加州理工学院开发新算法 有助于改进自动驾驶导航系统

如果没有全球定位系统，自动系统很容易丢失。据外媒报道，加州理工学院开发了一种新算法，该算法允许自动系统通过观察来识别周围地形的位置，而不受地形季节变化的影响。

视觉地形相对导航允许自动系统通过将附近地形与高分辨率卫星图像进行比较来确定其位置。为了使其工作，当前一代的VTRN需要将观测到的地形与数据库中的图像紧密匹配。任何改变或模糊地形的物体，如雪或落叶，都可能导致图像不匹配并破坏系统。因此，除非在各种条件下有景观图像数据库，否则VTRN系统很容易混淆。为了克服这一挑战，加州理工学院Soon Jo Chung教授实验室的团队已转向深度学习和人工智能，以消除阻碍当前VTRN系统的季节性因素。科学家Anthony Fragoso表示，“卫星和自动驾驶汽车的两张图像必须具有相同的内容，才能使当前的技术发挥作用。该系统只能处理图像的颜色差异。然而，在真实的系统中，情况会随着季节的变化而发生巨大变化，图像中不再包含相同的物体，无法直接进行比较。”。钟和研究员Fragoso Connor Lee和Austin mccoy共同开发了使用“自我监督学习”的算法“。尽管大多数计算机视觉策略都依赖于手动注释，手动注释器组织大型数据集并教算法如何识别可见物体，但该算法允许算法自行学习。人工智能通过整理可能被人类忽视的细节和特征来搜索图像中的模式。使用新系统来补充当前一代VTRN可以生成更精确的定位。在一项实验中，研究人员试图使用相关的VTRN技术定位夏季和冬季的叶片图像。测试发现，50%的尝试都会导致导航失败。相比之下，通过在VTRN中插入新算法，92%的尝试被正确匹配，而剩余的8%可以提前确定为有问题，并使用其他已建立的导航技术轻松管理。Lee说：“计算机可以检测我们眼睛看不到的模糊模式，甚至是最小的趋势。在一个常见但具有挑战性的环境中，VTRN面临着挑战，我们可以解决这些挑战。”该系统不仅可以用于无人驾驶飞机，还可以用于太空任务。接下来，Fragoso、Lee和Chung将扩展这项技术，以适应天气的变化。如果成功，这项工作将有助于改进自动驾驶汽车的导航系统。

标签：发现

汽车资讯热门资讯