当前位置:首页 > 智能新能源汽车 > 正文

美国研发新方法获取更多数据 训练自动驾驶汽车跟踪系统

2020-07-17 10:53
【新能源汽车网】

为了平安起见,自动驾驶汽车必需可以正确地跟踪四周的行人、自行车和其他车辆的活动。如今,据外媒报导,美国卡内基梅隆大学(Carnegie Mellon University)研发了一种新要领,可更高效地练习此类跟踪体系。

(图片泉源:卡内基梅隆大学)

一般而言,用于练习跟踪体系的途径数据和交通数据越多,效果就会越好。为此,卡内基梅隆大学的研究人员研发了一种新要领,用于解锁大批的自动驾驶数据。

大多数自动驾驶汽车重要依靠一种称为激光雷达的传感器举行导航。激光雷达是一种发生有关车辆四周环境3D信息的激光装备,此种3D信息不是图象,而是点云。车辆采纳一种称为场景流的手艺相识此类数据,个中包含盘算每一个3D点云的速率和轨迹。一同挪动的点云组经由历程场景流被释义为车辆、行人或其他挪动的物体。

过去,练习此类体系最先进的要领是须要运用带有标记的数据集,此类传感器数据已被解释,跟着时间推移,会跟踪每一个3D点云。然则,手动标记此类数据集既辛苦又高贵,因而,几乎没有标记好的数据存在。相反,场景流练习一般应用模仿数据举行,效力更低,之后会应用少许已标注好的实在天下数据举行微调。

卡内基梅隆大学的研究人员则采纳了差别的要领,采纳未经标记的数据举行场景流练习。由于经由历程在汽车上装置激光雷达,并让车辆四周行驶,生成未标记的数据相对简朴,而且数据不会缺乏。

该种要领的关键是研发一种要领,让体系可以在场景流中探测到本身的毛病。在每一个霎时,该体系都尝试展望每一个3D点云的挪动方向和挪动速率。鄙人一个霎时,该体系就可以丈量出点云展望位置与接近点云展望位置近来的现实位置之间的间隔,该间隔就是一种毛病,须要尽量完成最小化。

然后,该体系会将该历程逆转,从展望的点云位置入手下手,向后映照出点云的肇端位置。因而,会丈量展望位置与现实肇端位置之间的间隔,从而发生了第二种毛病。

然后,该体系会改正此类毛病。

虽然听起来很庞杂,不过研究人员发明此种要领很有用。研究人员们盘算出,应用合成数据练习集实行场景流练习的精度只要25%。当采纳了少许的实在天下经标记数据微调合成数据时,正确率进步至31%;当到场大批未标记的数据以应用他们的要领练习体系时,场景流的精度跃升至46%。

泉源:盖世汽车

作者:余秋云

本文地点:https://www.d1ev.com/news/jishu/120504

返回第一电动网首页 >

标签