本篇文章将以工程为重点，探讨自动驾驶汽车所面临的各项挑战以及NVIDIA DRIVE自动驾驶汽车软件团队如何应对这些挑战。

限速标志识别看似是一项简单的任务，但在遇到不同车道具有不同限速的情况（例如高速公路出口）或者在一个陌生的国家驾驶时，这项任务可能会变得复杂。

如今，限速标志的细致程度远胜于以前。例如，学校区域的限速标志只在一天中的特定时段有效。

有些限速要求通过电子可变信息标志显示，这种标志能够显示适用于特定车道的限速、在特定条件下的限速或在不同条件下的不同限速。

有些标志（例如德国的“高速公路入口”标志）包含隐含的限速信息，因此驾驶者需要根据当地的基本规则和法规来理解限速，而不仅仅是单纯地阅读明确显示的限速数字。

此外，外观相似或相同的限速标志以及标志和补充文字在语义上可能会有许多变化，这些变化会调整甚至改变语义。

传统速度辅助系统所面临的挑战

面对如此复杂的情况，自动驾驶汽车中的速度辅助系统（SAS，speed assist system）必须能够在各种不同的驾驶环境中准确检测和理解标志。在高级驾驶辅助系统中，SAS的功能对于正确告知乃至纠正人类驾驶员至关重要。

在自动驾驶应用中，SAS功能可以为规划和控制软件提供关键信息输入，保证汽车以合法、安全的速度行驶。

传统的SAS高度依赖于导航地图或高清地图，其包含了附近标志的详细信息及语义。

但由于地图精度限制以及在该地图上进行定位时可能具有的精度限制，传统方法可能会导致在经过标志后才检测到标志的存在，从而使汽车在检测到标志之前可能以违规的速度行驶。

此外，地图可能已经过时或者无法正确地将不同的标志与它们所对应的车道相联系。

SAS上线

与传统方法相比，NVIDIA DRIVE SAS通过各种能够检测和理解隐性、显性与可变信息标志的深度神经网络（DNN）充分发挥AI实时感知的力量。

具体而言，NVIDIA WaitNet深度神经网络负责检测标志，SignNet深度神经网络负责对标志进行分类，PathNet深度神经网络负责提供路径感知信息。

因此，理解限速标志和确定该标志与道路上不同车道的相关性（这一过程被称为标志-路径关联性）所需的所有信号均来自现场感知，无需事先从地图中获取信息。

这种方法的另一个优点是灵活性。例如，如果某个地区或国家的隐性限速标志发生了变化，我们的SAS只需要通过改变底层的标志-路径关联逻辑就可以进行应对。

如果系统依赖于带注释的地图，则需要在地图中的每个地方重新注释新规则才能执行正确的更新。

为了进一步提高稳定性，NVIDIA的实时感知SAS所提供的速度标志信息和标志-路径相关性信息可以与地图信息融合。通过将多样化的信息输入进行融合，可以使SAS覆盖更多的现实世界情景。