当前位置:首页 > 科技创新 > 主要事项 >

【体育平台登录】可训练的神经网络学习架构大幅提升LiDAR探测精度

编辑:体育平台登录 来源:体育平台登录 创发布时间:2021-01-28阅读42638次
  本文摘要:苹果公司的研究人员仍然希望自动驾驶汽车需要在公共道路上行驶。

苹果公司的研究人员仍然希望自动驾驶汽车需要在公共道路上行驶。上周,他们发表了一篇学术论文,解释了使用可训练的神经网络技术通过3D点云构建对象观察的方法。

虽然这项技术还处于研究的早期阶段,但在未来完成和成熟后,它可能会大大提高激光雷达(LiDAR)自动巡航解决方案的观测精度。据麦克默斯咨询公司报道,苹果公司的AI(人工智能)专家鄞州和机器学习专家OncelTuzel最近发表了一篇学术论文,题为《VoxelNet:点云3D物体观测的端到端机器学习》。在本文中,苹果专家认为,基于三维点云(例如激光雷达阵列生成的三维点云数据)构建精确的物体观测是许多新兴现实的研发问题。从自动驾驶汽车到扫地机器人,这些都需要人工操作,而为了在真实环境中搭建自主巡航机器设备,需要缓慢而准确地观察周围的关键障碍物。

体育平台官网下载

苹果指出,与基于2D光学的观测方法相比,激光雷达技术是一种更可信的替代方法,因为它需要获取深度信息,以便更好地在空间构建物体观测和定位。然而,激光雷达通过发射激光脉冲和测量从物体表面返回的激光的飞行时间来创建3D点云信息。

需要光返回并被探测器接收的光子通常很少。因此,激光雷达生成的点云数据密集,点云密度变化很大,带来很多问题。目前,在VoxelNet架构图中处理最先进的3D点云数据翻译设备的技术还包括手工创建点云信息的特征。

一些方法将点云信息引入俯视图,而另一些方法将点云信息改变为3D实体像素网格,并为每个实体像素编码特定特征。苹果公司表示,人工创建的特征密切相关,不会带来“信息瓶颈”,这使得系统能够高效地利用三维地形信息。为此,周和图泽尔明确提出了基于点云的可训练的三维物体观察深度自学习框架。

该体系结构被称为体素网(VoxelNet),它使用体素特征编码(VFE)层自己学习简单的特征,从而建立3D地形的紧密相关性。体素网络是一种标准化的三维观察神经网络,它将特征提取和边界板预测分离成单步处理,是一种端到端可训练的深度自学习网络。特别是,该技术将点云分解为三维立体像素,并通过堆叠的立体像素编码层对三维立体像素进行编码,从而构建出与体积密切相关的。

三维像素特征编码层在实验中,苹果提出的方法显示了很大的应用前景,实验结果远远高于目前基于LiDAR的观测算法和基于光学的观测方案。在一系列测试中,VoxelNet被训练观察三个基本物体:——辆汽车、行人和自行车。除了理论研究之外,苹果目前正在加州街头测试和评估自动驾驶汽车。苹果在自动驾驶汽车技术领域的研究始于“ProjectTitan”计划,公司试图从零开始打造具有自律品牌的自动驾驶汽车。

“ProjectTitan”经过大量投资和人员聘用,遇到了很多问题,最终在2016年底沉没。但项目启动的自动驾驶支持软件及相关硬件仍在开发中。

虽然苹果的研究论文主要是讲解自主车的巡航应用,但是这项技术也可以应用到使用深度映射硬件观察真实场景的增强现实(AR)系统中。新iPhoneX“刘海”中的深度相机类似于LiDAR阵列,内置微型图形投影仪,需要提供精确的3D深度信息。如果深度相机的观察范围进一步扩大,安装在便携设备上,再加上先进设备的软件算法,将开启全新的消费AR体验。


本文关键词:体育平台登录,体育首页,体育平台官网下载

本文来源:体育平台登录-www.alingconching.com

0418-98042467

联系我们

Copyright © 2010-2014 怀化市体育平台登录科技股份有限公司 版权所有  湘ICP备14468851号-3