Sitemap

人物

特斯拉马斯克:自动驾驶汽车依赖激光雷达必定糜烂

8月13日报道浩繁生产商入手研发自动驾驶汽车的大状况下,确实通通的汽车都运用了激光雷达,并用以打制一种传感器。这种传感器可以借帮雷达展现三维地图中车辆四周的状况。

自动驾驶汽车,特斯拉,激光雷达
8月13日报道,浩繁生产商入手研发自动驾驶汽车的大状况下,确实通通的汽车都运用了激光雷达,并用以打制一种传感器。这种传感器可以借帮雷达展现三维地图中车辆四周的状况。
 
然而特斯拉的首席施行官埃隆·马斯克却外示,如许的做法是过失的。
 
先有特斯拉于本年4缘垒举办展现运动,先容其自动驾驶技能。马斯克此次展会中外示,这些生产商终将放弃激光雷达,因为任何应用激光雷达研发自动驾驶汽车的人都必定糜烂。
 
后有特斯拉人工智能专家Andrej Karpathy外示,激光雷达确实为研发供应了一条捷径,可是这种方法并没有思索到一个基本题目,那便是视觉识别这当中的主要性。这个方法带给他们一种进步的错觉。
 
许众专家对该说法发出了质疑。
 
起首来自密歇根大学自动驾驶汽车试验场MCity的研讨员Greg McGuire就指出:从某种原理上来说,这些传感器都是一种依赖。举措工程师,他们便是这么做的,即创制依赖性。
 
McGuire还外示,只要当自动驾驶汽车真的十分平安牢靠时,它才干被社会所承受。念要抵达高度的牢靠,就要保持一个主要的准绳——冗余。任何传感器最终都会失灵,但假如运用几种差别类型的传感器,那就可以低沉因为某一个传感器爆发妨碍导致事故爆发的可以性。
 
其后,又有行业剖析师(及前汽车工程师)Sam Abuelsamid外示,一朝你将这些表面技能用于实行,有许众未知数你是无法避免的。表面上,你大约可以仅凭相机来搜罗数据,但若要百分百置信体系的判别是准确的,最好是有其他正交传感方式的辅帮,比如像激光雷达如许的传感方式。
 
4月22日,就特斯拉展现自动驾驶技能的同一天,康奈尔大学的三位研讨职员发外了一篇研议论文,部分支撑了马斯克关于激光雷达的说法。盘算机科学家们只用了立体相机,最终KITTI(一种热门的自动驾驶体系图像识别基准)上取得了打破性的效果。该项新技能功用远远优于之前的纯相机技能,而且和“相机+激光雷达”的搭配比较也相差无几。
 
可惜,媒体对该论文的报道混杂了研讨职员的实行发明。比如Gizmodo报道中外示,这三名研讨职员的论文是关于汽车上摄像头的安装位置的,但实行上该论文并没有提到这一点,而Gizmodo也研讨职员联络他之后,改正了他这篇报道。
 
念要恰外埠舆解这篇论文,我们就需求了解软件是怎样将原始的相机图像转换成有标识的三维模子,地图上生动地展现汽车周边状况。KITTI的测试中,假如该算法可以精准地识别汽车周边的每一个对象,并用三维的框框将其标示出来,那么该算法就被认为是胜利的。
 
一般软件处理这种测试分为以下两个方法。起首,软件通过某一算法运转图像,为图像的每个像素定一个间隔估量值。这可以通过一对相机和视差效应的原理来完成。研讨职员还研发了其他技能,运用单个相机来估算像素间距。这两种状况下,第二步便是通过高度估量值将像素分组,构成差别的对象(比如汽车、行人或自行车)。
 
康奈尔大学的研讨职员将每个立体图像对应的像素转换成由激光雷达传感器生成的三维点云(点云数据指的是:扫描材料以点的方式记载,每一个点包罗有三维坐标,有些可以含有颜色新闻或反射强度新闻)。然后,研讨职员将点云数据输入到现有的目标识别算法中。
 
三位研讨职员其论文中外示,他们的方法图像识别才能上取得了庞大进步。比如,KITTI测试的一个版本中,以前纯相机搜罗数据的准确率最高为30%,而现借帮他们的技能,准确率曾经进步到66%。
 
换句话说,“相机+激光雷达”的方式比纯相机运用更加精准,这和激光雷达测量间隔时精度更高无关,其重假如因为激光雷达生成的“原生”数据样式恰恰更容易让板滞进修算法运用。
 
这篇论文的作家之一Kilian Weinberger指出,他们的论文写的是通过将基于相机的数据转换成激光雷达的点云数据,分明缩小两者之间的差异。
 
不过,Weinberger也明晰外示,激光雷达和非激光雷达之间仍有相当大的差异。KITTI测试中,康奈尔大学的研讨职员将数据的准确率进步到了66%,但运用相同算法的条件下,直接运用激光雷达生成的点云数据准确率高达86%。
自动驾驶汽车特斯拉激光雷达