康奈尔大学让立体摄像头成为自动驾驶汽车激光雷达的低成本替代品-bsport官网入口

据外媒报导，目前，用作观测自动驾驶汽车行经路径中三维物体的激光传感器体积可观、外形古怪、价格昂贵、能效较低，但是精度高。此类激光观测和测距（激光雷达）传感器一般来说都加装在汽车车顶上，从而减少了风阻，对电动汽车来说是个缺点，而且不会让一辆车的成本增加大约1万美元（约合67181元人民币）。但尽管不存在很多缺点，大多数专家指出激光雷达传感器是自动驾驶汽车安全性地感官行人、汽车和道路上其他危险性的唯一不切实际方法。如今，康奈尔大学（Cornell）的研究人员找到了一种更加非常简单的方法，只要用于挡风玻璃两侧的两个低廉摄像头，就可观测到物体，而且观测精度相似激光雷达，而成本只有其一小部分。

研究人员找到，俯视而不是从传统的正面视角来分析捕捉到的图像时，准确度提升了两倍以上，从而使得立体摄像头可以沦为激光雷达的低成本替代品。康奈尔大学计算机科学系由副教授兼该论文的资深作者KilianWeinberger回应：“自动驾驶汽车的基本问题之一是要去辨识周围的物体，这似乎是汽车需要在驾驶员环境中构建导航系统的关键。

人们普遍认为，没激光雷达，就无法生产自动驾驶汽车。而我们早已证明，最少在应以证明了，这是有可能的。”激光雷达传感器利用激光创立有关周围环境的三维点图，通过光速测量物体距离。

而立体摄像头跟人眼一样，利用两个视角确认深度，看上去十分具备发展前景。但是他们辨识物体的准确度非常低，传统观点是他们过于不准确了。

该论文第一作者，康奈尔大学计算机科学系由博士生YanWang与合作伙伴细心查阅了立体摄像头的数据，吃惊地找到，立体摄像头提供的信息与激光雷达的精确度一样，但是他们找到，在分析立体摄像头的数据时，就经常出现了精确度的差异。对于大多数自动驾驶汽车来说，摄像头或传感器捕捉的数据都是用于卷积神经网络展开分析的，卷积神经网络是一种机器学习算法，可通过使用过滤器辨识与图像涉及的模式，从而辨识图像。

此类卷积神经网络早已被证明十分擅长于辨识标准彩色照片中的物体，但是如果从正面辨识，不会变形照片中的三维信息。因此，Wang和同事们将图像从正面视角改以了俯视角度观察到的点云，准确度就提升了两倍多。Weinberger回应，最后，立体摄像头可能会沦为低成本汽车辨识物体的主要方法，或者是早已配有了激光雷达的高端汽车辨识物体的可用方法。

本文来源：bsport官网入口-www.lonxingzhai.com