這些是安裝在汽車頂部的光探測(cè)和測(cè)距（LiDAR）壓力變送器，它們往往會(huì)增加風(fēng)阻，這是電動(dòng)汽車的主要缺點(diǎn)。這些壓力變送器可以增加約10,000美元的汽車費(fèi)用。然而，盡管存在缺點(diǎn)，但大多數(shù)專家認(rèn)為，LiDAR壓力變送器為自動(dòng)駕駛汽車提供了唯一合理的手段，可以安全地感知道路上的各種危險(xiǎn)，包括汽車和行人。

 現(xiàn)在，康奈爾大學(xué)的一個(gè)研究小組發(fā)現(xiàn)，一種更簡(jiǎn)單的技術(shù)，利用位于擋風(fēng)玻璃兩側(cè)的一對(duì)低成本攝像機(jī)，可以識(shí)別與LiDAR壓力變送器具有幾乎相同精度的物體，但只有一小部分成本。

 科學(xué)家指出，當(dāng)從鳥(niǎo)瞰圖而不是更常見(jiàn)的正面視圖研究捕獲的圖像時(shí)，它們的精度增加了三倍以上，從而使立體相機(jī)成為L(zhǎng)iDAR壓力變送器的可行且成本有效的選擇。

 自動(dòng)駕駛汽車的一個(gè)基本問(wèn)題是識(shí)別汽車周圍的物體 - 顯然這對(duì)于汽車導(dǎo)航環(huán)境至關(guān)重要。視覺(jué)深度估計(jì)中的偽LiDAR：彌合自主駕駛中三維物體檢測(cè)的差距。

 “ 人們普遍認(rèn)為，如果沒(méi)有激光雷達(dá)，就無(wú)法制造自動(dòng)駕駛汽車，”溫伯格說(shuō)。“ 至少在原則上，我們已經(jīng)表明它是可能的。”

 Yan Wang是該論文的第一作者，也是計(jì)算機(jī)科學(xué)的博士生。

 LiDAR壓力變送器使用激光來(lái)產(chǎn)生周圍環(huán)境的3D點(diǎn)圖，通過(guò)光速確定物體的距離。立體攝像機(jī)通常依賴于幾個(gè)視角來(lái)建立深度，就像人眼一樣，它們看起來(lái)很有前途。然而，它們?cè)谖矬w檢測(cè)方面的精確度低得可憐，傳統(tǒng)觀點(diǎn)認(rèn)為它們非常不準(zhǔn)確。  隨后，Wang和合作者仔細(xì)檢查了立體攝像機(jī)的數(shù)據(jù)，他們意外地發(fā)現(xiàn)他們的數(shù)據(jù)幾乎與LiDAR一樣準(zhǔn)確。他們發(fā)現(xiàn)，在檢查立體攝像機(jī)的數(shù)據(jù)時(shí)會(huì)出現(xiàn)精度差距。

 在大多數(shù)自動(dòng)駕駛汽車的情況下，壓力變送器或攝像機(jī)記錄的數(shù)據(jù)在卷積神經(jīng)網(wǎng)絡(luò)的幫助下進(jìn)行檢查 - 卷積神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)形式，能夠通過(guò)應(yīng)用識(shí)別與其相關(guān)的模式的濾波器來(lái)檢測(cè)圖像。像這樣的卷積神經(jīng)網(wǎng)絡(luò)已被證明在檢測(cè)常規(guī)彩色照片中的物體方面非常出色; 但是，如果從前面指定3D數(shù)據(jù)，它們往往會(huì)扭曲3D數(shù)據(jù)。因此，當(dāng)王和他的同事將表現(xiàn)從正面視角改為從鳥(niǎo)瞰視角看到的點(diǎn)云時(shí)，精度提高了三倍多。

 當(dāng)你有攝像機(jī)圖像時(shí)，它就是如此，因此，很容易看到正面視圖，因?yàn)檫@是相機(jī)看到的。但也存在這個(gè)問(wèn)題，因?yàn)槿绻銖那懊婵吹轿矬w，那么它們被處理的方式實(shí)際上會(huì)使它們變形，并且你將物體模糊到背景中并使它們的形狀變形。

 最終，立體攝像機(jī)可能被用作檢測(cè)低價(jià)汽車中物體的關(guān)鍵方式，或者作為配備LiDAR的高端汽車的備用方法，Weinberger說(shuō)。

 “ 自動(dòng)駕駛汽車行業(yè)一直不愿意放棄LiDAR，即使成本很高，因?yàn)槠涑錾睦m(xù)航精度 - 這對(duì)于汽車周圍的安全至關(guān)重要，”。和SC Thomas Sze Sibley機(jī)械和航空航天工程學(xué)院院長(zhǎng)和該論文的合著者。“ 范圍檢測(cè)和準(zhǔn)確性的顯著提高，以及相機(jī)數(shù)據(jù)的鳥(niǎo)瞰圖，有可能徹底改變這個(gè)行業(yè)。”

 計(jì)算機(jī)科學(xué)的共同作者和助理教授Bharath Hariharan說(shuō)，這些成果對(duì)自動(dòng)駕駛汽車有影響。

 在假設(shè)這些算法總是可以提取相關(guān)信息的假設(shè)下，當(dāng)前實(shí)踐中存在將數(shù)據(jù)原樣饋送到復(fù)雜機(jī)器學(xué)習(xí)算法的趨勢(shì)。我們的結(jié)果表明這不一定是真的，我們應(yīng)該考慮如何表示數(shù)據(jù)。