江铃福特打造“家空间”，乘用车渠道全面焕新升级

据外媒报道，日前，特斯拉获得了一项“利用视觉图像数据估计物体属性”的新专利，旨在降低自动驾驶汽车视觉传感器不断增加的成本和复杂性。这种方法允许车辆通过图像数据和机器学习来检测和解释与周围环境的距离。

(来源:www.teslarati.com)

这项专利使用了两个神经网络，并且只使用图像数据来测量与物体的距离。其中一个神经网络可以确定物体和车载摄像头拍摄的图像之间的距离。另一个神经网络以标记图像的形式为前者创建训练材料。

在这项专利中，特斯拉表示，需要在不限制车载传感器捕捉和处理的数据量的情况下，确定合适的传感器数量。特斯拉表示，视觉传感器，如雷达、激光雷达和超声波传感器，安装成本很高，并将增加自动驾驶系统的“输入带宽要求”。该专利描述了传感器和摄像机的平衡配置，以确定车辆和周围物体之间的距离。这将使特斯拉能够采用与行业领导者性能相当的系统，同时最大限度地降低成本。

特斯拉表示，“随着传感器数量和类型的增加，系统的复杂性和成本也在增加。此外，每个额外的传感器都会增加自动驾驶系统的输入带宽要求。因此，需要找到传感器的最佳配置，在不限制传感器捕捉的数据数量和类型的情况下，限制传感器的总数，从而准确描述周围环境，安全控制车辆。”

此外，该专利还为特斯拉提供了自动标注视觉数据的方法。由于标签是特斯拉FSD(全自动驾驶)开发中最耗时的部分之一，该系统可能会加速该公司FSD和自动驾驶套件的开发和更新。

特斯拉还表示，“在各种实施例中，辅助数据和视觉数据的收集和关联都是自动完成的，几乎不需要人工干预。比如视觉技术识别的物体不需要人工标注，显著提高了机器学习和训练的效率。可以自动生成训练数据，用于训练机器学习模型，从而高精度地预测物体属性。”

特斯拉专利中描述的配置将显著改善其FSD技术。这种方法可能会减少特斯拉对传感器的依赖，增加从图像中提取的数据量，从而提高FSD测试版的性能。据外媒报道，日前，特斯拉获得了一项“利用视觉图像数据估计物体属性”的新专利，旨在降低自动驾驶汽车视觉传感器不断增加的成本和复杂性。这种方法允许车辆通过图像数据和机器学习来检测和解释与周围环境的距离。

(来源:www.teslarati.com)

这项专利使用了两个神经网络，并且只使用图像数据来测量与物体的距离。其中一个神经网络可以确定物体和车载摄像头拍摄的图像之间的距离。另一个神经网络以标记图像的形式为前者创建训练材料。

在这项专利中，特斯拉表示，需要在不限制车载传感器捕捉和处理的数据量的情况下，确定合适的传感器数量。特斯拉表示，视觉传感器，如雷达、激光雷达和超声波传感器，安装成本很高，并将增加自动驾驶系统的“输入带宽要求”。该专利描述了传感器和摄像机的平衡配置，以确定车辆和周围物体之间的距离。这将使特斯拉能够采用与行业领导者性能相当的系统，同时最大限度地降低成本。

特斯拉表示，“随着传感器数量和类型的增加，系统的复杂性和成本也在增加。此外，每个额外的传感器都会增加自动驾驶系统的输入带宽要求。因此，需要找到传感器的最佳配置，在不限制传感器捕捉的数据数量和类型的情况下，限制传感器的总数，从而准确描述周围环境，安全控制车辆。”

此外，th……专利还为特斯拉提供了自动标注视觉数据的方法。由于标签是特斯拉FSD(全自动驾驶)开发中最耗时的部分之一，该系统可能会加速该公司FSD和自动驾驶套件的开发和更新。

特斯拉还表示，“在各种实施例中，辅助数据和视觉数据的收集和关联都是自动完成的，几乎不需要人工干预。比如视觉技术识别的物体不需要人工标注，显著提高了机器学习和训练的效率。可以自动生成训练数据，用于训练机器学习模型，从而高精度地预测物体属性。”

特斯拉专利中描述的配置将显著改善其FSD技术。这种方法可能会减少特斯拉对传感器的依赖，增加从图像中提取的数据量，从而提高FSD测试版的性能。

标签：福特领裕江铃鲸

汽车资讯热门资讯