蘋果自動駕駛研究: 把傳感器數(shù)據(jù)轉成3D圖智能
近日，蘋果公司發(fā)表了一篇新的人工智能論文，號稱找到了彌補目前自動駕駛汽車中，光學雷達傳感器（LIDAR，light detection and ranging）測繪技術不足的辦法。
（原標題：蘋果自動駕駛研究新成果：把傳感器收集的數(shù)據(jù)轉成3D測繪圖）
近日，蘋果公司發(fā)表了一篇新的人工智能論文，號稱找到了彌補目前自動駕駛汽車中，光學雷達傳感器（LIDAR，light detection and ranging）測繪技術不足的辦法。
論文中介紹的系統(tǒng)被稱為VoxelNet，它能夠把光學雷達傳感器收集的原始數(shù)據(jù)轉化成3D測繪圖，還能在測繪圖中辨識出包括汽車、自行車和行人等在內(nèi)的物體，讓駕駛更安全。
TheVerge在11月22日的報道中介紹，光學雷達傳感器被認為是自動駕駛系統(tǒng)的眼睛，它通過向四周物體發(fā)射激光，從而對周圍的環(huán)境進行3D建模。這種方法比一般的照相攝像頭能包含更多深度信息，卻只能創(chuàng)造出小片的測繪圖，這導致只要有物體擋住激光，就無法看到更大區(qū)域的圖像，這個缺陷令它不適合安全自動駕駛。
為了解決這個問題，以往工程師的做法是，使用多個獨立系統(tǒng)，首先將3D光學雷達傳感器數(shù)據(jù)劃分成多個有用區(qū)域，然后分辨各區(qū)域中都是什么。蘋果的VoxelNet系統(tǒng)則將以上這些流程全部并入一個神經(jīng)網(wǎng)絡，令系統(tǒng)處理更加高效。蘋果的論文中稱，與多個競爭對手的系統(tǒng)表現(xiàn)相比，自己系統(tǒng)的表現(xiàn)可以輕松勝出。
VoxelNet
VoxelNet處理生成的3D測繪圖像中，能夠分辨出行人、自行車和汽車等物體。如圖所示，黃框中是行人、藍框中是自行車、綠框中是汽車。
這種系統(tǒng)除了可以廣泛應用于自動駕駛汽車，還能應用于管家機器人、AR、VR等多種人工智能設備。
據(jù)彭博社2016年10月的報道，蘋果公司曾經(jīng)試圖研發(fā)過自己的自動駕駛汽車，代號Titan。但隨后更改了自己的目標，不研發(fā)自動駕駛汽車，只研發(fā)自治系統(tǒng)（autonomous systems），這樣可以用自己的軟件系統(tǒng)和汽車制造商合作。2017年6月，蘋果公司CEO蒂姆·庫克在接受彭博社采訪時，確認了蘋果正在研發(fā)自治系統(tǒng)的消息。
庫克在訪問中稱，“我們把自治系統(tǒng)看作是所有人工智能應用之母，它可能是我們正在研發(fā)的最難的人工智能項目之一。”他還補充道，“我們把它看作是至關重要的核心技術。”
不過，蘋果的這項新系統(tǒng)在有的自動駕駛工程師看來，并不算是特別重大的突破。The Verge采訪了自動駕駛視覺系統(tǒng)專家、荷蘭工程師Roland Meertens。Meertens介紹，為了繞過光學雷達傳感器的缺陷，其他公司也在研發(fā)不同方法：“比如特斯拉，就根本不使用光學雷達傳感器，但特斯拉的汽車非常擅長沿著車道行駛。”
來源：澎湃新聞(上海)
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請轉載時務必注明文章作者和"來源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為TMT觀察網(wǎng)或將追究責任；
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。
