无人驾驶的实现主要是通过人工智能技术

　　无人驾驶的实现主要是通过人工智能技术，那它在实际中拥有怎样的特殊呢？下面就来分析。

　　1、环境感知，在计算机视觉的领域中，环境感知是比较受重视的研究，就比如说slam系统，这个系统主要是基于激光雷达的，在目前已经可以很好地把地图实现定位，局部环境地图的构建。

　　2、标识识别，可以包括车道识别、交通标志识别车辆行人识别以及运动的跟踪，对于它们来说，CNN技术还是比较好的技术，并且没有任何一种技术可以超过这种技术，还有标识识别决定着无人驾驶行为决策的基础。

　　cnn技术可以非常有效的对激光雷达进行补充，当然也可能是由于激光雷达的低像素问题，无法对障碍物进行很好识别。

　　3、行为决策技术，这种技术也可以称为这种系统，包含了全局的路径规划导航还有局部的避障避险，还有常规的基于交通规划的形式策略，这样的话，使用的技术就可以分为三种：

　　首先一个是基于推理逻辑和规则的技术，全局路径规划导航的A*，D＊算法，局部避障的dwa算法，常规的最优控制数学办法，比如说多目标的决策，还有基于交通规则的fsm规则引擎都是这种技术。

　　然后一种就是快速优化的遗传算法，如果拥有多个策略选择的时候，怎样选择最好的目标或者是策略，主要是基于线性规划或者是动态规划的数学办法在计算速度的缓慢，在大多数的情况下是不能建模或者是计算量过大而无法计算，这种情况可以依靠的就只有遗传算法了。

　　最后一种就是神经网络技术，通过这种技术来对自动驾驶训练师最新的研究热点，简单来讲就是，让神经网络可以像人一样，可以开车是一个振奋人心的目标。

　　可是由于神经网络的问题通常不会透明，简单讲就是黑盒系统，是无法解释的，基于不能说出训练模型中的一个节点的值为何是0.1，而不是0.5，其实这些都是神经网络的特点来控制的。还有，通过训练数据得出的比较好的模型到已知的环境中可以不可以发挥出很好的作用也是不确定的。

　　无人驾驶系统的设计也是可以简单些的，就是可以通过神经网络对一切进行控制，通常只要使用大量的数据进行训练就可以了，如此就可以避免写复杂的控制策略算法代码了，只需要把神经网络训练好即可，然后经过很少的代码实现运行就行了，可是神经网络的可解释性无法决定的时候，只是依靠神经网络的自动驾驶系统是无法让人信赖的。

　　对于这种情况，无人驾驶系统里面的基于推理逻辑的控制策略还是非常重要的，让基于推理逻辑的白盒子的控制系统与基于神经网络的黑盒子的控制系统进行共同工作，还是比较可行的方向。

　　4、车辆控制系统技术，该技术拥有老式的pid控制，而在无人车系统中看到神经网络模糊控制的身影是渐渐变多。

　　责任编辑：lq