剑桥大学利用图像识别和深度学习技术，提升自动驾驶“感知”与“定位”能力

2.PoseNet系统

PoseNet系统和SegNet系统相似，都需要对图像进行识别。PoseNet系统是一个可以根据拍摄的照片进行精确定位的系统，该系统通过一张224x224 RGB的图像识别出用户的位置和方向。

这个系统定位的精确度可以达到：室外环境下，精确度为2m和3°；室内环境下，精确度为0.5m和5°。相较于GPS定位，这个精确度要高出许多，并且PoseNet系统克服了GPS的弱点：在没有信号的地方，例如室内、隧道或GPS信号不好的城市，GPS无法定位。这些对于PoseNet都不是问题。

与SegNet系统一样，PoseNet系统也需要深度训练，以及强大的数据库支持。PoseNet团队成员Kendall说：“近年来，人工智能和机器人的发展非常迅速。而我们团队最酷的地方就在于开发了一个使用深度学习的技术来识别你的位置和周围的物品——这是深度学习第一次被用来做这样的事。”