康奈尔大学研究人员鸟瞰识别物体 让立体摄像头成为自动驾驶汽车激光雷达的低成本替代品

(图片来源:康奈尔大学官网)据国外媒体报道，目前，用于检测自动驾驶汽车行驶路径中三维物体的激光传感器体积庞大、外形丑陋、价格昂贵、效率低下，但精度很高。这种激光探测和测距(lidar)传感器通常安装在车顶，增加了风阻，这对电动汽车来说是一个缺点，将增加一辆汽车的成本约1万美元(约合人民币67181元)。然而，尽管存在许多缺点，但大多数专家认为，激光雷达传感器是自动驾驶汽车安全感知路上行人、汽车和其他危险的唯一可行方式。现在，康奈尔大学的研究人员发现了一种更简单的探测物体的方法，通过在挡风玻璃两侧使用两个廉价的相机，探测精度接近激光雷达，而成本只是激光雷达的几分之一。研究人员发现，当从鸟瞰视角而非传统的正面视角分析拍摄的图像时，精确度提高了两倍以上，从而使立体相机成为激光雷达的低成本替代品。康奈尔大学计算机科学系副教授、论文高级作者Kilian Weinberger表示:“自动驾驶汽车的一个基本问题是识别周围的物体，这显然是汽车在驾驶环境中导航的关键。一般认为，没有激光雷达，就无法生产自动驾驶汽车。我们已经证明，至少在原则上，这是可能的。”激光雷达传感器利用激光创建周围环境的三维点地图，通过光速测量物体的距离。立体相机和人眼一样，使用两个视角来确定深度，看起来很有前景。但是它们识别物体的准确率很低，传统的观点是太不准确。这篇论文的第一作者，康乃尔大学计算机科学系的博士生王艳和他的合作伙伴仔细查看了立体摄像机的数据。他们惊讶地发现，立体摄像机获得的信息与激光雷达获得的信息一样准确，但他们发现，在分析立体摄像机的数据时，准确性存在差异。对于大多数自动驾驶汽车来说，摄像头或传感器捕捉的数据是通过卷积神经网络进行分析的，卷积神经网络是一种机器学习算法，可以通过使用过滤器识别与图像相关的模式来识别图像。这种卷积神经网络已经被证明非常擅长识别标准彩色照片中的物体，但如果从正面识别，就会扭曲照片中的三维信息。因此，王和他的同事们将图像从正面视角改为从鸟瞰视角观察的点云，精确度提高了一倍以上。温伯格表示，最终，立体摄像头可能会成为低成本汽车识别物体的主要方法，或者是已经配备激光雷达识别物体的高端汽车的备用方法。

(图片来源:康奈尔大学官网)据国外媒体报道，目前，用于检测自动驾驶汽车行驶路径中三维物体的激光传感器体积庞大、外形丑陋、价格昂贵、效率低下，但精度很高。这种激光探测和测距(lidar)传感器通常安装在车顶，增加了风阻，这对电动汽车来说是一个缺点，将增加一辆汽车的成本约1万美元(约合人民币67181元)。然而，尽管存在许多缺点，但大多数专家认为，激光雷达传感器是自动驾驶汽车安全感知路上行人、汽车和其他危险的唯一可行方式。现在，康奈尔大学的研究人员发现了一种更简单的探测物体的方法，通过在挡风玻璃两侧使用两个廉价的相机，探测精度接近激光雷达，而成本只是激光雷达的几分之一。研究人员发现，当从鸟瞰视角而非传统的正面视角分析拍摄的图像时，精确度提高了两倍以上，从而使立体相机成为激光雷达的低成本替代品。康奈尔大学计算机科学系副教授、论文高级作者基里安·温伯格(Kilian Weinberger)表示:“自动驾驶汽车的一个基本问题是识别周围的物体，这显然是汽车导航的关键……驾驶环境中的te。一般认为，没有激光雷达，就无法生产自动驾驶汽车。我们已经证明，至少在原则上，这是可能的。“激光雷达传感器使用激光创建周围环境的三维点地图，并通过光速测量物体的距离。立体相机和人眼一样，使用两个视角来确定深度，看起来很有前景。但是它们识别物体的准确率很低，传统的观点是太不准确。这篇论文的第一作者，康乃尔大学计算机科学系的博士生王艳和他的合作伙伴仔细查看了立体摄像机的数据。他们惊讶地发现，立体摄像机获得的信息与激光雷达获得的信息一样准确，但他们发现，在分析立体摄像机的数据时，准确性存在差异。对于大多数自动驾驶汽车来说，摄像头或传感器捕捉的数据是通过卷积神经网络进行分析的，卷积神经网络是一种机器学习算法，可以通过使用过滤器识别与图像相关的模式来识别图像。这种卷积神经网络已经被证明非常擅长识别标准彩色照片中的物体，但如果从正面识别，就会扭曲照片中的三维信息。因此，王和他的同事们将图像从正面视角改为从鸟瞰视角观察的点云，精确度提高了一倍以上。温伯格表示，最终，立体摄像头可能会成为低成本汽车识别物体的主要方法，或者是已经配备激光雷达识别物体的高端汽车的备用方法。

标签：发现

汽车资讯热门资讯