蘋(píng)果自動(dòng)駕駛研究：把傳感器數(shù)據(jù)轉(zhuǎn)成3D圖

　　近日，蘋(píng)果公司發(fā)表了一篇新的人工智能論文，號(hào)稱找到了彌補(bǔ)目前自動(dòng)駕駛汽車中，光學(xué)雷達(dá)傳感器（LIDAR，light detection and ranging）測(cè)繪技術(shù)不足的辦法。

　　論文中介紹的系統(tǒng)被稱為VoxelNet，它能夠把光學(xué)雷達(dá)傳感器收集的原始數(shù)據(jù)轉(zhuǎn)化成3D測(cè)繪圖，還能在測(cè)繪圖中辨識(shí)出包括汽車、自行車和行人等在內(nèi)的物體，讓駕駛更安全。

　　TheVerge在11月22日的報(bào)道中介紹，光學(xué)雷達(dá)傳感器被認(rèn)為是自動(dòng)駕駛系統(tǒng)的眼睛，它通過(guò)向四周物體發(fā)射激光，從而對(duì)周圍的環(huán)境進(jìn)行3D建模。這種方法比一般的照相攝像頭能包含更多深度信息，卻只能創(chuàng)造出小片的測(cè)繪圖，這導(dǎo)致只要有物體擋住激光，就無(wú)法看到更大區(qū)域的圖像，這個(gè)缺陷令它不適合安全自動(dòng)駕駛。

　　為了解決這個(gè)問(wèn)題，以往工程師的做法是，使用多個(gè)獨(dú)立系統(tǒng)，首先將3D光學(xué)雷達(dá)傳感器數(shù)據(jù)劃分成多個(gè)有用區(qū)域，然后分辨各區(qū)域中都是什么。蘋(píng)果的VoxelNet系統(tǒng)則將以上這些流程全部并入一個(gè)神經(jīng)網(wǎng)絡(luò)，令系統(tǒng)處理更加高效。蘋(píng)果的論文中稱，與多個(gè)競(jìng)爭(zhēng)對(duì)手的系統(tǒng)表現(xiàn)相比，自己系統(tǒng)的表現(xiàn)可以輕松勝出。

　　VoxelNet處理生成的3D測(cè)繪圖像中，能夠分辨出行人、自行車和汽車等物體。如圖所示，黃框中是行人、藍(lán)框中是自行車、綠框中是汽車。

　　這種系統(tǒng)除了可以廣泛應(yīng)用于自動(dòng)駕駛汽車，還能應(yīng)用于管家機(jī)器人、AR、VR等多種人工智能設(shè)備。

　　據(jù)彭博社2016年10月的報(bào)道，蘋(píng)果公司曾經(jīng)試圖研發(fā)過(guò)自己的自動(dòng)駕駛汽車，代號(hào)Titan。但隨后更改了自己的目標(biāo)，不研發(fā)自動(dòng)駕駛汽車，只研發(fā)自治系統(tǒng)（autonomous systems），這樣可以用自己的軟件系統(tǒng)和汽車制造商合作。2017年6月，蘋(píng)果公司CEO蒂姆·庫(kù)克在接受彭博社采訪時(shí)，確認(rèn)了蘋(píng)果正在研發(fā)自治系統(tǒng)的消息。

　　庫(kù)克在訪問(wèn)中稱，“我們把自治系統(tǒng)看作是所有人工智能應(yīng)用之母，它可能是我們正在研發(fā)的最難的人工智能項(xiàng)目之一?！彼€補(bǔ)充道，“我們把它看作是至關(guān)重要的核心技術(shù)?！?/p>

　　不過(guò)，蘋(píng)果的這項(xiàng)新系統(tǒng)在有的自動(dòng)駕駛工程師看來(lái)，并不算是特別重大的突破。The Verge采訪了自動(dòng)駕駛視覺(jué)系統(tǒng)專家、荷蘭工程師Roland Meertens。Meertens介紹，為了繞過(guò)光學(xué)雷達(dá)傳感器的缺陷，其他公司也在研發(fā)不同方法：“比如特斯拉，就根本不使用光學(xué)雷達(dá)傳感器，但特斯拉的汽車非常擅長(zhǎng)沿著車道行駛?！?/p>

     2898站長(zhǎng)資源平臺(tái)站長(zhǎng)工具：http://stoptheftofyouridentity.com/webtool.htm