看到物體的新方法加速了自動駕駛汽車的未來

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

這些光探測和測距(LiDAR)傳感器固定在汽車的屋頂上，增加了風阻，這對電動汽車來說尤其不利。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，大多數(shù)專家都認為LiDAR傳感器是自動駕駛車輛安全感知道路上行人，汽車和其他危險的唯一可行方式。

現(xiàn)在，康奈爾大學的研究人員發(fā)現(xiàn)，在擋風玻璃兩側(cè)使用兩個便宜的攝像頭的簡單方法可以檢測具有近乎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，使其準確度增加三倍以上，使立體相機成為LiDAR的可行且低成本的替代品。

“自動駕駛汽車的一個基本問題是識別汽車周圍的物體 - 顯然這對于??汽車導航環(huán)境至關(guān)重要，”計算機科學副教授兼論文的高級作者Kilian Weinberger說道，“Pseudo-LiDAR從視覺深度估計：彌合自動駕駛的3D物體檢測的差距，“將于6月15日至21日在加利福尼亞州長灘舉行的2019年計算機視覺和模式識別會議上展示。

“人們普遍認為，如果沒有激光雷達，就無法制造自動駕駛汽車，”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算機科學博士生王燕。

LiDAR傳感器使用激光創(chuàng)建周圍環(huán)境的3D點圖，通過光速測量物體的距離。立體攝像機依靠兩個視角來建立深度，就像人眼一樣，看起來很有希望。但是它們在物體檢測中的準確性非常低，傳統(tǒng)觀點認為它們太不精確了。

然后，王和合作者仔細研究了立體相機的數(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)，當分析立體相機的數(shù)據(jù)時，準確性的差距就出現(xiàn)了。

對于大多數(shù)自動駕駛汽車，使用卷積神經(jīng)網(wǎng)絡分析攝像機或傳感器捕獲的數(shù)據(jù)- 卷積神經(jīng)網(wǎng)絡是一種機器學習，通過應用識別與其相關(guān)的模式的濾波器來識別圖像。這些卷積神經(jīng)網(wǎng)絡已被證明非常擅長識別標準彩色照片中的物體，但如果從前面表示，它們可能會扭曲3D信息。因此，當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云時，準確度增加了三倍以上。

“當你有攝像機圖像的時候，就是如此，因此，很容易看到正面視圖，因為這就是相機所看到的，”Weinberger說道。“但這也存在問題，因為如果你從前面看到物體，那么它們被處理的方式實際上會使它們變形，你將物體模糊到背景中并使它們的形狀變形。”

最終，Weinberger說，立體攝像機可能被用作識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。

“自動駕駛汽車行業(yè)一直不愿意放棄LiDAR，即使成本很高，因為其出色的續(xù)航精度 - 這對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機械和航空航天工程學院院長和該論文的共同作者。“范圍檢測和準確性的顯著提高，以及相機數(shù)據(jù)的鳥瞰圖，有可能徹底改變這個行業(yè)。”

共同作者，計算機科學助理教授Bharath Hariharan說，這些結(jié)果超出了自動駕駛汽車的范圍。

Hariharan說：“在假設這些算法總能提取相關(guān)信息的假設下，當前實踐中有一種趨勢是將數(shù)據(jù)原樣提供給復雜的機器學習算法。” “我們的結(jié)果表明，這不一定是真的，我們應該考慮如何表示數(shù)據(jù)。”