廣告
美國研究人員研發(fā)出一種解鎖大量的自動駕駛數(shù)據(jù)的新方法
2020-07-24 15:49:04· 來源：無人駕駛視界
為了安全起見，自動駕駛汽車必須能夠準(zhǔn)確地跟蹤周圍的行人、自行車和其他車輛的運動?，F(xiàn)在，據(jù)外媒報道，美國卡內(nèi)基梅隆大學(xué)(Carnegie Mellon University)研發(fā)了
為了安全起見，自動駕駛汽車必須能夠準(zhǔn)確地跟蹤周圍的行人、自行車和其他車輛的運動?，F(xiàn)在，據(jù)外媒報道，美國卡內(nèi)基梅隆大學(xué)(Carnegie Mellon University)研發(fā)了一種新方法，可更高效地訓(xùn)練此類跟蹤系統(tǒng)。
一般而言，用于訓(xùn)練跟蹤系統(tǒng)的道路數(shù)據(jù)和交通數(shù)據(jù)越多，結(jié)果就會越好。為此，卡內(nèi)基梅隆大學(xué)的研究人員研發(fā)了一種新方法，用于解鎖大量的自動駕駛數(shù)據(jù)。
大多數(shù)自動駕駛汽車主要依賴一種稱為激光雷達(dá)的傳感器進(jìn)行導(dǎo)航。激光雷達(dá)是一種產(chǎn)生有關(guān)車輛周圍環(huán)境3D信息的激光設(shè)備，此種3D信息不是圖像，而是點云。車輛采用一種稱為場景流的技術(shù)了解此類數(shù)據(jù)，其中包括計算每個3D點云的速度和軌跡。一起移動的點云組通過場景流被釋義為車輛、行人或其他移動的物體。
過去，訓(xùn)練此類系統(tǒng)最先進(jìn)的方法是需要使用帶有標(biāo)記的數(shù)據(jù)集，此類傳感器數(shù)據(jù)已經(jīng)被注釋，隨著時間推移，會跟蹤每個3D點云。但是，手動標(biāo)記此類數(shù)據(jù)集既費力又昂貴，因此，幾乎沒有標(biāo)記好的數(shù)據(jù)存在。相反，場景流訓(xùn)練通常利用模擬數(shù)據(jù)進(jìn)行，效率更低，之后會利用少量已標(biāo)注好的真實世界數(shù)據(jù)進(jìn)行微調(diào)。
卡內(nèi)基梅隆大學(xué)的研究人員則采用了不同的方法，采用未經(jīng)標(biāo)記的數(shù)據(jù)進(jìn)行場景流訓(xùn)練。因為通過在汽車上安裝激光雷達(dá)，并讓車輛四處行駛，生成未標(biāo)記的數(shù)據(jù)相對簡單，而且數(shù)據(jù)不會短缺。
該種方法的關(guān)鍵是研發(fā)一種方法，讓系統(tǒng)能夠在場景流中探測到自己的錯誤。在每一個瞬間，該系統(tǒng)都嘗試預(yù)測每一個3D點云的移動方向和移動速度。在下一個瞬間，該系統(tǒng)就能夠測量出點云預(yù)測位置與靠近點云預(yù)測位置最近的實際位置之間的距離，該距離就是一種錯誤，需要盡可能實現(xiàn)最小化。
然后，該系統(tǒng)會將該過程逆轉(zhuǎn)，從預(yù)測的點云位置開始，向后映射出點云的起始位置。因此，會測量預(yù)測位置與實際起始位置之間的距離，從而產(chǎn)生了第二種錯誤。
然后，該系統(tǒng)會糾正此類錯誤。
雖然聽起來很復(fù)雜，不過研究人員發(fā)現(xiàn)此種方法很有效。研究人員們計算出，利用合成數(shù)據(jù)訓(xùn)練集執(zhí)行場景流訓(xùn)練的精度只有25%。當(dāng)采用了少量的真實世界經(jīng)標(biāo)記數(shù)據(jù)微調(diào)合成數(shù)據(jù)時，準(zhǔn)確率提高至31%;當(dāng)加入大量未標(biāo)記的數(shù)據(jù)以利用他們的方法訓(xùn)練系統(tǒng)時，場景流的精度躍升至46%。
一般而言，用于訓(xùn)練跟蹤系統(tǒng)的道路數(shù)據(jù)和交通數(shù)據(jù)越多，結(jié)果就會越好。為此，卡內(nèi)基梅隆大學(xué)的研究人員研發(fā)了一種新方法，用于解鎖大量的自動駕駛數(shù)據(jù)。
大多數(shù)自動駕駛汽車主要依賴一種稱為激光雷達(dá)的傳感器進(jìn)行導(dǎo)航。激光雷達(dá)是一種產(chǎn)生有關(guān)車輛周圍環(huán)境3D信息的激光設(shè)備，此種3D信息不是圖像，而是點云。車輛采用一種稱為場景流的技術(shù)了解此類數(shù)據(jù)，其中包括計算每個3D點云的速度和軌跡。一起移動的點云組通過場景流被釋義為車輛、行人或其他移動的物體。
過去，訓(xùn)練此類系統(tǒng)最先進(jìn)的方法是需要使用帶有標(biāo)記的數(shù)據(jù)集，此類傳感器數(shù)據(jù)已經(jīng)被注釋，隨著時間推移，會跟蹤每個3D點云。但是，手動標(biāo)記此類數(shù)據(jù)集既費力又昂貴，因此，幾乎沒有標(biāo)記好的數(shù)據(jù)存在。相反，場景流訓(xùn)練通常利用模擬數(shù)據(jù)進(jìn)行，效率更低，之后會利用少量已標(biāo)注好的真實世界數(shù)據(jù)進(jìn)行微調(diào)。
卡內(nèi)基梅隆大學(xué)的研究人員則采用了不同的方法，采用未經(jīng)標(biāo)記的數(shù)據(jù)進(jìn)行場景流訓(xùn)練。因為通過在汽車上安裝激光雷達(dá)，并讓車輛四處行駛，生成未標(biāo)記的數(shù)據(jù)相對簡單，而且數(shù)據(jù)不會短缺。
該種方法的關(guān)鍵是研發(fā)一種方法，讓系統(tǒng)能夠在場景流中探測到自己的錯誤。在每一個瞬間，該系統(tǒng)都嘗試預(yù)測每一個3D點云的移動方向和移動速度。在下一個瞬間，該系統(tǒng)就能夠測量出點云預(yù)測位置與靠近點云預(yù)測位置最近的實際位置之間的距離，該距離就是一種錯誤，需要盡可能實現(xiàn)最小化。
然后，該系統(tǒng)會將該過程逆轉(zhuǎn)，從預(yù)測的點云位置開始，向后映射出點云的起始位置。因此，會測量預(yù)測位置與實際起始位置之間的距離，從而產(chǎn)生了第二種錯誤。
然后，該系統(tǒng)會糾正此類錯誤。
雖然聽起來很復(fù)雜，不過研究人員發(fā)現(xiàn)此種方法很有效。研究人員們計算出，利用合成數(shù)據(jù)訓(xùn)練集執(zhí)行場景流訓(xùn)練的精度只有25%。當(dāng)采用了少量的真實世界經(jīng)標(biāo)記數(shù)據(jù)微調(diào)合成數(shù)據(jù)時，準(zhǔn)確率提高至31%;當(dāng)加入大量未標(biāo)記的數(shù)據(jù)以利用他們的方法訓(xùn)練系統(tǒng)時，場景流的精度躍升至46%。
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
