特斯拉发布新专利:“使用图像数据估计物体属性”智能出行

2020-08-21

【智能汽车网】

自动驾驶体系一般依靠于装置大批传感器。它们一般包括视觉和发射间隔传感器的鸠合,比方雷达传感器,激光雷达传感器,超声波传感器等。然后收集每一个传感器捕捉的数据,以协助相识车辆的周围环境并肯定怎样掌握车辆。然则跟着传感器数目和范例的增添,体系的复杂性和本钱也随之增添。


比方,将发射间隔传感器(比方激光雷达)引入到一般市场的车辆中一般会形成本钱大幅上升,另外,每一个附加传感器都增添了自动驾驶体系的输入带宽请求(一连频带中的高低频次之差)。


因而,当前厂家一向在完成车辆上传感器的最好组合设置,如许的组合设置应限定传感器的总数,而不限定捕捉数据的数目和范例,以正确形貌周围环境并安全地掌握车辆。特斯拉(Tesla)方才宣布了一项新专利“运用图象数据预计对象属性”,该专利公开了一种用于从视觉数据生成高度正确的机械进修效果的机械进修练习手艺。


*图1是示出了用于自动驾驶的深度进修体系的实行例的框图。泉源:特斯拉专利


运用辅佐传感器数据(比方雷达和激光雷达效果),辅佐数据与从视觉数据中辨认出的对象相干联,以正确预算对象属性(比方对象间隔)。辅佐数据与视觉数据的收集和关联是自动完成的,险些不须要人工干预。比方,运用视觉手艺辨认的对象不须要手动标记,从而明显进步了机械进修练习的效力。


相反,可以自动生成练习数据并将其用于练习机械进修模子,以高度正确地展望对象属性。 比方,可以经由过程收集视觉数据和相干的相干数据(如雷达数据)的快照,自动从一组车队中收集数据。从车队收集的融会数据将自动收集,并用于练习神经收集以模拟捕捉的数据。

*特斯拉专利图2:捕捉用于练习机械进修收集的辅佐传感器数据的示例图。


练习有素的机械进修模子可以布置到车辆上,仅运用视觉数据即可正确展望对象的属性,比方间隔,方向和速率。


比方,一旦练习了机械进修模子以可以运用照相机的图象肯定物体间隔而无需专用间隔传感器,那末在自动驾驶汽车中不再须要包括专用间隔传感器了。当与专用间隔传感器连系运用时,该机械进修模子可以用作冗余或辅佐间隔数据源,以进步正确性和/或供应容错才能。所辨认的对象和响应的属性可用于完成自动驾驶服从,比方车辆的自动驾驶或驾驶员辅佐操纵。


马斯克主导的FSD完整自动驾驶服从一向强调摄像头的服从,而对种种雷达并不上心,而外界也一向疑心纯真依靠摄像头是否能完成其所说的完整自动驾驶,但现在来看,马斯克正在一步步推进这一目的的完成 。

1
联系我们