【51CTO.com原創稿件】近日，特斯拉中國組織了一場T-talk交流活動，為我們解析了特斯拉，如何用純視覺技術實現自動駕駛的整體架構，通過一些特征案例來介紹架構中每部分能解決的實際問題。

這次交流活動的核心，基于8月份特斯拉在美國舉辦AI Day的自動駕駛部分，活動中對數據如何提取、歸類和優化，以及向量空間構建等關鍵點做了解釋。 

整體架構一覽

我們先來了解一下特斯拉用純視覺技術實現自動駕駛的整體架構（上圖）。

從下向上來看：

（1）多機位相機拍攝到不同角度的圖像RAW文件；

（2）經過RegNet網絡（某種卷積神經網絡）及BiFPN（加強特征提?。┻M行特征提?。?o:p>

到這里，系統已經高效的提取出圖像里的有用信息。

（3）經過Transformer進行特征融合及MLP的特征修正，將特征數據重新表示到向量空間中，并在時間和空間上形成一個特征隊列。

（4）通過隊列的方式獲得Video的特征，加入IMU數據，形成4D影像；

（5）經過Spatial RNN進行特征提??；

（6）最終再經過不同的檢測頭實現車輛、行人、車道線、深度圖、速度/方向等檢測。

接下來我們要說兩方面關鍵技術，一方面是如何高效提取特征數據，一方面是向量空間怎么建立。

加強特征提取

首先認識這兩個方法：FPN——特征提取， BiFPN——加強特征提取 。因為同一物體的數據在不同層級提取出來是不同的，我們要把它在有用的層級里進行強化，就用到了BiFPN。

前面說過BiFPN能在卷積神經網絡的不同層里靈活的提取特征數據，因此讓數據提取變得高效。

下面這個例子就是利用BiFPN提取兩個不同層級里的特征數據，要證明右下圖像的遠處的物體是一輛車。BiFPN會提取不同分辨率信息，并把這些信息融合。因為同一個物體在不同的尺度（分別率）下，顯示的樣貌不同，在放大的圖像里遠處的車很模糊，看不出是車，但從整個圖像看，遠處路上的點與周圍像素不同，最終系統會判定它是一輛車。實際運用中，采用BiFPN的多尺度特征融合方法，可以獲得四個尺度160×120×64、80×60×128、40×30×256、20×15×512的多尺度特征圖，用于感知不同尺度的目標。

多任務HydraNets

HydraNets，多任務學習的感知框架，具有多任務共享特征，同時進行多任務處理。HydraNets有三個特點：

(1)特征共享：通過backbone網絡進行特征提取之后，同時可以進行多個任務的處理，提高推理效率；

(2)解耦合：多個任務間互不干擾；

(3)Fine-Tuning：在fine-tune時可以將backbone網絡固定住，只訓練檢測頭的參數，提高效率。

接下來聊一聊這樣網絡結構給我們帶來什么樣的好處。

特征共享

首先是特征共享，也就是不同任務都采用主干網絡前向傳播推理過程，這樣從側面節省了測試時間，有效將測試時間均攤到不同任務，FSD有上千種目標需要識別，共享主干網絡的特征大大節省了時間。

任務之間的低耦合

回到架構的最后Head部分，每個Head都在執行不同的任務，比如識別道路、樹木、車輛等，HydraNets實現了各個Head之間的解耦，他們從同一個網絡中提取數據的過程互不干擾。

多相機向量空間預測/校準

既然單個相機預測的結果會導致很大的偏差，通過多個相機的圖像的特征進行融合，然后再進行檢測，也就是把多個圖像特征融合在一起，最終只預測出一個結果，就能很好的解決多相機預測融合的問題。

多機位的相機拍攝到圖像，經過BackBone進行特征提取，獲得多尺度特征，最后送入到紅色的框框中，最后完成檢測。

通過Transformer（下圖左側框中）來實現多機位特征到結果的預測，由于通過融入不同相機的位置信息，能夠獲得準確的空間位置映射。

下圖表示的是‘單相機檢測結果融合’與‘多相機特征融合’的檢測結果比較。可見單相機檢測結果融合(黃色)由于角度偏差預測的結果不準確；而多相機(藍色)特征的融合檢測結果更加準確。

目前國內的版本上，我們遇到過屏幕上顯示識別的車輛會抖動，就是黃色造成的結果。

另外，針對機器缺乏記憶的能力，也就是不會等紅燈或左轉不會讓直行等情況，架構中加入了視頻模和IMU信息來解決這類問題。

視頻模塊，保留一段時序特征圖，通過隊列的數據結構實現，另外這里還融入了IMU信息，提升了定位、跟蹤方面的準確性。

架構中還有許多功能，在這里我們先不一一解釋，有興趣的朋友歡迎給我們提出意見和想法。

特斯拉通過在車上部署影子模式，在不開啟FSD的情況下，依然能持續收集數據進行訓練，這個模式不參與正常的駕駛，但會把有用的數據收集反饋給系統?？吹接白幽Ｊ侥憔蜁靼祝瑸槭裁翠N量對智能車企做自動駕駛很重要。

總結一下，特斯拉整個的流程是先建立實際道路路況數據庫，這一過程依靠特斯拉賣出的所有車和車主的駕駛來完成。數據經過標注（人工和自動），劃分出人、車或者車道線等特征數據，這些特征數據進入到訓練系統，并部署到車上，車在使用中發現問題會記錄特征信息返還給訓練系統。如此往復形成深度學習，進而推動特斯拉FSD（完全自動駕駛）技術的進化。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】