浅析压力变送器在汽车自动化驾驶中的运用

这些是安装在汽车顶部的光探测和测距（LiDAR）压力变送器，它们往往会增加风阻，这是电动汽车的主要缺点。这些压力变送器可以增加约10,000美元的汽车费用。然而，尽管存在缺点，但大多数专家认为，LiDAR压力变送器为自动驾驶汽车提供了唯一合理的手段，可以安全地感知道路上的各种危险，包括汽车和行人。

 现在，康奈尔大学的一个研究小组发现，一种更简单的技术，利用位于挡风玻璃两侧的一对低成本摄像机，可以识别与LiDAR压力变送器具有几乎相同精度的物体，但只有一小部分成本。

 科学家指出，当从鸟瞰图而不是更常见的正面视图研究捕获的图像时，它们的精度增加了三倍以上，从而使立体相机成为LiDAR压力变送器的可行且成本有效的选择。

 自动驾驶汽车的一个基本问题是识别汽车周围的物体 - 显然这对于汽车导航环境至关重要。视觉深度估计中的伪LiDAR：弥合自主驾驶中三维物体检测的差距。

 “ 人们普遍认为，如果没有激光雷达，就无法制造自动驾驶汽车，”温伯格说。“ 至少在原则上，我们已经表明它是可能的。”

 Yan Wang是该论文的第一作者，也是计算机科学的博士生。

 LiDAR压力变送器使用激光来产生周围环境的3D点图，通过光速确定物体的距离。立体摄像机通常依赖于几个视角来建立深度，就像人眼一样，它们看起来很有前途。然而，它们在物体检测方面的精确度低得可怜，传统观点认为它们非常不准确。  随后，Wang和合作者仔细检查了立体摄像机的数据，他们意外地发现他们的数据几乎与LiDAR一样准确。他们发现，在检查立体摄像机的数据时会出现精度差距。

 在大多数自动驾驶汽车的情况下，压力变送器或摄像机记录的数据在卷积神经网络的帮助下进行检查 - 卷积神经网络是一种机器学习形式，能够通过应用识别与其相关的模式的滤波器来检测图像。像这样的卷积神经网络已被证明在检测常规彩色照片中的物体方面非常出色; 但是，如果从前面指定3D数据，它们往往会扭曲3D数据。因此，当王和他的同事将表现从正面视角改为从鸟瞰视角看到的点云时，精度提高了三倍多。

 当你有摄像机图像时，它就是如此，因此，很容易看到正面视图，因为这是相机看到的。但也存在这个问题，因为如果你从前面看到物体，那么它们被处理的方式实际上会使它们变形，并且你将物体模糊到背景中并使它们的形状变形。

 最终，立体摄像机可能被用作检测低价汽车中物体的关键方式，或者作为配备LiDAR的高端汽车的备用方法，Weinberger说。

 “ 自动驾驶汽车行业一直不愿意放弃LiDAR，即使成本很高，因为其出色的续航精度 - 这对于汽车周围的安全至关重要，”。和SC Thomas Sze Sibley机械和航空航天工程学院院长和该论文的合着者。“ 范围检测和准确性的显着提高，以及相机数据的鸟瞰图，有可能彻底改变这个行业。”

 计算机科学的共同作者和助理教授Bharath Hariharan说，这些成果对自动驾驶汽车有影响。

 在假设这些算法总是可以提取相关信息的假设下，当前实践中存在将数据原样馈送到复杂机器学习算法的趋势。我们的结果表明这不一定是真的，我们应该考虑如何表示数据。