关键词：智能汽车 自动驾驶 深度学习 环境感知 自主决策 

摘要：智能化是汽车的三大变革技术之一,深度学习具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径。该文系统性总结了用于自动驾驶汽车的深度神经网络(DNN)技术,包括发展历史、主流算法以及感知、决策与控制技术应用。回顾了神经网络的历史及现状,总结DNN的"神经元-层-网络"3级结构,重点介绍卷积网络和循环网络的特点以及代表性模型;阐述了以反向传播(BP)为核心的深度网络训练算法,列举用于深度学习的常用数据集与开源框架,概括了网络计算平台和模型优化设计技术;讨论DNN在自动驾驶汽车的环境感知、自主决策和运动控制3大方向的应用现状及其优缺点,具体包括物体检测和语义分割、分层式和端到端决策、汽车纵横向运动控制等;针对用于自动驾驶汽车的DNN技术,指明了不同问题的适用方法以及关键问题的未来发展方向。

汽车安全与节能学报杂志要求:

{1}作者姓名置于篇名下方居中。译文的署名，应著者在前，译者在后，著者前用方括号标明国籍。

{2}我刊严禁一稿两投，重复内容多次投稿（包括将以不同文种分别投稿）以及抄袭他人论文等现象。

{3}题目简明扼要，紧扣主题，要有足够的信息，能引起读者的兴趣，便于检索。一般不用符号、公式和缩略语。题目中不建议过多使用定冠词，尤其首字母不使用定冠词。

{4}参考文献的编号按正文中首次出现的次序连续排列，用阿拉伯数字加方括号标于上角，并按引用顺序排列于文末。

{5}内容摘要（200字以内）、关键词（3—5个），英文标题。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社