当前位置:网站首页>行业>正文

Waymo和优步纷纷展示自动驾驶技术

来源:盖世汽车 时间:2020-06-24 09:10作者:罗珊编辑:王厅

  据外媒报道,在2020年计算机视觉和模式识别大会(CVPR)的一个自动驾驶的研讨会上,Waymo和优步展示了一项旨在提高自动驾驶系统可靠性和安全性的研究。Waymo首席科学家Drago Anguelov详细介绍了以摄像头和距离为中心的框架ViDAR,涵盖场景几何、语义和动力学。优步高级技术小组(Uber’s Advanced Technologies Group,简称ATG)首席科学家Raquel Urtasun展示了两项技术,利用车对车通信实现导航、交通建模等功能。

图片来源:Waymo

  ViDAR由Waymo和谷歌AI实验室谷歌大脑(Google Brain)合作开发,通过运动推断物体结构。ViDAR利用运动视差,即由运动引起的位置变化,从图像序列(例如由车载摄像头拍摄的帧)中学习3D几何结构。根据图像和激光雷达数据,ViDAR可以预测未来摄像头的视点和深度数据。

  Anguelov解释道,ViDAR使用快门计时来计算卷帘快门(rolling shutter),这种摄像头拍摄方法不是同时记录场景的所有部分。这是手持镜头或在移动的车辆上进行拍摄时产生果冻效应(jello effect)的原因。得益于多达5个摄像头的支持,在提高精度的同时,这一步骤还能在速度较高时,保证框架避免发生位移。

  在Waymo内部,ViDAR用于提供先进的、以摄像头为中心的深度信息、egmotion(估计摄像头相对于场景的运动)和动力学模型。ViDAR还催生了一款模型,该模型可以根据摄像头图像估算深度,预测障碍物(包括行人)将要行进的方向。

  V2VNet系统由优步ATG研究人员创建,可以使自动驾驶汽车通过OTA高效地共享信息。使用V2VNet,网络中的车辆交换包含数据集、时间戳和位置信息的消息,用AI模型补偿时间延迟,并智能地仅从数据集中选择相关数据。

  为了评估V2VNet的性能,ATG使用激光雷达模拟器系统编制了大型车对车语料库。具体而言,该团队根据真实的激光雷达扫描(共有46,796个训练帧和4,404个验证帧)生成了5,500个日志重构,从多达7台车辆的视点进行仿真。

  多次实验结果表明,与单台车辆相比,V2VNet的错误率低68%。而且性能随着网络中车辆数量的增加而提高,对远处和被遮挡物体以及高速行驶的汽车而言,其性能也显著提高。

  虽然目前还不清楚V2VNet是否会投产用于真实车辆,但优步试图与Waymo竞争,Waymo的无人驾驶克莱斯勒Pacifica小型货车通过双调制解调器无线交换危险和路线变化信息。Waymo首席技术官Dmitri Dolgov曾表示,“我们的汽车在任何安全关键问题上仍必须依赖车载计算,而5G将是一个加速器。”

发表我的评论

提交评论
0/500 字

网友评论

更多>> 专栏·评论
热点新闻