马斯克:自动驾驶依赖激光雷达注定失败 专家表示不服

  • 时间:
  • 浏览:0
  • 来源:大发快三_快三技巧_大发快三技巧

在众多生产商着手研发自动驾驶汽车的大环境下,几乎所有的汽车都使用了激光雷达,并用以打造五种 传感器。這個传感器可不时要借助雷达展现三维地图中车辆附近的清况 。

然而特斯拉的首席执行官埃隆·马斯克却表示,原来的做法是错误的。

先有特斯拉于今年4月份举办展示活动,介绍其自动驾驶技术。马斯克在这次展会中表示,那此生产商终将放弃激光雷达,可能性任何利用激光雷达研发自动驾驶汽车的人都注定失败。

后有特斯拉人工智能专家Andrej Karpathy表示,激光雷达我我真是为研发提供了每根捷径,本来我這個土措施 并不到考虑到还还有一个多基本问提,那本来我视觉识别在这当中的重要性。這個土措施 带给亲们五种 进步的错觉。

因此 专家对该说法发出了质疑。

首先来自密歇根大学自动驾驶汽车试验场MCity的研究员Greg McGuire就指出:从五种 意义上来说,那此传感器不是五种 依赖。作为工程师,亲们本来我不到做的,即创造依赖性。

McGuire还表示,不到当自动驾驶汽车真的非常安全可靠时,它不还可不能能被社会所接受。愿意达到角度的可靠,就要坚持还还有一个多重要的原则——冗余。任何传感器最终不是失灵,但可能性使用几种不例如型的传感器,那就可不时要降低可能性某还还有一个多传感器占据 故障意味事故占据 的可能性性。

其后,又有行业分析师(及前汽车工程师)Sam Abuelsamid表示,一旦你将那此理论技术用于现实,有因此 未知数你是无法避免的。理论上,你或许可不时要仅凭相机来分派数据,但若要百分百相信系统的判断是正确的,最好是有因此 正交传感模式的辅助,例如像激光雷达原来的传感模式。

4月22日,就在特斯拉展示自动驾驶技术的同一天,康奈尔大学的三位研究人员发表了一篇研究论文,每项支持了马斯克关于激光雷达的说法。计算机科学家们只用了立体相机,最终在KITTI(五种 热门的自动驾驶系统图像识别基准)上取得了突破性的成果。该项新技术性能远远优于然后的纯相机技术,本来我和“相机+激光雷达”的搭配相比也相差无几。

可惜,媒体对该论文的报道混淆了研究人员的实际发现。例如Gizmodo在报道中表示,这三名研究人员的论文是关于汽车上摄像头的安装位置的,但实际上该论文并不到提到這個点,而Gizmodo也在研究人员联系他然后,修改了他这篇报道。

愿意恰当地理解这篇论文,亲们就时要了解软件是怎么才能 才能 将原始的相机图像转加上有标识的三维模型,在地图上生动地展示汽车附近清况 。在KITTI的测试中,可能性该算法不不还可不能能精准地识别汽车附近的每还还有一个多对象,并用三维的框框将其标示出来,不到该算法就被认为是成功的。

通常软件避免這個测试分为以下还还有一个多步骤。首先,软件通过某一算法运行图像,为图像的每个像素定还还有一个多距离估计值。这可不时要通过一对相机和视差效应的原理来实现。研究人员还研发了因此 技术,使用单个相机来估算像素间距。在这五种 清况 下,第二步本来我通过低度估计值将像素分组,组成不同的对象(比如汽车、行人或自行车)。

康奈尔大学的研究人员将每个立体图像对应的像素转加上由激光雷达传感器生成的三维点云(点云数据指的是:扫描资料以点的形式记录,每还还有一个多点包所含三维坐标,因此 可能性所含颜色信息或反射速率单位信息)。本来我,研究人员将点云数据输入到现有的目标识别算法中。

三位研究人员在其论文中表示,亲们的土措施 在图像识别能力上取得了巨大进步。例如,在KITTI测试的还还有一个多版本中,然后纯相机分派数据的准确率最高为300%,而现在借助亲们的技术,准确率可能性提高到66%。

换句话说,“相机+激光雷达”的模式比纯相机使用更加精准,这和激光雷达测量距离时精度更高无关,其主本来我可能性激光雷达生成的“原生”数据格式恰好更容易让机器学习算法使用。

这篇论文的作者之一Kilian Weinberger指出,亲们的论文写的是通过将基于相机的数据转加上激光雷达的点云数据,显著缩小两者之间的差距。

不过,Weinberger也明确表示,激光雷达和非激光雷达之间仍有相当大的差距。在KITTI测试中,康奈尔大学的研究人员将数据的准确率提高到了66%,但在使用相同算法的条件下,直接使用激光雷达生成的点云数据准确率高达86%。