)量相當(dāng)大，而NVIDIA最大的強(qiáng)項(xiàng)即是在前端的GPU圖像處理，這也是工研院與NVIDIA連手合作的原因。