t a  e 

苹果工程师论文展示自动驾驶系统工作原理

苹果首席执行官库克曾公开评论过苹果正在进行自动驾驶相关工作的研发,而现在两位苹果科学家在一篇最新的研究论文中深入介绍了苹果在自动驾驶领域的最新研发成果。这篇论文介绍了苹果如何通过激光雷达与其他技术的结合,用来进行3D物体的探测。

这篇论文是由苹果公司的人工智能研究员Yin Zhou和机器学习研究科学家Oncel Tuzel共同撰写。这两位科学家都在去年加入苹果,并且专门负责帮助苹果研发自动驾驶技术。

这篇论文详细解释了在自动导航、机器人技术等领域如何精确的探测到周围环境中的3D立体目标。

6364710731184758998369507.jpg

在许多应用场景中,准确的检测到3D点云中的对象是一个核心问题。比如自动导航、机器人、以及增强现实/虚拟现实技术。为了将高度激光雷达点云与一个区域的RPN联系起来,大多数现有的研发精力都集中在手动检测特征上,比如类似于鸟类的眼睛投射视图。

在这项工作中,我们消除了对3D点云的人工智能特性需求,并且提出了一个通用的三维检测网络,将特征提取和边界预测统一到一个单独的阶段,利用E2E训练深度网络。

此外,这篇论文还展示了上述技术如何应用于对汽车、行人和骑车人的检测基准。具体来说,这篇论文提出了一种替代方案,在基于LiDAR三维检测中进行手动检查。

大多数现有基于LiDAR的3D探测方法都依赖于手动特征集合,例如鸟瞰视图投影。在这里我们消除了手动检测的瓶颈,并且提出了Vox-elNet概念,这是一种基于点云的3D检测技术,是一种全新的E2E训练深度架构。

我们的方法可以直接在稀疏的3D点阵上进行操作,并且能有效的捕捉3D形状信息。同时还提供了有效的VoxelNet,来实现从稀疏的点云中进行合并处理。

Zhou和Tuzel都认为,它们的试验原理代表了3D物体探测的未来,在检测汽车、自行车和行人的时候,比其它类型的技术提供了更好的结果。

“我们在完成汽车探测任务上表明,VoxelNet是最先进的基于激光雷达的3D探测方法,在更具有挑战性的任务上,比如对行人和骑车人进行3D检测,VoxelNet也展示了令人欢欣鼓舞的结果,表明能够实现更好的3D效果。”


2017-11-24 01:49:07
按品牌拼音首字母查找:

        尺寸/参数

        标注 名称 尺寸范围 单位
            

        联系客服

        客服电话:020-36390347