奥地利研发AI增强型雷达系统 可提升自动驾驶车辆目标探测能力

盖世汽车讯人工智能(AI)是构建未来自动驾驶的核心，但仍有许多安全问题亟待解决。据外媒报道，奥地利图格拉茨科技大学的研究人员创造了一种强大的人工智能增强雷达，可以帮助改善现有的雷达技术，并有助于解决安全问题。

格拉茨理工大学正在与英飞凌合作开发一种用于自动驾驶的新型雷达传感器(来源:英飞凌)

自动驾驶和驾驶辅助系统依赖于激光雷达、超声波和雷达等各种先进的传感器系统，这些系统可以反馈周围环境的关键信息，帮助车辆安全行驶。特别地，雷达传感器可以将周围车辆和物体的位置和速度信息传送给移动的车辆。然而，这种系统容易受到交通和环境中的一些干扰的影响，例如，受到其他(雷达)设备的影响。此外，雷达还会受到会产生噪声的极端天气的严重影响，导致测量质量不佳。因此，开发一种可以过滤噪声和干扰信息并通过AI技术增强的雷达系统，意味着自动驾驶的应用正在向更安全的目标检测系统转变。

卷积神经网络

格拉茨理工大学团队通过开发基于神经网络的人工智能模型，消除了雷达信号的干扰。此外，该模型的功能远远超过现有技术。

现在，团队的目标是优化模型，使其仍然可以在固定参数和固有学习模式之外工作，并开发更可靠地识别物体的能力。

最初，研究人员开发了一个基于卷积神经网络(CNN)的自动噪声抑制模型框架。CNN可以过滤所有的视觉输入信息，确定具体的联系，生成完整的图像。

这种架构的构建方式意味着，与目前的雷达系统相比，CNN在处理信息时将消耗更少的内存，但它将实现更大、更先进的能力。格拉茨理工大学团队的主要目标是大幅提高现有系统的效率，同时在真实环境中引入一种能力更强大的新技术。

先进而强大的技术

在实验过程中，格拉茨理工大学的团队通过噪声数据和所需的输出值来训练各种神经网络。然后，通过分析每个去噪过程所需的存储空间和计算操作的数量，确定特别小且快速的模型架构。然后，通过减少位宽(即用于存储模型参数的位数)再次压缩效率最高的模型，最终产生一个高滤波性能、低能耗的AI模型。出色的去噪效果，加上89%的F1得分(测试精度的一种衡量标准)，使其拥有几乎等同于未受干扰的雷达信号的物体检测率。因此，干扰信号已经从测量信号中完全去除。

从数字上看，位宽为8的机型与位宽为32的同类机型性能相当，但内存只有218KB，相当于减少了75%的存储空间，这意味着该机型远超最先进水平。

接下来，格拉茨理工大学团队将专注于修复项目(雷达传感器的强大且可解释的AI)，以优化AI增强的雷达系统。目前团队正在和英飞凌合作。

这也意味着系统将能够容忍高水平的干扰，并表现出更强的鲁棒性；该团队将开发一种雷达系统，不仅可以提高效率，还可以帮助防止自动驾驶应用中的任何灾难性事故。盖世汽车讯人工智能(AI)是构建未来自动驾驶的核心，但仍有许多安全问题亟待解决。据外媒报道，奥地利图格拉茨科技大学的研究人员创造了一种强大的人工智能增强雷达，可以帮助改善现有的雷达技术，并有助于解决安全问题。

格拉茨理工大学正在与英飞凌合作开发一种用于自动驾驶的新型雷达传感器(来源:英飞凌)

自动驾驶和驾驶辅助系统依赖于激光雷达、超声波和雷达等各种先进的传感器系统，这些系统可以反馈周围环境的关键信息，帮助车辆安全行驶。特别地，雷达传感器可以将周围车辆和物体的位置和速度信息传送给移动的车辆。然而，这种系统容易受到交通和环境中的一些干扰的影响，例如，受到其他(雷达)设备的影响。此外，雷达还会受到会产生噪声的极端天气的严重影响，导致测量质量不佳。因此，开发一种可以过滤噪声和干扰信息并通过AI技术增强的雷达系统，意味着自动驾驶的应用正在向更安全的目标检测系统转变。

卷积神经网络

格拉茨理工大学团队通过开发基于神经网络的人工智能模型，消除了雷达信号的干扰。此外，该模型的功能远远超过现有技术。

现在，团队的目标是优化模型，使其仍然可以在固定参数和固有学习模式之外工作，并开发更可靠地识别物体的能力。

最初，研究人员开发了一个基于卷积神经网络(CNN)的自动噪声抑制模型框架。CNN可以过滤所有的视觉输入信息，确定具体的联系，生成完整的图像。

这种架构的构建方式意味着，与目前的雷达系统相比，CNN在处理信息时将消耗更少的内存，但它将实现更大、更先进的能力。格拉茨理工大学团队的主要目标是大幅提高现有系统的效率，同时在真实环境中引入一种能力更强大的新技术。

先进而强大的技术

在实验过程中，格拉茨理工大学的团队通过噪声数据和所需的输出值来训练各种神经网络。然后，通过分析每个去噪过程所需的存储空间和计算操作的数量，确定特别小且快速的模型架构。然后，通过减少位宽(即用于存储模型参数的位数)再次压缩效率最高的模型，最终产生一个高滤波性能、低能耗的AI模型。出色的去噪效果，加上89%的F1得分(测试精度的一种衡量标准)，使其具有几乎等同于未受干扰的雷达信号的物体检测率。因此，干扰信号已经从测量信号中完全去除。

从数字上看，位宽为8的机型与位宽为32的同类机型性能相当，但内存只有218KB，相当于减少了75%的存储空间，这意味着该机型远超最先进水平。

接下来，格拉茨理工大学团队将专注于修复项目(雷达传感器的强大且可解释的AI)，以优化AI增强的雷达系统。目前团队正在和英飞凌合作。

这也意味着系统将能够容忍高水平的干扰，并表现出更强的鲁棒性；该团队将开发一种雷达系统，不仅可以提高效率，还可以帮助防止自动驾驶应用中的任何灾难性事故。

标签：

汽车资讯热门资讯