長(zhǎng)期以來，自動(dòng)駕駛汽車一直被認(rèn)為是下一代交通方式。為了使自動(dòng)駕駛車輛能夠在不同環(huán)境中自主導(dǎo)航，需要實(shí)施與信號(hào)處理、圖像處理、人工智能深度學(xué)習(xí)、邊緣計(jì)算和物聯(lián)網(wǎng)相關(guān)的多種技術(shù)。

自動(dòng)駕駛汽車普及的最大阻礙之一是安全性和可靠性。為了確保用戶的安全駕駛體驗(yàn)，自動(dòng)駕駛汽車必須準(zhǔn)確、有效、高效地監(jiān)控和區(qū)分周圍環(huán)境，以及乘客安全的潛在威脅。

為此，自動(dòng)駕駛汽車采用高科技傳感器，例如激光雷達(dá)（LiDaR）、雷達(dá)和RGB攝像頭，以生成大量數(shù)據(jù)作為RGB圖像和3D測(cè)量點(diǎn)，即“點(diǎn)云”。

快速準(zhǔn)確地處理和解釋這些收集到的信息對(duì)于行人和其他車輛的識(shí)別至關(guān)重要。通過集成先進(jìn)的計(jì)算方法和物聯(lián)網(wǎng)（IoT）集成，自動(dòng)駕駛車輛可以更有效地對(duì)各種環(huán)境和障礙物進(jìn)行快速、現(xiàn)場(chǎng)的數(shù)據(jù)處理和導(dǎo)航。

據(jù)外媒報(bào)道，由韓國(guó)仁川大學(xué)（Incheon National University）Gwanggil Jeon教授領(lǐng)導(dǎo)的一組國(guó)際研究人員現(xiàn)已開發(fā)出一種支持智能物聯(lián)網(wǎng)的端到端系統(tǒng)，用于基于深度學(xué)習(xí)的實(shí)時(shí)3D對(duì)象檢測(cè)，專用于自動(dòng)駕駛。

Jeon教授解釋說：“對(duì)于自動(dòng)駕駛汽車，環(huán)境感知對(duì)于核心問題‘我周圍有什么？’至關(guān)重要，即自動(dòng)駕駛汽車必須能夠有效、準(zhǔn)確地了解其周圍的條件和環(huán)境，以便執(zhí)行響應(yīng)操作。基于著名的識(shí)別算法YOLOv3，我們?cè)O(shè)計(jì)了一個(gè)檢測(cè)模型。該模型首先用于2D對(duì)象檢測(cè)，然后針對(duì)3D對(duì)象進(jìn)行修改。”

該團(tuán)隊(duì)將收集到的RGB圖像和點(diǎn)云數(shù)據(jù)作為輸入提供給YOLOv3，YOLOv3進(jìn)而輸出分類標(biāo)簽和具有置信度分?jǐn)?shù)的邊界框。然后研究人員使用Lyft數(shù)據(jù)集測(cè)試了YOLOv3的性能。早期的結(jié)果表明，YOLOv3對(duì)2D和3D物體都實(shí)現(xiàn)了極高的檢測(cè)精度（>96%），優(yōu)于其他最先進(jìn)的檢測(cè)模型。

該方法可應(yīng)用于自動(dòng)駕駛汽車、自動(dòng)泊車、自動(dòng)送貨和未來的自動(dòng)機(jī)器人，以及需要物體和障礙物檢測(cè)、跟蹤和視覺定位的應(yīng)用。

Jeon表示：“目前，自動(dòng)駕駛是通過基于激光雷達(dá)的圖像處理來進(jìn)行的，但預(yù)計(jì)未來通用攝像頭將取代激光雷達(dá)。自動(dòng)駕駛汽車使用的技術(shù)每時(shí)每刻都在變化，而我們處于最前沿。基于關(guān)鍵技術(shù)的發(fā)展，預(yù)計(jì)安全性更高的自動(dòng)駕駛汽車將在未來5-10年內(nèi)推出?！?/p>