日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車測(cè)試網(wǎng)

    • 在線課堂

    • 電車測(cè)試

純虛擬數(shù)據(jù)助力自動(dòng)駕駛 | 密歇根&福特聯(lián)合組建自動(dòng)駕駛研究中心（二）

2019-08-30 18:20:41·  來(lái)源：智車科技  作者：趙佳  
　
今天繼續(xù)介紹密歇根大學(xué)和福特汽車公司聯(lián)合組建的UM＆Ford自動(dòng)駕駛汽車中心（FCAV）。FCAV成立的初心是基于L4自動(dòng)駕駛，利用純虛擬數(shù)據(jù)來(lái)感知路況并決策規(guī)劃，以
今天繼續(xù)介紹密歇根大學(xué)和福特汽車公司聯(lián)合組建的UM＆Ford自動(dòng)駕駛汽車中心（FCAV）。FCAV成立的初心是基于L4自動(dòng)駕駛，利用純虛擬數(shù)據(jù)來(lái)感知路況并決策規(guī)劃，以加速自動(dòng)駕駛汽車研究，探索更安全的自動(dòng)駕駛和更廣闊的汽車未來(lái)。
 
如何保證安全自動(dòng)駕駛
              


自動(dòng)駕駛車輛的軌跡規(guī)劃需要數(shù)學(xué)模型來(lái)描述車輛如何在真實(shí)場(chǎng)景中移動(dòng)。然而，模型往往是不完美的，并且模型不確定性的考慮對(duì)于確保安全性是至關(guān)重要的。此外，根據(jù)模型復(fù)雜性，軌跡規(guī)劃器或不能實(shí)時(shí)地找到解決方案。研究人員計(jì)劃使用低復(fù)雜度模型來(lái)尋找軌跡，并限制車輛遵循這些軌跡的能力的模型誤差。車輛在該框架中可以實(shí)現(xiàn)的狀態(tài)范圍在Forward Reachable Set（FRS）中離線計(jì)算，其表示為在2D空間中車輛的近似狀態(tài)及其參數(shù)化軌跡的函數(shù)。FRS在運(yùn)行時(shí)與世界上的障礙物相交，以排除不安全的軌跡；對(duì)剩余軌跡的優(yōu)化則選擇已知存在不確定性但車輛仍可以安全行駛的軌跡。該方法在與快速探索隨機(jī)樹(shù)（Rapidly-exploring Random Trees，RRT）和非線性模型預(yù)測(cè)控制（NonlinearModel Predictive Control，NMPC）的仿真方法中得到證明。
物理世界中的FRS (右)和軌跡參數(shù)空間(左)的說(shuō)明。左邊的每個(gè)軌跡參數(shù)對(duì)應(yīng)于物理世界中的一個(gè)軌跡。FRS在藍(lán)色汽車運(yùn)行時(shí)與障礙物(道路邊界和紅色汽車)相交，以識(shí)別導(dǎo)致碰撞的軌跡參數(shù)，即為左圖中的橙色和紅色區(qū)域。在這個(gè)示意圖中，1的參數(shù)生成一個(gè)保證安全的軌跡，而2的參數(shù)導(dǎo)致碰撞。所以可以從Ksafe中選擇最優(yōu)參數(shù)。
  
未能自動(dòng)識(shí)別自動(dòng)駕駛汽車感知
 
自動(dòng)駕駛汽車面臨的主要開(kāi)放挑戰(zhàn)之一是能夠探測(cè)到汽車和行人在世界范圍內(nèi)安全航行?；谏疃葘W(xué)習(xí)的物體探測(cè)器方法在使用攝像機(jī)圖像來(lái)檢測(cè)和分類對(duì)象方面取得了很大進(jìn)展。但對(duì)于諸如自動(dòng)駕駛之類的安全關(guān)鍵應(yīng)用，當(dāng)前技術(shù)水平的錯(cuò)誤率仍然太高而不能實(shí)現(xiàn)安全操作。此外，物體探測(cè)器性能的表征主要限于對(duì)預(yù)先記錄的數(shù)據(jù)集進(jìn)行測(cè)試。如果沒(méi)有額外的人工標(biāo)簽，新數(shù)據(jù)上發(fā)生的錯(cuò)誤就無(wú)法檢測(cè)到。所以研究人員提出了一種自動(dòng)方法，用于識(shí)別物體探測(cè)器所產(chǎn)生的錯(cuò)誤，而無(wú)需地面實(shí)況標(biāo)簽。研究人員表明，一對(duì)相似圖像之間的對(duì)象檢測(cè)器輸出的不一致性可以用作假陰性（例如，遺漏檢測(cè)）的假設(shè)，并且對(duì)于每個(gè)假設(shè)使用一組新的特征，現(xiàn)成的二元分類器可以是用于查找有效的錯(cuò)誤。特別是，研究人員通過(guò)時(shí)間和空間的不一致性，將該方法用于任意基于攝像頭的物體探測(cè)器。通過(guò)幾組真實(shí)世界數(shù)據(jù)的驗(yàn)證，表明最先進(jìn)的探測(cè)器、跟蹤器和該團(tuán)隊(duì)的分類器對(duì)合成數(shù)據(jù)進(jìn)行訓(xùn)練，可以識(shí)別KITTI跟蹤數(shù)據(jù)集上的有效誤差，平均精度為0.94。該團(tuán)隊(duì)還發(fā)布了一個(gè)新的包含104個(gè)序列的跟蹤數(shù)據(jù)集。

虛擬世界能否取代人類生成的注釋以應(yīng)對(duì)真實(shí)世界的任務(wù)？


虛擬世界能否取代人類生成的注釋以應(yīng)對(duì)真實(shí)世界的任務(wù)？深度學(xué)習(xí)迅速改變了用于解決計(jì)算機(jī)視覺(jué)和機(jī)器人技術(shù)中各種問(wèn)題的最先進(jìn)算法。然而，這些突破依賴于大量的人類注釋訓(xùn)練數(shù)據(jù)。這個(gè)耗時(shí)的過(guò)程已經(jīng)開(kāi)始阻礙這些深度學(xué)習(xí)的進(jìn)展。通過(guò)在豐富的虛擬世界中訓(xùn)練機(jī)器學(xué)習(xí)算法，可以說(shuō)明真實(shí)場(chǎng)景中的真實(shí)對(duì)象可以使用合成數(shù)據(jù)進(jìn)行學(xué)習(xí)和分類。這種方法提供了加速深度學(xué)習(xí)應(yīng)用于基于傳感器的分類問(wèn)題的可能性，例如那些出現(xiàn)在自動(dòng)駕駛汽車中的問(wèn)題。


研究人員提出了一種基于視頻游戲仿真引擎的圖像采集方法。模擬了一天中不同的時(shí)間范圍，包括白天、夜晚、早晨和黃昏。此外，發(fā)動(dòng)機(jī)捕捉復(fù)雜的天氣和照明場(chǎng)景，如駕駛場(chǎng)景為晴天，霧，雨和霧霾。 
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25