看到物体的新方法加速了自动驾驶汽车的未来

目前用于检测自动驾驶汽车路径中的3D物体的激光传感器体积大，丑陋，昂贵，能量低效且高度准确。

这些光探测和测距(LiDAR)传感器固定在汽车的屋顶上，增加了风阻，这对电动汽车来说尤其不利。他们可以为汽车的成本增加大约10,000美元。但尽管存在缺点，大多数专家都认为LiDAR传感器是自动驾驶车辆安全感知道路上行人，汽车和其他危险的唯一可行方式。

现在，康奈尔大学的研究人员发现，在挡风玻璃两侧使用两个便宜的摄像头的简单方法可以检测具有近乎LiDAR精度且成本仅为其一小部分的物体。研究人员发现，从鸟瞰图分析捕获的图像而不是更传统的正面视图，使其准确度增加三倍以上，使立体相机成为LiDAR的可行且低成本的替代品。

“自动驾驶汽车的一个基本问题是识别汽车周围的物体 - 显然这对于​​汽车导航环境至关重要，”计算机科学副教授兼论文的高级作者Kilian Weinberger说道，“Pseudo-LiDAR从视觉深度估计：弥合自动驾驶的3D物体检测的差距，“将于6月15日至21日在加利福尼亚州长滩举行的2019年计算机视觉和模式识别会议上展示。

“人们普遍认为，如果没有激光雷达，就无法制造自动驾驶汽车，”温伯格说。“至少在原则上，我们已经表明它是可能的。”

本文的第一作者是计算机科学博士生王燕。

LiDAR传感器使用激光创建周围环境的3D点图，通过光速测量物体的距离。立体摄像机依靠两个视角来建立深度，就像人眼一样，看起来很有希望。但是它们在物体检测中的准确性非常低，传统观点认为它们太不精确了。

然后，王和合作者仔细研究了立体相机的数据。令他们惊讶的是，他们发现他们的信息几乎和LiDAR一样精确。他们发现，当分析立体相机的数据时，准确性的差距就出现了。

对于大多数自动驾驶汽车，使用卷积神经网络分析摄像机或传感器捕获的数据- 卷积神经网络是一种机器学习，通过应用识别与其相关的模式的滤波器来识别图像。这些卷积神经网络已被证明非常擅长识别标准彩色照片中的物体，但如果从前面表示，它们可能会扭曲3D信息。因此，当Wang和同事将表示从正面视角切换到从鸟瞰视图观察到的点云时，准确度增加了三倍以上。

“当你有摄像机图像的时候，就是如此，因此，很容易看到正面视图，因为这就是相机所看到的，”Weinberger说道。“但这也存在问题，因为如果你从前面看到物体，那么它们被处理的方式实际上会使它们变形，你将物体模糊到背景中并使它们的形状变形。”

最终，Weinberger说，立体摄像机可能被用作识别低成本汽车中物体的主要方式，或者作为配备LiDAR的高端汽车的备用方法。

“自动驾驶汽车行业一直不愿意放弃LiDAR，即使成本很高，因为其出色的续航精度 - 这对于汽车周围的安全至关重要，”John A. Mellowes '60教授Mark Campbell说。和SC Thomas Sze Sibley机械和航空航天工程学院院长和该论文的共同作者。“范围检测和准确性的显着提高，以及相机数据的鸟瞰图，有可能彻底改变这个行业。”

共同作者，计算机科学助理教授Bharath Hariharan说，这些结果超出了自动驾驶汽车的范围。

Hariharan说：“在假设这些算法总能提取相关信息的假设下，当前实践中有一种趋势是将数据原样提供给复杂的机器学习算法。” “我们的结果表明，这不一定是真的，我们应该考虑如何表示数据。”