手機(jī)訪問更快捷
更多流量 更易傳播
隨時掌握行業(yè)動態(tài)
網(wǎng)絡(luò)課堂 行業(yè)直播
傳感新品
【華盛頓大學(xué):開發(fā)基于雷達(dá)和攝像頭的融合傳感器盒 用于自動駕駛】
據(jù)外媒報道,華盛頓大學(xué)(UW)的信息處理實驗室(Information Processing Lab,IPL)開發(fā)出基于攝像頭和雷達(dá)的融合傳感器盒,可以像行車記錄儀一樣安裝在車輛中。目前,基于雷達(dá)的感知解決方案尚未實現(xiàn)商業(yè)化。
IPL 研究人員表示,除了純攝像頭視覺(例如特斯拉的 FSD)和激光雷達(dá)的光檢測(例如 Waymo 的自動駕駛出租車)之外,基于雷達(dá)的檢測和跟蹤更具成本效益和魯棒性。
該研究項目由華盛頓大學(xué) ECE 教授 Hwang Jenq-neng 負(fù)責(zé),思科(Cisco)贊助, IPL 的研究人員開展。2019-2022 年在華盛頓大學(xué)擔(dān)任項目負(fù)責(zé)人的 Yizhou Wang 博士表示,即使在暴雨和大雪等天氣條件下,基于雷達(dá)的感知也更加穩(wěn)健。
與需要大量人工標(biāo)注和資本投資來訓(xùn)練 AI 模型的特斯拉純攝像頭視覺相比,Wang 教授稱雷達(dá)更穩(wěn)健且更具成本效益,因為它可以測量車輛與物體之間的 3D 距離,檢測運(yùn)動物體的速度,并能穿透非金屬材料,在惡劣天氣條件下獲得比激光雷達(dá)更清晰的圖像。鑒于 2D 攝像頭感知無法測量距離,分辨率非常高并能顯示物體準(zhǔn)確相對位置的激光雷達(dá)無法檢測速度。
強(qiáng)大的聯(lián)邦 AI 模型
Wang 的研究團(tuán)隊沒有使用激光雷達(dá)來構(gòu)建 AI 模型的基礎(chǔ),也沒有使用大量人力來進(jìn)行注釋,而是使用分別從攝像頭和雷達(dá)傳感器收集的數(shù)據(jù)作為地面實況來訓(xùn)練每個網(wǎng)絡(luò),因此能夠產(chǎn)生弱監(jiān)督的聯(lián)邦 AI 學(xué)習(xí)模型。
該融合感知解決方案基于攝像頭的經(jīng)典視覺圖像和雷達(dá)的 3D 信息,而不是人類的監(jiān)督標(biāo)注,且聯(lián)合 AI 訓(xùn)練使該解決方案比其他解決方案更強(qiáng)大。
負(fù)責(zé)為該項目部署融合傳感器的碩士生 Andy Cheng 表示,該融合傳感器獨(dú)立運(yùn)行,因此每個系統(tǒng)也可作為備份系統(tǒng)(也稱為冗余)。
例如,當(dāng)有暴風(fēng)雪時,雷達(dá)網(wǎng)絡(luò)的性能優(yōu)于攝像頭網(wǎng)絡(luò),并且可以單獨(dú)完成檢測和跟蹤,因為雷達(dá)網(wǎng)絡(luò)已通過聯(lián)邦學(xué)習(xí)進(jìn)行了適當(dāng)?shù)挠?xùn)練。
融合傳感商業(yè)化的局限性
然而,根據(jù) Wang 和 Cheng 的說法,由于基于雷達(dá)的檢測解決方案仍存在局限性,因此重建 3D 雷達(dá)圖像,以及預(yù)處理雷達(dá)生成的包括幅度、相位和相位差等原始數(shù)據(jù)仍然面臨挑戰(zhàn)。
預(yù)處理會減慢整個系統(tǒng)的速度,如果系統(tǒng)要在實際流量中應(yīng)用,任何延遲都可能會導(dǎo)致事故發(fā)生。Wang 教授表示有兩種方法可以減少處理所需的時間。
Wang 表示:" 首先,原始數(shù)據(jù)的可視化可以寫入硬件,這需要更高的計算能力和超低延遲。其次,雷達(dá)生成的原始數(shù)據(jù)可以通過一種新的、更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)進(jìn)行可視化,可以直接將其用作輸入。" 最終,雷達(dá)檢測和攝像頭檢測的綜合結(jié)果將使自動駕駛更加安全。
Wang 指出,自動駕駛在安全性上不能妥協(xié),基于融合傳感器的感知方案比單純的視覺系統(tǒng)更能保障駕駛者的安全。相對價格低廉并提供 3D 信息的雷達(dá)在自動駕駛汽車領(lǐng)域潛力巨大。
來源:傳感器專家網(wǎng)
相關(guān)產(chǎn)品
免責(zé)聲明
客服熱線: 15024464426
加盟熱線: 15024464426
媒體合作: 0571-87759945
投訴熱線: 0571-87759942
下載儀表站APP
Ybzhan手機(jī)版
Ybzhan公眾號
Ybzhan小程序