能夠識別自由空間的自動駕駛汽車可以更好地檢測物體

重要的是，自動駕駛汽車能夠快速檢測到共享道路的其他車輛或行人?？突仿〈髮W的研究人員已經表明，通過幫助車輛識別它看不到的東西，他們可以顯著提高檢測準確度。

也就是空白空間。

你眼中的物體會模糊你對前方事物的看法，這一事實對人們來說是顯而易見的。但CMU機器人研究所的博士生胡培云(音譯)表示，自動駕駛汽車通常不是這樣判斷周圍物體的。

相反，他們使用來自激光雷達的3-D數(shù)據(jù)將對象表示為點云，然后嘗試將這些點云與對象的3-D表示庫匹配。胡說，問題在于，車輛激光雷達的3d數(shù)據(jù)并不是真正的3d -傳感器無法看到物體被遮擋的部分，而目前的算法也無法判斷這種遮擋。

“感知系統(tǒng)需要知道他們的未知，”胡觀察到。

胡的研究使自動駕駛汽車的感知系統(tǒng)能夠在判斷傳感器所看到的東西時考慮可視性。事實上，當公司構建數(shù)字地圖時，關于可見性的推理已經被使用了。

“地圖構建從根本上解釋了哪些地方是空的，哪些地方被占用了，”機器人學副教授、CMU阿爾戈自動駕駛汽車研究人工智能中心(Argo AI Center for Autonomous Vehicle Research)主任德瓦拉馬南(Deva Ramanan)說?！暗@并不總是發(fā)生在實時處理障礙物以交通速度移動的過程中?！?/p>

在將于6月13-19日舉行的計算機視覺和模式識別(CVPR)會議上，胡和他的同事們借鑒了地圖制作技術來幫助系統(tǒng)在識別物體時判斷可見度。

在標準基準測試中，CMU方法的表現(xiàn)優(yōu)于之前的頂級技術，對小汽車的檢測提高了10.7%，對行人的檢測提高了5.3%，對卡車的檢測提高了7.4%，對公共汽車的檢測提高了18.4%，對拖車的檢測提高了16.7%。

以前的系統(tǒng)可能沒有考慮到可見性的一個原因是考慮到計算時間。但胡表示，他的團隊發(fā)現(xiàn)這不是問題:他們的方法只需要24毫秒就能運行。(作為比較，激光雷達的每次掃描是100毫秒。)