随着自动驾驶技术的飞速发展，汽车正逐渐成为智能世界的中心。英特尔® Galileo 和英特尔® Edison 开发板为开发者提供了创造激动人心的新解决方案的平台。英特尔® 开发者专区为物联网(IoT)提供了丰富的资源，帮助开发者快速响应市场需求，创造出无缝且创新的驾驶体验。
自动驾驶技术的发展分为不同级别，从辅助驾驶到完全自动驾驶，每一个级别都对车辆的数据处理和智能决策提出了更高的要求。
高度自动驾驶系统通过高级驾驶辅助系统(ADAS)来支持驾驶员，包括导航、安全、监控、图像识别和处理以及传感器数据等。这些系统是数据处理的核心。
完全自动驾驶技术将驾驶员转变为乘客，车辆内置的智能系统能够独立完成驾驶任务。
一辆自动驾驶汽车生成的数据量相当于近3000人的数据量。数据中心对于存储、共享和保护由深度学习算法生成的大量数据至关重要，以确保自动驾驶汽车的安全运行。
5G技术不仅提供了超快的速度，还提供了极低的延迟和高带宽，这对于构建智能和灵活的网络至关重要，能够为自动驾驶汽车提供安全关键设备所需的优先级。
软件定义的驾驶舱将集群显示与车载信息娱乐(IVI)系统集成在一起，这种方法无缝地将车辆内外的物联网连接体验融合到一个集中的通信、命令和控制台中，自动适应个别驾驶员的需求。
随着自动驾驶汽车的不断发展，它将更多地依赖于传感器、数据和处理能力。一辆汽车每秒可以生成近1GB的传感器数据。英特尔的高效能处理器和现场可编程门阵列(FPGA)旨在提供高性能的计算能力。
创建无事故的驾驶体验需要的不仅仅是原始的处理能力。汽车需要深度学习算法和观察周围环境的方法，才能感知、学习和做出正确的决策。
包括为ADAS算法提供深度学习基础、处理大量环境数据的能力、感知周围环境的能力，以及开发通用计算机视觉程序的访问权限。
英特尔® 分布式Caffe* —— 一个流行的社区应用程序，用于图像识别。(GitHub*)
英特尔® Theano* 软件优化 —— 一个用于模型编写和训练的Python*库。(GitHub*)
获取SDK
为视觉特定问题提供解决方案。
注册预览
自动驾驶汽车生成、消耗和处理大量数据。将需要加速和优化数据处理的工具。
开发机器学习的性能改进，特别是针对汽车控制器区域网络(CAN)的时间序列数据。
这个库提供了分布式计算(多节点)分析，并用于自动驾驶数据中心的模拟性能改进。
这些工具在英特尔® 平行工作室XE中可用。
自动驾驶汽车中的设备，无论是在驾驶舱还是行李箱中，都需要一种简单且可扩展的编程方式。通过使用现场可编程门阵列(FPGA)，可以：
利用一个OpenCL™应用程序，能够对内核代码进行优化，并在一步中生成整个FPGA图像
使用一个分析器，显示内核中的性能机会，以及详细的优化报告
运行一个仿真器，快速轻松地调试内核功能
这些功能在英特尔® FPGA SDK for OpenCL™技术中可用。
许多设备构成了使自动驾驶汽车活跃的生态系统。许多组件协同工作的复杂性带来了数据瓶颈的现实，尤其是在连接到远程数据中心时。
英特尔® Trace Analyzer and Collector —— 一个图形工具，允许可视化数据并分析数据中心的负载平衡。
英特尔® Python* 分布 —— 用于自动驾驶数据中心的代码性能改进。
这些工具在英特尔® 平行工作室XE中可用。
加速数学处理和神经网络程序，提高车辆计算性能。
提供额外的分析工具，如监控自动驾驶汽车中所有处理器的性能，以及调整OpenCL™应用程序和GPU的强大工具。
这些工具在英特尔® 系统工作室2017中可用。
自动驾驶汽车需要与驾驶舱中的驾驶员互动，并理解它从其他传感器收集的数据。这些数据需要及时有效地处理。
一套高质量的、生产就绪的、低级构建块。这些是为自动驾驶汽车的图像处理、信号处理和数据处理需求准备的现成解决方案。
这些工具在英特尔® 系统工作室2017中可用。
正在将自动驾驶汽车的愿景提升到一个新的水平，提供强大且快速的开发工具。
这个工具包将现有工具整合到一个地方，并扩展工具箱，以包含最新的自动驾驶技术。首次发布包括：
一个新的英特尔® 计算机视觉SDK
一个集成的英特尔® 深度学习SDK
一个传感器数据标记工具