几乎每个人都会讨厌被堵在路上的感觉，日前，谷歌表示自己正在寻找解决这一问题的方法，其宣布，谷歌已经将自动驾驶汽车项目的工作重点从公路巡航转到征服城市道路上来。
谷歌Chris Urmson的博客文章详细介绍了NVIDIA 20年来一直精通的技术：视觉计算，它将成为部署高级驾驶员辅助系统并取得成功的关键所在。
视觉计算背后的威力来自GPU（图形处理器），它可以提供处理动力，以满足Chris所提到的多项需求：同时检测数以百计的不同对象、集中注意力以及永不疲倦或分心等等。
侦测前方车辆、限速信息、道路保持等等
他所描述的是对计算机视觉、图像处理以及机器学习的需求，人们需要这三者来打造车内的大脑以及完成实时处理，在车辆行驶期间即时做出正确决策。
谷歌的自动驾驶车型雷克萨斯RX 450H配有360度激光传感器、雷达以及摄像头，可收集海量的视觉数据，数据量更是高达每秒1GB（我们每个月消费在手机上的总数据流量大约1GB左右）。车辆将这些收集到的数据与嵌入式地图数据库相结合，以打造出驾驶环境的3D模型。
我们思考一下视觉计算发挥作用的几种方式（并非所有方式）：
根据传感器输入数据实时创建 3D 模型；
追踪静止和移动对象，例如其它汽车、交通信号灯、行人乃至路面上滚动的足球；
识别这些对象中的每一个并进行分类，确定这些对象是否会影响车辆所需要做出的下一个决策；
在他们的演示视频中，谷歌的一名试驾人员指出，像骑车人这样的移动对象被分类之后甚至还能更改，例如如果骑车人伸出胳膊示意转弯的话。
把用于超级计算机的技术注入到移动处理器中
GPU适合用于解决这些难题，因为GPU专为同时处理众多任务而设计。其并行计算架构意味着在处理海量的输入数据方面，它们比CPU更加有效。事实上，NVIDIA的GPU成就了全球最快的一些超级计算机，例如橡树岭国家实验室的Titan。如果一辆汽车正载着我自动驾驶，那么我希望它具备超级计算机的处理动力。
随着高级驾驶员辅助系统等汽车应用的问世，NVIDIA现已将这种级别的性能搬到个人层面上来。
此外，针对汽车厂商，NVIDIA提供了Jetson Pro开发包。而针对其它嵌入式应用的etson TK1现也已接受预订。
转载：英伟达
