|
【猎云网（微信号：）】8月13日报导 （编译：Liam） 在浩繁出产商着手研发自动驾驶汽车的大情况下，几近所有的汽车都使用了激光雷达，并用以打造一种传感器。这种传感器能够借助雷达展现三维地图中车辆周围的环境。 然而特斯拉的首席执行官埃隆·马斯克却暗示，这样的做法是毛病的。 先有特斯拉于本年4月份举行展示勾当，介绍其自动驾驶技能。马斯克在这次展会中暗示，这些出产商终将抛却激光雷达，因为任何哄骗激光雷达研发自动驾驶汽车的人都注定失败。 后有特斯拉人工智能专家Andrej Karpathy暗示，激光雷达确实为研发提供了一条捷径，可是这种方式并无斟酌到一个根本问题，那就是视觉辨认在这傍边的重要性。这个方式带给他们一种前进的错觉。 许多专家对该说法发出了质疑。 首先来自密歇根大学自动驾驶汽车试验场MCity的研究员Greg McGuire就指出：从某种意义上来讲，这些传感器都是一种依赖。作为工程师，他们就是这么做的，即缔造依赖性。 McGuire还暗示，只有当自动驾驶汽车真的很是平安靠得住时，它才气被社会所接受。想要到达高度的靠得住，就要坚持一个重要的原则——冗余。任何传感器最终城市失灵，但但若使用几种分歧类型的传感器，那就能够下降因为某一个传感器产生妨碍致使事故产生的可能性。 其后，又有行业阐发师（及前汽车工程师）Sam Abuelsamid暗示，一旦你将这些理论技能用于现实，有不少未知数你是无法防止的。理论上，你也许能够仅凭相机来收集数据，如果要百分百相信系统的果断是正确的，最好是有其他正交传感模式的辅助，比方像激光雷达这样的传感模式。 4月22日，就在特斯拉展示自动驾驶技能的同一天，康奈尔大学的三位研究人员颁发了一篇研究论文，部门支持了马斯克关于激光雷达的说法。计较机科学家们只用了立体相机，最终在KITTI（一种热门的自动驾驶系统图像辨认基准）上取患了突破性的功效。该项新技能机能远远优于之前的纯相机技能，而且和“相机+激光雷达”的搭配相比也相差无几。 惋惜，媒体对该论文的报导混同了研究人员的实际发明。比方Gizmodo在报导中暗示，这三名研究人员的论文是关于汽车上摄像头的安装位置的，但实际上该论文并无提到这一点，而Gizmodo也在研究人员关联他之后，修改了他这篇报导。 想要恰本地理解这篇论文，我们就必要领会软件是如何将原始的相机图像转换成有标识的三维模型，在地图上生动地展示汽车周边环境。在KITTI的测试中，但若该算法可以精准地辨认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成功的。 通常软件处置这种测试分为以下两个步骤。首先，软件通过某一算法运行图像，为图像的每个像素定一个间隔估量值。这能够通过一对相机和视差效应的原理来实现。研究人员还研发了其他技能，使用单个相机来估算像素间距。在这两种环境下，第二步就是通太高度估量值将像素分组，构成分歧的对象（好比汽车、行人或者自行车）。 康奈尔大学的研究人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：扫描资料以点的形式记实，每一个点包括有三维坐标，有些可能含有颜色信息或者反射强度信息）。然后，研究人员将点云数据输入到现有的目标辨认算法中。 三位研究人员在其论文中暗示，他们的方式在图像辨认能力上取患了庞大前进。比方，在KITTI测试的一个版本中，过去纯相机收集数据的准确率最高为30%，而现在借助他们的技能，准确率已经提高到66%。 换句话说，“相机+激光雷达”的模式比纯相机使用加倍精准，这和激光雷达丈量间隔时精度更高无关，其主要是因为激光雷达生成的“原生”数据花式刚好更易让机械学习算法使用。 这篇论文的作者之一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，显著缩小二者之间的差距。 不外，Weinberger也明确暗示，激光雷达和非激光雷达之间仍有相当大的差距。在KITTI测试中，康奈尔大学的研究人员将数据的准确率提高到了66%，但在使用相同算法的条件下，直接使用激光雷达生成的点云数据准确率高达86%。 |
