AI及神经网络助力奥迪 生成高精度3D环境建模

盖世汽车2017-12-08 07:48

核心提示:据外媒报道,奥迪子公司Audi Electronics Venture(AEV)在神经信息处理系统大会(NIPS)上推出的这款单目摄像头利用人工智能技术,为车辆生成超高精度的3D环境建模,使车载系统精确捕获车辆周边环境的影像。该系统还能利用神经网络获得距离信息,可通过等值线(ISO lines)实现可视化,该等值线被用于规定常数距离(constant distance)。该系统结合了语义分隔及深度估值,从而生成了实际环境的3D建模。

盖世汽车讯 据外媒报道,在今年的美国加州长滩举行的第31届神经信息处理系统大会(NIPS conference 2017)上,奥迪展示一项预研发创新项目(innovative pre-development project)。该项目涉及一款单目摄像头(mono camera),奥迪将人工智能技术应用到该设备中,从而生成了超高精度车辆周边环境的3D建模。该会议的举办时间为2017年12月4日-9日,奥迪是其联合赞助商。

新款奥迪A8是全球首款3级自动驾驶量产车型,奥迪人工智能交通拥堵导航系统可应对缓行交通(slow-moving traffic)的驾驶任务,将最大车速限制在60 km/h(约合37.3 mph),该系统既符合现行的法规,又满足了驾驶员的意愿与需求。要实现自动驾驶,务必要先绘制并获取车辆的周边环境影像,并尽可能提升其精确性(最大精度),人工智能技术是实现该目标的一项核心技术。

奥迪子公司Audi Electronics Venture(AEV)在神经信息处理系统大会(Neural Information Processing Systems,NIPS)上推出的这款单目摄像头利用人工智能技术,为车辆生成超高精度的3D环境建模,使车载系统精确捕获车辆周边环境的影像。

该款常规前置摄像头相当于传感器,旨在捕获车辆前方区域的影响,视角为120度左右,传输速率为15张图/秒,分辨率高达130万像素。这类影像在神经网络中进行加工处理并实现语义分割(semantic segmenting),各像素将被归入到所属的对象类(共13个对象类,object classes),从而使车辆识别其他车辆、卡车、房屋、道路标记、人类及交通信号并加以区分。

该系统还能利用神经网络获得距离信息,可通过等值线(ISO lines)实现可视化,该等值线被用于规定常数距离(constant distance)。该系统结合了语义分隔及深度估值,从而生成了实际环境的3D建模。

奥迪工程师早前利用“无监督式学习(unsupervised learning)”技术,助其实现对神经网络的训练工作。与监督式学习(supervised learning)截然相反,非监督式学习是通过对环境及情境进行观察的一种学习方法,且上述环境与情境无需经过预分类或使用分类数据(classified data)。因此,神经网络自己学习了解相关规则,并利用该规则从单目摄像头中获得影像的3D信息。此外,AEV项目对诠释交通环境具有巨大的潜力。

大众的伙伴方也在奥迪展台推出了各自的人工智能议题,Fundamental AI Research致力于研发费监督式学习技术,并借助变分推断(variational inference)优化其控制。值得一提的是,变分推断是一项用于展现概率分布的高效方式。

最终,加州贝尔蒙特电子研究实验室(Electronics Research Laboratory of Belmont, California)的奥迪团队为观众演示了人工智能辅助停车方案。人工智能学会利用摄像投采集的数据生成3D环境建模并实现车辆转向,该方法无需高精度定位或地图数据。(本文图片选自奥迪官网)


相关推荐

猜你喜欢


实时新闻


精彩图片


精彩推荐