ad1
当前位置: 东南热线 -> 科技

纵目科技首席科学家:智能驾驶与视觉感知的3大突破点|GTC2016

栏目:科技    发布时间:2016-09-13 20:45

9月13日,GPU 开发者大会在北京举行,上海纵目科技首席科学家马慧敏教授针对智能驾驶与视觉感知方面的核心问题做了具体的讲授。

马慧敏表示,2003年的3D Image Lab试验室在清华大学电子工程系挂牌,他们一直以来关注的是辨认技术目前没有攻克的困难。

小目的、强遮挡、高动态三个问题是他们重点要处理的。马慧敏主要介绍了机器学习在自动驾驶上的3个模型,用来处理上述的3个问题。

纵目科技首席科学家:智能驾驶与视觉感知的3大冲破点|GTC2016

1、明显性物体检测:语义留意认知模型

纵目科技首席科学家:智能驾驶与视觉感知的3大冲破点|GTC2016

2、部件与认知模型:抵御遮挡能力

纵目科技首席科学家:智能驾驶与视觉感知的3大冲破点|GTC2016

3、3D场景物体辨认:顺应复杂环境

首先,在明显性物体检测中要找到明显物体为朋分图象做铺垫;

其次,部件、构造、环境3个方面是图象辨认中特别重要的因素,参加部件的特点也能够抵御遮挡的问题;

最后,再进一步就是要和环境交互,利用三维信息(立体视觉)做物体的语义模型。利用三维做路径的估量和语义特点再把它投入到二维的单目摄像头中,会发现测试结果与双目摄像头成效相当。缘由就是本身的先验和语义上下维度之间的关联。

在三维的先验测试中,能够确定汽车的高度、宽度和和建筑物的比例,这些都在必定的范围以内。再从多模态、多任务、多视角三方面进行路径检测,从平视到俯瞰进行多维检测,车辆检测和定位精度等多方面指标都能有6%以上的提高。

他们也将立体视觉和激光雷达成效和混杂传感器成效做了比较,然而视觉传感参加了激光传感后在路径的测试成效并没有明显的提高,甚至还不如二维三维融合的纯视觉辨认。

在自动驾驶中,车道检测、交通标识灯检测、路径标记和整体路径规划等都需求在嵌入式发展的基础上才能够完成在无人车算法的运转中,而完成智能驾驶和视觉感知,3D Image Lab试验室用到的就是通过了上述三个模型来处理问题。

来源:互联网    
ad09
ad10
ad08