您好,欢迎来到中国自动驾驶高精地图产业创新发展论坛2019!

特斯拉凭借其先进的计算机视觉技术实现了激光雷达的准确性

发布日期:2020-04-26

GRCChdmap

2020-04-26 17:05:39

手机阅读

点击上方蓝色字体,关注我们


特斯拉通过其实时视觉处理系统复制了激光雷达的可见性



特斯拉在人工智能和神经网络方面的进步推动了其自动驾驶和全自动驾驶解决方案的发展。这是一大批自动驾驶公司董事和员工出色工作的结果,其中包括特斯拉AI高级总监Andrej Karpathy。Karpathy在2月的Scaled ML Conference上介绍了Tesla的AI训练方法。在此过程中,他分享了特斯拉仅用少数几个摄像头即可达到传统基于激光的激光雷达精度的方法的具体见解。


特斯拉不断发展的解决方案中的秘诀不是相机本身,而是它们所构建的先进处理和神经网络,可以理解各种输入范围和质量。特斯拉的AI团队已经建立了一种新技术,称为伪激光雷达。它融合了传统计算机视觉和强大的激光雷达点地图世界之间的界线。


传统激光雷达


基于传统激光雷达的系统依靠一系列激光雷达硬件来提供****的车辆周围世界景观。这些系统利用隐形激光器或类似技术将大量的ping发送到世界上以检测周围的物体。


结果是根据每个激光点的距离实时可视化车辆周围的世界。计算机将这些点转换为3D表示,并能够识别其他车辆,人,道路,建筑物等,以使车辆能够更安全地在该世界中导航。


近年来,对自动驾驶的推动已导致激光雷达装置本身以及使用它们的支持软件解决方案的开发激增。即便如此,激光雷达系统的成本仍然令人望而却步,单个传感器的成本高达数千美元。另一方面,由于在智能手机,笔记本电脑等设备中的普及,相机每台仅花费几美元。



伪激光雷达


特斯拉基于摄像头的方法便宜得多,并且在硬件方面更容易实现,但是需要极其复杂的计算机系统才能将原始摄像头输入和车辆远程信息处理转换为智能。从根本上讲,计算机可以从一系列连续的静态图像(也称为视频)中识别车道标记,标志和其他车辆。


特斯拉将计算机视觉提升到****的水平,不仅分析图像,而且分析图像中的各个像素。Karpathy说:“我们采用伪激光雷达方法,基本上可以预测每个像素的深度,并且可以投射出像素。”随时间推移执行此操作可以复制传统激光雷达系统的许多功能,但需要大量的实时处理能力才能使图像解构功能发挥作用。


车辆是实时驾驶的,因此,如果系统无法即时获得结果,那么可以基于图像进行确定或预测的系统就没有任何好处。值得庆幸的是,特斯拉为自动驾驶计算机的第三个主要版本构建了自己的硬件,并且专门用于运行特斯拉的代码。


实现激光雷达的功能非常重要,因为它可以解锁为利用传统激光雷达系统的输入而构建的所有软件解决方案。“您基本上以这种方式模拟了激光雷达输入,但这纯粹是出于视觉上的考虑。然后,您可以使用为激光雷达处理开发的许多技术,以实现3D对象检测。” 这就像给仅用指南针和地图在森林中航行的人提供GPS。它不能解决问题,但却是开发**解决方案的另一种极有价值的工具。


“差距正在迅速缩小”


特斯拉所谓的伪激光雷达解决方案正在变得越来越好。Karpathy展示了一系列类似激光雷达的3D世界地图,看起来非常像来自尖端激光雷达解决方案的结果。当然,可视化更有利于人类而不是计算机,因此,请不要真正传达特斯拉在计算机视觉方面的进步具有多大影响力。Karpathy说:“如果您给自己激光雷达,以及与没有激光雷达相比您能做多好,而您仅使用视觉技术和伪激光雷达方法,差距就会迅速缩小。”


作者:Kyle Field


相关文章

埃隆·马斯克(Elon Musk)表示特斯拉将根据GPS和车队数据构建自己的地图

特斯拉AI总监公布自动驾驶数据 解释视觉策略如何实现全自动驾驶
特斯拉自动驾驶仪通过高清地图避免坑洼







SELECTED EVENTS




 

长按二维码识别关注



  • 电话咨询
  • 021-22306692
  • 15021948198
None