摘要：基于昇騰AI異構計算架構CANN（Compute Architecture for Neural Networks）的簡易版輔助駕駛AI應用 ， 具備車輛檢測、車距計算等基本功能，作為輔助駕駛入門級項目再合適不過 。【盤它！基于CANN的輔助駕駛AI實戰案例，輕松搞定車輛檢測和車距計算！】本文分享自華為云社區《盤它！基于CANN的輔助駕駛AI實戰案例 ， 輕松搞定車輛檢測和車距計算！》，作者：昇騰CANN 。
引言科幻片中光怪陸離的飛行器，寄托著人類對未來出行的無限遐想 。隨著科技的進步，能夠自動駕駛的汽車，已經離我們越來越近 。自動駕駛帶給人類的驚喜不止是酷炫的自動超車變道，還有它在緩解交通阻塞、減少空氣污染、提高道路安全性方面的種種可能性 。因此也引得無數汽車企業、科技企業競相加入這條行業賽道，力求不斷突破 。
文章插圖
然而，自動駕駛并不是一蹴而就的，由于技術瓶頸和相關法律法規的限制并未真正意義落地，當下的智能汽車正處于半自動駕駛（輔助駕駛）階段 。什么是輔助駕駛？簡而言之，就是借助汽車對周圍環境的自動感知和分析，讓駕駛員預先察覺可能發生的危險，有效增加汽車駕駛的舒適性和安全性 。當然，輔助駕駛系統也是非常復雜的，為實現汽車在多種復雜場景下的通用性 ， 以及技術層面的多樣性 ， 離不開人工智能技術 。我們開發了一套基于昇騰AI異構計算架構CANN（Compute Architecture for Neural Networks）的簡易版輔助駕駛AI應用，具備車輛檢測、車距計算等基本功能 ， 作為輔助駕駛入門級項目再合適不過啦！ 話不多說 ， 開啟項目傳送門：https://www.hiascend.com/zh/developer/mindx-sdk/driveassist
文章插圖
CANN是華為專門針對AI場景推出的異構計算架構 ， 以提升用戶開發效率和釋放昇騰AI處理器澎湃算力為目的，并且提供多層次的AscendCL編程接口，支持用戶快速構建基于昇騰平臺的AI應用和業務 。
當然，真正意義上的輔助駕駛系統遠比這個AI應用更復雜，下面主要介紹如何借助AscendCL編程接口對輸入視頻進行預測推理，從而實現對車輛及車道線的智能檢測 。
典型的目標檢測算法為模仿駕駛員對車輛的辨別和分析，需要建立起一個類似人腦的算法結構 ， 找出目標物體 ， 確定它們的類別和位置 。同時也需要解決影響檢測準確性的一系列問題 ， 比如汽車的外觀和姿態、光照和遮擋等因素帶來的干擾 。以YOLO（You Only Look Once）為代表的目標檢測算法為各類物體的檢測提供了更多可能性 。從人臉檢測到車流控制 ， 從人群計數到農作物監控，目標檢測算法在各領域都發揮著不可或缺的作用 。YOLO算法目前已經迭代到v5版本，本項目使用的是YOLOv4，下面我們來看看它的結構 。
文章插圖
圖片來自https://blog.csdn.net/andyjkt/article/details/107590669
從算法結構方面看，YOLOv4由三部分組成：Backbone層提取特征，Neck層提取一些更復雜的特征，最后由Head層計算預測輸出 。
1. Backbone層：通過CSPDarknet53框架在不同圖像細粒度上聚合并形成具備圖像特征的卷積神經網絡，主要用于圖像特征提取 。
2. Neck層：由SPP或PAN等一系列混合和組合圖像特征的網絡層組成，提取一些更復雜的特性 ， 并將圖像特征傳遞到預測層 。
3. Head層：對圖像特征進行預測 ， 生成邊界合并預測類別 。從流程方面看，YOLOv4主要分為三個處理階段：
- 首先，將圖像分割為若干個網格（grid cell），每個網格負責生成3個包圍框（bounding box） ， 以及對應置信度 。
- 接著，YOLOv4會用非極大值抑制算法（NMS），將與標注數據（ground truth）重合度低的bounding box剔除 。
- 經過回歸處理后，最后剩下的bounding box所在的位置就是YOLOv4預測目標所在的位置 。
文章插圖
圖片源自YOLO原始論文，參見文章末尾
昇騰強大算力平臺 ， 讓訓練“快”到飛起 。和人類掌握某項技能一樣，算法模型本身也需要經過不斷地訓練和試錯才能滿足特定業務場景需求，面對成千上萬的數據量和參數量，訓練時間可能需要幾天甚至上月，這時，一個擁有強大算力的AI計算平臺簡直能救你于水火 。
推薦閱讀
- 基于PL022 SPI 控制器 海思3516系列芯片SPI速率慢問題深入分析與優化
- 基于vite3+tauri模擬QQ登錄切換窗體|Tauri自定義拖拽|最小/大/關閉
- 基于tauri+vue3.x多開窗口|Tauri創建多窗體實踐
- 提高工作效率的神器：基于前端表格實現Chrome Excel擴展插件
- 基于雪花算法的增強版ID生成器
- 基于QT和C++實現的翻金幣游戲
- Mysql單表訪問方法，索引合并，多表連接原理，基于規則的優化，子查詢優化
- 基于tauri打造的HTTP API客戶端工具-CyberAPI
- 基于純前端類Excel表格控件實現在線損益表應用
- 知識圖譜實體對齊2：基于GNN嵌入的方法