加州理工学院开发新算法 有助于改进自动驾驶导航系统

据国外媒体报道，加州理工学院(Caltech)开发了一种新的算法，可以让自动系统通过观察周围的地形来识别自己的位置，并且不受地形季节性变化的影响。

(来源:加州理工学院)

可视地形相对导航(VTRN)使自动系统能够通过将附近的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需要将观察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，都会导致图像失配并干扰系统。所以，除非有各种条件下的景观图像数据库，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教授实验室的团队转向深度学习和AI，以消除阻碍当前VTRN系统的季节性因素。科学家安东尼·弗拉戈索说，“来自卫星和自动驾驶汽车的两幅图像必须有相同的内容，目前的技术可以发挥作用。该系统只能处理图像的色差。但在现实系统中，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，因此无法直接比较。”

钟与研究人员弗拉戈索、康纳·李和奥斯汀·麦考伊合作开发的算法使用了“自我监督学习”。大多数计算机视觉策略依赖于人工注释。人工标注器会整理大数据集，教会算法如何识别看到的对象，但算法会让算法自己学习。AI通过梳理可能被人类忽略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可以产生更精确的定位。在一项实验中，研究人员试图使用基于相关性的VTRN技术来定位夏季叶片图像和冬季叶片图像。测试发现，50%的尝试会导致导航失败。相比之下，当一种新的算法被插入VTRN时，92%的尝试都是正确匹配的，剩下的8%可以提前识别出有问题，这可以通过其他已建立的导航技术轻松管理。

Lee说，“计算机可以发现我们的眼睛看不到的模糊模式，甚至可以发现最小的趋势。在一个普遍但充满挑战的环境中，VTRN面临着挑战，我们可以解决这一挑战。”该系统不仅可用于无人飞行器，也可用于太空任务。接下来，弗拉戈索、李和钟将扩展这项技术以适应天气变化。如果成功，这项工作将有助于改善自动驾驶汽车的导航系统。据国外媒体报道，加州理工学院(Caltech)开发了一种新的算法，可以让自动系统通过观察周围的地形来识别自己的位置，并且不受地形季节性变化的影响。

(来源:加州理工学院)

可视地形相对导航(VTRN)使自动系统能够通过将附近的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需要将观察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，都会导致图像失配并干扰系统。所以，除非有各种条件下的景观图像数据库，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教授实验室的团队转向深度学习和AI，以消除阻碍当前VTRN系统的季节性因素。科学家安东尼·弗拉戈索说，“来自卫星和自动驾驶汽车的两幅图像必须有相同的内容，目前的技术可以发挥作用。该系统只能处理图像的色差。但在现实系统中，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，因此无法直接比较。”

钟与研究人员弗拉戈索、康纳·李和奥斯汀·麦考伊合作开发的算法使用了“自我监督学习”。大多数计算机视觉策略依赖于人工注释。人工标注器将整理大型数据集，并教算法如何识别他们看到的对象，但算法会让算法……hm自己学习。AI通过梳理可能被人类忽略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可以产生更精确的定位。在一项实验中，研究人员试图使用基于相关性的VTRN技术来定位夏季叶片图像和冬季叶片图像。测试发现，50%的尝试会导致导航失败。相比之下，当一种新的算法被插入VTRN时，92%的尝试都是正确匹配的，剩下的8%可以提前识别出有问题，这可以通过其他已建立的导航技术轻松管理。

Lee说，“计算机可以发现我们的眼睛看不到的模糊模式，甚至可以发现最小的趋势。在一个普遍但充满挑战的环境中，VTRN面临着挑战，我们可以解决这一挑战。”该系统不仅可用于无人飞行器，也可用于太空任务。接下来，弗拉戈索、李和钟将扩展这项技术以适应天气变化。如果成功，这项工作将有助于改善自动驾驶汽车的导航系统。

标签：发现

汽车资讯热门资讯