侵权投诉
订阅
纠错
加入自媒体

康奈尔大学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

据外媒报道,目前,用于探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、能效低,但是精度高。此类激光探测和测距(激光雷达)传感器通常都安装在汽车车顶上,从而增加了风阻,对电动汽车来说是个缺点,而且会让一辆车的成本增加约1万美元(约合67181元人民币)。但尽管存在很多缺点,大多数专家认为激光雷达传感器是自动驾驶汽车安全地感知行人、汽车和道路上其他危险的唯一可行方法。

如今,康奈尔大学(Cornell)的研究人员发现了一种更简单的方法,只要使用挡风玻璃两侧的两个便宜摄像头,就可探测到物体,而且探测精度接近激光雷达,而成本只有其一小部分。研究人员发现,鸟瞰而不是从传统的正面视角来分析捕捉到的图像时,准确度提高了两倍以上,从而使得立体摄像头可以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兼该论文的资深作者Kilian Weinberger表示:“自动驾驶汽车的基本问题之一是要去识别周围的物体,这显然是汽车能够在驾驶环境中实现导航的关键。人们普遍认为,没有激光雷达,就无法生产自动驾驶汽车。而我们已经证明,至少在原则上证明了,这是有可能的。”

激光雷达传感器利用激光创建有关周围环境的三维点图,通过光速测量物体距离。而立体摄像头跟人眼一样,利用两个视角确定深度,看起来非常具有发展前景。但是他们识别物体的准确度非常低,传统看法是他们太不精确了。

该论文第一作者,康奈尔大学计算机科学系博士生Yan Wang与合作伙伴仔细查看了立体摄像头的数据,惊讶地发现,立体摄像头获取的信息与激光雷达的精确度一样,但是他们发现,在分析立体摄像头的数据时,就出现了精确度的差异。

对于大多数自动驾驶汽车来说,摄像头或传感器捕获的数据都是使用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,可通过采用过滤器识别与图像相关的模式,从而识别图像。此类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,但是如果从正面识别,会扭曲照片中的三维信息。因此,Wang和同事们将图像从正面视角转为了鸟瞰角度观察到的点云,准确度就提高了两倍多。

Weinberger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,或者是已经配备了激光雷达的高端汽车识别物体的备用方法。

作者:余秋云

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号