自動(dòng)駕駛汽車將徹底改變交通——然而，它們的成功實(shí)施依賴于準(zhǔn)確識(shí)別和應(yīng)對(duì)外部威脅的能力。從信號(hào)處理和圖像分析算法到與物聯(lián)網(wǎng)基礎(chǔ)設(shè)施集成的深度學(xué)習(xí)智能系統(tǒng)，必須利用一系列技術(shù)，以便自動(dòng)駕駛汽車在各種地形上提供安全操作。隨著這些尖端汽車變得越來(lái)越普及，為確保乘客安全不受影響，需要開(kāi)發(fā)能夠快速可靠地有效檢測(cè)潛在危險(xiǎn)的穩(wěn)健方法。

自動(dòng)駕駛汽車依靠激光雷達(dá)、雷達(dá)和 RGB 攝像頭等高科技傳感器生成大量信息，以正確識(shí)別行人、其他駕駛員和潛在危險(xiǎn)。將先進(jìn)的計(jì)算能力和物聯(lián)網(wǎng) (IoT) 集成到這些自動(dòng)駕駛汽車中，可以在現(xiàn)場(chǎng)快速處理這些數(shù)據(jù)，以便更有效地導(dǎo)航各個(gè)區(qū)域和物體。最終，這使得自動(dòng)駕駛汽車能夠以比傳統(tǒng)人類駕駛員更高的準(zhǔn)確性做出瞬間決策。

自動(dòng)駕駛技術(shù)的巨大進(jìn)步

韓國(guó)仁川國(guó)立大學(xué) Gwanggil Jeon 教授及其國(guó)際團(tuán)隊(duì)進(jìn)行的開(kāi)創(chuàng)性研究標(biāo)志著自動(dòng)駕駛技術(shù)向前邁出了一大步。他們開(kāi)發(fā)的創(chuàng)新智能物聯(lián)網(wǎng)端到端系統(tǒng)允許使用深度學(xué)習(xí)實(shí)時(shí)檢測(cè) 3D 對(duì)象，使其比以往任何時(shí)候都更加可靠和高效。它可以更準(zhǔn)確地檢測(cè)到更多的物體，即使面對(duì)具有挑戰(zhàn)性的環(huán)境，例如光線不足或異常的天氣條件——這是其他系統(tǒng)無(wú)法做到的。這些功能可以在各種交通場(chǎng)景中實(shí)現(xiàn)更安全的導(dǎo)航，提高自動(dòng)駕駛系統(tǒng)的標(biāo)準(zhǔn)，并有助于改善全球道路安全。

這項(xiàng)研究發(fā)表在《IEEE 智能交通系統(tǒng)匯刊》雜志上。

“對(duì)于自動(dòng)駕駛汽車，環(huán)境感知對(duì)于回答一個(gè)核心問(wèn)題至關(guān)重要，‘我周圍有什么?’ 自動(dòng)駕駛汽車必須能夠有效、準(zhǔn)確地了解其周圍的條件和環(huán)境，以便執(zhí)行響應(yīng)操作，”Jeon 教授解釋道。“我們基于著名的識(shí)別算法 YOLOv3 設(shè)計(jì)了一個(gè)檢測(cè)模型。該模型首先用于 2D 物體檢測(cè)，然后針對(duì) 3D 物體進(jìn)行修改，”他繼續(xù)說(shuō)道。

基于YOLOv3的模型

該團(tuán)隊(duì)將收集到的 RGB 圖像和點(diǎn)云數(shù)據(jù)輸入YOLOv3，然后 YOLOv3 輸出分類標(biāo)簽和帶有置信度分?jǐn)?shù)的邊界框。隨后使用 Lyft 數(shù)據(jù)集對(duì)其性能進(jìn)行了測(cè)試，早期結(jié)果表明，YOLOv3 對(duì) 2D 和 3D 對(duì)象均實(shí)現(xiàn)了極高的檢測(cè)準(zhǔn)確率 (>96%)。該模型優(yōu)于各種最先進(jìn)的檢測(cè)模型。

這種新開(kāi)發(fā)的方法可用于自動(dòng)駕駛汽車、自動(dòng)泊車、自動(dòng)送貨和未來(lái)的自動(dòng)機(jī)器人。它還可用于需要物體和障礙物檢測(cè)、跟蹤和視覺(jué)定位的應(yīng)用。

“目前，自動(dòng)駕駛正在通過(guò)基于激光雷達(dá)的圖像處理進(jìn)行，但預(yù)計(jì)未來(lái)將由通用攝像頭取代激光雷達(dá)的作用。因此，自動(dòng)駕駛汽車中使用的技術(shù)每時(shí)每刻都在發(fā)生變化，而我們處于最前沿，”全教授說(shuō)。“基于要素技術(shù)的發(fā)展，安全性更高的自動(dòng)駕駛汽車應(yīng)該在未來(lái) 5-10 年內(nèi)問(wèn)世。”