为什么识别以及避让雪糕筒依旧是一个行业难题?

现阶段包括特斯拉、小鹏(无激光雷达)、蔚来以及理想等在内的辅助驾驶系统依旧无法对雪糕桶做准确的识别以及避让。

1、对于雪糕筒的检测主要利用视觉感知模块来“看”,但是视觉模块又缺乏深度信息(不知道离我们有多远)。

其实相比激光雷达,视觉感知模块其实可以很好的检测到,并且现阶段部分激光点云信息不够密集,可能会把雪糕筒的信息滤掉。

所以发挥各自所长就显得至关重要,让多传感器融合在一起就可以很好的解决问题:

通过激光雷达的 3D(点云)+相机的 2D(图像) 做组合,让相机利用多帧匹配,然后各个传感器之间互相检测、互相验证就能很好的解决雪糕筒的识别难题,再结合预测以及下游的规划和控制模块,我们就可以处理一个街道上躲避雪糕筒、修路等场景。

2、我们作一个延伸,除了雪糕筒,我们在城市、高速上遇到的各种小型物体如何处理呢?

现阶段依旧是一个很大的挑战。

多传感器的难度在于各个传感器数据要同步及时、精度要高(避免误检突然来一个大急刹)、要有拓展性(能够泛化,举一反三)。

所以重点要对目标物的属性做划分,也就是如果我们需要知道具体物体是什么,那我们必须要有大量相关场景的数据、还有训练、给它做标注。

但道路长尾场景复杂,例如城市场景中我们看到车上掉落了一个大纸箱、路上一块大石头、大铁皮等等…

难度更高的有前车扬起了沙石、车上掉了一堆雪、洒水车的雾炮、雨天溅起的水花..

3、解决的方式也有两种:

第一种是通过提高传感器的敏感度或者提高激光雷达的点云数量来识别,比如当前 8百万像素摄像头、图像级激光雷达、4D 毫米波雷达等,目前宣称能够精准识别远处的一个易拉罐。

第二种是改进检测模型。特斯拉利用神经网络就需要把模型做到极致。而对于激光雷达而言,例如雨水、雪花激光雷达扫出的一坨点云,我们要把它识别为障碍物吗?显然不能,所以需要将其过滤,否则系统误检测做急刹车。

自动驾驶

  • 添加表情
  • 添加表情

相关评论共 9 条相关评论

  • 最热
  • 最新
  • 最早

特斯拉不是可以识别了么

元气能量站: 特斯拉纯视觉已经可以识别安全锥了。

蔚来识别可以,避让是个问题

只有融合方案才有希望,人工智能的基础是统计学,所有的算法最后都只是算个概率,总有犯错的时候,多传感器互相补充判断才能减少犯错。之前华为的演示里前面货车突然掉下来一片薄木板,还在空中飘的时候就识别出来减速避让了

目前特斯拉跟新势力应该是可以识别,只是识别率跟避让策略还不能让人放心吧

看起来简单其实很难

p7也能识别,只是策略没做好,等p5吧

多传感器的融合组合确实难度低了,但确实成本也是上升了

我感觉小鹏G3的识别还是差一截