鸟瞰识别物体 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

据外媒报道,目前,用于探测自动驾驶汽车行驶路径中三维物体的激光传感器体积庞大、外形丑陋、价格昂贵、能效低,但是精度高。此类激光探测和测距(激光雷达)传感器通常都安装在汽车车顶上,从而增加了风阻,对电动汽车来说是个缺点,而且会让一辆车的成本增加约1万美元(约合67181元人民币)。但尽管存在很多缺点,大多数专家认为激光雷达传感器是自动驾驶汽车安全地感知行人、汽车和道路上其他危险的唯一可行方法。

如今,康奈尔大学(Cornell)的研究人员发现了一种更简单的方法,只要使用挡风玻璃两侧的两个便宜摄像头,就可探测到物体,而且探测精度接近激光雷达,而成本只有其一小部分。研究人员发现,鸟瞰而不是从传统的正面视角来分析捕捉到的图像时,准确度提高了两倍以上,从而使得立体摄像头可以成为激光雷达的低成本替代品。

康奈尔大学计算机科学系副教授兼该论文的资深作者Kilian Weinberger表示:“自动驾驶汽车的基本问题之一是要去识别周围的物体,这显然是汽车能够在驾驶环境中实现导航的关键。人们普遍认为,没有激光雷达,就无法生产自动驾驶汽车。而我们已经证明,至少在原则上证明了,这是有可能的。”

激光雷达传感器利用激光创建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,利用两个视角确定深度,看起来非常具有发展前景。但是他们识别物体的准确度非常低,传统看法是他们太不精确了。

该论文第一作者康奈尔大学计算机科学系博士生Yan Wang与合作伙伴仔细查看了立体摄像头的数据,惊讶地发现,立体摄像头获取的信息与激光雷达的精确度一样,但是他们发现,在分析立体摄像头的数据时,就出现了精确度的差异。

对于大多数自动驾驶汽车来说,摄像头或传感器捕获的数据都是使用卷积神经网络进行分析的,卷积神经网络是一种机器学习算法,可通过采用过滤器识别与图像相关的模式,从而识别图像。此类卷积神经网络已经被证明非常擅长识别标准彩色照片中的物体,但是如果从正面识别,会扭曲照片中的三维信息。因此,Wang和同事们将图像从正面视角转为了鸟瞰角度观察到的点云,准确度就提高了两倍多。

Weinberger表示,最终,立体摄像头可能会成为低成本汽车识别物体的主要方法,或者是已经配备了激光雷达的高端汽车识别物体的备用方法。