看到物體的新方法加速了自動(dòng)駕駛汽車的未來

目前用于檢測(cè)自動(dòng)駕駛汽車路徑中的3D物體的激光傳感器體積大，丑陋，昂貴，能量低效且高度準(zhǔn)確。

這些光探測(cè)和測(cè)距(LiDAR)傳感器固定在汽車的屋頂上，增加了風(fēng)阻，這對(duì)電動(dòng)汽車來說尤其不利。他們可以為汽車的成本增加大約10,000美元。但盡管存在缺點(diǎn)，大多數(shù)專家都認(rèn)為L(zhǎng)iDAR傳感器是自動(dòng)駕駛車輛安全感知道路上行人，汽車和其他危險(xiǎn)的唯一可行方式。

現(xiàn)在，康奈爾大學(xué)的研究人員發(fā)現(xiàn)，在擋風(fēng)玻璃兩側(cè)使用兩個(gè)便宜的攝像頭的簡(jiǎn)單方法可以檢測(cè)具有近乎LiDAR精度且成本僅為其一小部分的物體。研究人員發(fā)現(xiàn)，從鳥瞰圖分析捕獲的圖像而不是更傳統(tǒng)的正面視圖，使其準(zhǔn)確度增加三倍以上，使立體相機(jī)成為L(zhǎng)iDAR的可行且低成本的替代品。

“自動(dòng)駕駛汽車的一個(gè)基本問題是識(shí)別汽車周圍的物體 - 顯然這對(duì)于??汽車導(dǎo)航環(huán)境至關(guān)重要，”計(jì)算機(jī)科學(xué)副教授兼論文的高級(jí)作者Kilian Weinberger說道，“Pseudo-LiDAR從視覺深度估計(jì)：彌合自動(dòng)駕駛的3D物體檢測(cè)的差距，“將于6月15日至21日在加利福尼亞州長(zhǎng)灘舉行的2019年計(jì)算機(jī)視覺和模式識(shí)別會(huì)議上展示。

“人們普遍認(rèn)為，如果沒有激光雷達(dá)，就無(wú)法制造自動(dòng)駕駛汽車，”溫伯格說。“至少在原則上，我們已經(jīng)表明它是可能的。”

本文的第一作者是計(jì)算機(jī)科學(xué)博士生王燕。

LiDAR傳感器使用激光創(chuàng)建周圍環(huán)境的3D點(diǎn)圖，通過光速測(cè)量物體的距離。立體攝像機(jī)依靠?jī)蓚€(gè)視角來建立深度，就像人眼一樣，看起來很有希望。但是它們?cè)谖矬w檢測(cè)中的準(zhǔn)確性非常低，傳統(tǒng)觀點(diǎn)認(rèn)為它們太不精確了。

然后，王和合作者仔細(xì)研究了立體相機(jī)的數(shù)據(jù)。令他們驚訝的是，他們發(fā)現(xiàn)他們的信息幾乎和LiDAR一樣精確。他們發(fā)現(xiàn)，當(dāng)分析立體相機(jī)的數(shù)據(jù)時(shí)，準(zhǔn)確性的差距就出現(xiàn)了。

對(duì)于大多數(shù)自動(dòng)駕駛汽車，使用卷積神經(jīng)網(wǎng)絡(luò)分析攝像機(jī)或傳感器捕獲的數(shù)據(jù)- 卷積神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)，通過應(yīng)用識(shí)別與其相關(guān)的模式的濾波器來識(shí)別圖像。這些卷積神經(jīng)網(wǎng)絡(luò)已被證明非常擅長(zhǎng)識(shí)別標(biāo)準(zhǔn)彩色照片中的物體，但如果從前面表示，它們可能會(huì)扭曲3D信息。因此，當(dāng)Wang和同事將表示從正面視角切換到從鳥瞰視圖觀察到的點(diǎn)云時(shí)，準(zhǔn)確度增加了三倍以上。

“當(dāng)你有攝像機(jī)圖像的時(shí)候，就是如此，因此，很容易看到正面視圖，因?yàn)檫@就是相機(jī)所看到的，”Weinberger說道。“但這也存在問題，因?yàn)槿绻銖那懊婵吹轿矬w，那么它們被處理的方式實(shí)際上會(huì)使它們變形，你將物體模糊到背景中并使它們的形狀變形。”

最終，Weinberger說，立體攝像機(jī)可能被用作識(shí)別低成本汽車中物體的主要方式，或者作為配備LiDAR的高端汽車的備用方法。

“自動(dòng)駕駛汽車行業(yè)一直不愿意放棄LiDAR，即使成本很高，因?yàn)槠涑錾睦m(xù)航精度 - 這對(duì)于汽車周圍的安全至關(guān)重要，”John A. Mellowes '60教授Mark Campbell說。和SC Thomas Sze Sibley機(jī)械和航空航天工程學(xué)院院長(zhǎng)和該論文的共同作者。“范圍檢測(cè)和準(zhǔn)確性的顯著提高，以及相機(jī)數(shù)據(jù)的鳥瞰圖，有可能徹底改變這個(gè)行業(yè)。”

共同作者，計(jì)算機(jī)科學(xué)助理教授Bharath Hariharan說，這些結(jié)果超出了自動(dòng)駕駛汽車的范圍。

Hariharan說：“在假設(shè)這些算法總能提取相關(guān)信息的假設(shè)下，當(dāng)前實(shí)踐中有一種趨勢(shì)是將數(shù)據(jù)原樣提供給復(fù)雜的機(jī)器學(xué)習(xí)算法。” “我們的結(jié)果表明，這不一定是真的，我們應(yīng)該考慮如何表示數(shù)據(jù)。”