当前位置:

OFweek新能源汽车网

检测/维修/保养

正文

【深度】分析无人驾驶汽车运用有哪些

导读: 深度学习以前的可行驶区域检测,有两种方法,一是基于双目摄像头立体视觉或者Structure from motion, 二是基于局部特征,马尔科夫场之类的图像分割。

OFweek新能源汽车网讯 深度学习在无人驾驶领域主要用于图像处理,也就是摄像头上面。当然也可以用于雷达的数据处理,但是基于图像极大丰富的信息以及难以手工建模的特性,深度学习能最大限度的发挥其优势。

现在介绍一下全球摄像头领域的巨擘,以色列的mobileye公司是怎么在他们的产品中运用深度学习的。 深度学习可以用于感知,识别周围环境,各种对车辆有用的信息;也可以用于决策,比如AlphaGo的走子网络(Policy Network),就是直接用DNN训练, 如何基于当前状态作出决策。

环境识别方面,mobileye把他们识别方面的工作主要分为三部分,物体识别,可行驶区域检测,行驶路径识别。

物体识别

一般的物体识别是这样子的:

深度学习在无人驾驶汽车上面的运用有哪些?

有一个长方形框框能识别出来车在哪里,很好,很不错,但是Mobileye出来的是这样子的:

深度学习在无人驾驶汽车上面的运用有哪些?

以及这样子的:

深度学习在无人驾驶汽车上面的运用有哪些?

很明显的区别就是Mobileye可以实现非常准确的车的正面以及侧面的检测,以及完全正确的区分左边侧面以及右边侧面(黄色和蓝色)。

深度学习在无人驾驶汽车上面的运用有哪些?

这两种检测结果的信息量是完全不同的,左边这个检测结果告诉我们什么位置大概有一辆车,但是他的具体位置,车的朝向信息完全没有。但是从右边的检测结果,就可以相对精确的估算出来车的位置,行驶方向等重要信息,跟我们人看到后可以推测的信息差不多了。

这样出众的结果,对于较近距离的车,用其他基于几何的方法,多跟踪几帧,可能可以做到接近的效果,但是留意远处很小的车,结果也完全正确,这就只可能是深度学习的威力了。可惜Mobileye创始人兼CTO总爱四处显摆他们技术怎么怎么牛,之前也常发论文共享一些技术,但是在车辆识别怎么建模神经网络可以输出这么精确带orientation的bounding box,他只是微微一笑,说这里面有很多tricks……

1  2  3  下一页>  
责任编辑:LGM
免责声明: 本文仅代表作者个人观点,与 OFweek新能源汽车网 无关。其原创性以及文中陈述文字和内容未经本站证实, 对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅 作参考,并请自行核实相关内容。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: