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

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

基于平行視覺的自動駕駛認(rèn)知增強系統(tǒng)框架——解決自動駕駛中的長尾問題

2022-02-24 19:16:55·  來源：智車科技  
　
/ 導(dǎo)讀 /近日，中科院自動化研究所、西安交通大學(xué)人工智能與機器人研究所、清華大學(xué)等單位在智能車領(lǐng)域國際頂級期刊IEEE Transactions on Intelligent Vehicles
/ 導(dǎo)讀 /
近日，中科院自動化研究所、西安交通大學(xué)人工智能與機器人研究所、清華大學(xué)等單位在智能車領(lǐng)域國際頂級期刊IEEE Transactions on Intelligent Vehicles雜志上聯(lián)合發(fā)表了題為“Parallel Vision for Long-Tail Regularization: Initial Results from IVFC Autonomous Driving Testing”的研究文章。文中提出了用于分析和解決自動駕駛視覺感知中長尾問題的理論框架，并基于此構(gòu)建了一個平行視覺系統(tǒng)，在中國智能汽車未來挑戰(zhàn)賽（Intelligent Vehicle Future Challenge, IVFC）應(yīng)用驗證。
引用格式：J. Wang et al., "Parallel Vision for Long-Tail Regularization: Initial Results from IVFC Autonomous Driving Testing," in IEEE Transactions on Intelligent Vehicles, doi: 10.1109/TIV.2022.3145035.
論文主要研究內(nèi)容和貢獻(xiàn)包括：
  1. 提出了長尾常態(tài)化(Long-tail Regularization, LoTR)的理論框架，用于分析和解決視覺長尾問題。
  2. 基于 LoTR 理論構(gòu)建了一個基于虛實互動和 ACP 閉環(huán)優(yōu)化[1] [2] 的平行視覺系統(tǒng)（Parallel Vision Actualization System, PVAS）用于解決長尾問題。
  3. 將 LoTR 的理論分析方法和 PVAS 的實際系統(tǒng)結(jié)合起來應(yīng)用于全球持續(xù)舉辦時間最長、無人駕駛賽事參賽隊伍最多、影響范圍最廣的自動駕駛比賽 IVFC 中。
引言
長尾是某些統(tǒng)計分布所具有特征的一種形象表示。在“長尾”分布中，低頻事件的分布范圍很廣，其總的發(fā)生概率和高頻事件相當(dāng)。
在視覺問題中，從數(shù)據(jù)的角度考慮，常規(guī)場景出現(xiàn)的頻率過高，而極端場景出現(xiàn)的頻率非常低，很多現(xiàn)實世界的長尾場景只能在特定條件下獲取，訓(xùn)練集多樣性不足以表征現(xiàn)實世界的長尾分布；而從模型的角度考慮，許多視覺模型僅在常規(guī)場景中表現(xiàn)較好，對于突發(fā)的極端場景感知能力欠佳，模型具有不完備的問題。
解決長尾問題需要在考慮常規(guī)視覺問題的基礎(chǔ)上，更全面地兼顧到長尾場景的影響，使視覺系統(tǒng)對存在長尾效應(yīng)的復(fù)雜場景達(dá)到最大可能的有效智能感知。
傳統(tǒng)的視覺研究在數(shù)據(jù)獲取、模型學(xué)習(xí)與評估方面存在困難。
從實際場景中采集和標(biāo)注大規(guī)模多樣性的數(shù)據(jù)集，費時費力，手工標(biāo)注也容易出錯；另外，實際場景不可控、不可重復(fù)，無法將場景的每個組成因素(天氣、光照等)分離出來，單獨分析對視覺算法的影響。
由于數(shù)據(jù)獲取的困難，使用規(guī)模和多樣性不足的訓(xùn)練集，很難學(xué)習(xí)到精度高、泛化好的視覺模型；許多模型僅在特定環(huán)境下進(jìn)行了評估，是非常不完備的。
平行視覺的基本框架及思路
圖1. 平行視覺基本框架[3]
如圖1所示，平行視覺[3] 是復(fù)雜系統(tǒng)建模與調(diào)控的ACP (Artificial systems, computational experiments, and parallel execution) 理論在視覺計算領(lǐng)域的推廣應(yīng)用，是一種虛實互動的智能視覺計算方法。
論文中將平行視覺的理論方法引入到自動駕駛領(lǐng)域，解決交通視覺場景中的長尾問題，取得了很好的效果。
平行視覺的主要思路是利用人工場景模擬和表示復(fù)雜且具有挑戰(zhàn)的實際場景，通過計算實驗進(jìn)行視覺模型的訓(xùn)練與評估，最后借助虛實互動的平行執(zhí)行在線優(yōu)化視覺模型，實現(xiàn)對復(fù)雜環(huán)境的智能感知與理解。
基于平行視覺的視覺方法可以學(xué)習(xí)到更有效的視覺計算模型，同時還可以全面評估視覺算法在復(fù)雜環(huán)境下的有效性，使模型訓(xùn)練和評估在線化、長期化。
通過持續(xù)對視覺系統(tǒng)進(jìn)行優(yōu)化，可以提高其在復(fù)雜環(huán)境下的運行效果，另外通過融合虛擬現(xiàn)實、機器學(xué)習(xí)、知識自動化等技術(shù)，可以使視覺系統(tǒng)真正走向?qū)嶋H應(yīng)用。
自動駕駛中的長尾問題及常態(tài)化方法
圖2. LoTR的示意圖。(a) 在理想條件下獲得的LoTR分布的統(tǒng)計分布直方圖和概率密度曲線。(b) 真實世界交通事件的統(tǒng)計分布直方圖和擬合長尾分布的概率密度曲線。(c) 理想情況下，長尾分布和LoTR分布結(jié)合起來形成一個均勻分布。(橫坐標(biāo)表示事件空間。”Crossroads wo TL” 表示“沒有交通燈的十字路口”）。
如圖2所示，長尾問題常態(tài)化是基于平行學(xué)習(xí)解決長尾問題的重要理論，通過在人工世界中利用虛擬數(shù)據(jù)對真實數(shù)據(jù)進(jìn)行定向擴充，可以彌補由于數(shù)據(jù)不平衡而引起的長尾問題。圖2(b)為真實世界交通事件的統(tǒng)計分布直方圖和擬合長尾分布的概率密度曲線，滿足長尾場景的概率質(zhì)量函數(shù)
。圖2(a)為理想條件下，在人工世界中構(gòu)建的長尾常態(tài)化分布曲線，其概率質(zhì)量函數(shù)
滿足：
其中，
為已知的現(xiàn)實世界中目標(biāo)場景所滿足的概率質(zhì)量函數(shù)。
此時，可以構(gòu)建一個概率質(zhì)量函數(shù)


，我們可以得到：
如圖2(c)所示，
為一個消除了長尾效果的均勻分布。
上述推導(dǎo)過程可以從理論上證明，基于平行學(xué)習(xí)的長尾常態(tài)化理論上可以解決長尾問題中數(shù)據(jù)的不均衡。
基于平行視覺的自動駕駛認(rèn)知增強系統(tǒng)架構(gòu)
圖3. 用于IVFC的PVAS概述流程圖。其中，虛擬世界指的是通過仿真實現(xiàn)的ParallelEye-CS，真實世界指的是IVFC的試驗場。
如圖3所示，PVAS由兩個世界和包括人工系統(tǒng)、計算實驗和平行執(zhí)行在內(nèi)的三個單元組成，它們一起構(gòu)成了一個虛實互動的閉環(huán)系統(tǒng)。
在虛擬世界中，早期的工作中已經(jīng)構(gòu)建了一個名為ParalleEye-CS[4] 的計算機仿真環(huán)境。ParallelEye-CS在整體布局上與IVFC中現(xiàn)實世界的試驗場相一致。
在ParallelEye-CS中，通過修改仿真參數(shù)輕易地產(chǎn)生各種場景，這些參數(shù)不同的組合對應(yīng)著不同的交通場景，因此ParallelEye-CS可以生成各式各樣且?guī)в袠?biāo)注的合成圖像。
根據(jù)LoTR理論，我們可以在虛擬世界中依據(jù)真實世界的情況模擬出一個基本滿足長尾分布的原始數(shù)據(jù)集。
基于ACP的閉環(huán)優(yōu)化方法，不斷調(diào)整虛擬世界中的環(huán)境參數(shù)設(shè)置，和交通對象位置，可以迭代產(chǎn)生一系列的復(fù)雜交通場景。
在這一過程中，虛擬數(shù)據(jù)集的分布逐漸在一定誤差范圍內(nèi)滿足常態(tài)化后的長尾分布，同時自動駕駛視覺系統(tǒng)也在虛擬世界中得到了初步的訓(xùn)練和優(yōu)化。
此時，我們可以將在虛擬世界中成百上千次的實驗經(jīng)驗總結(jié)實施到真實世界的比賽場景構(gòu)建過程中，設(shè)置合適的比賽任務(wù)和比賽場景，更好地檢驗自動駕駛汽車的視覺系統(tǒng)能力。
有了來自虛擬世界的寶貴經(jīng)驗，在真實世界中搭建的比賽場景只需要再經(jīng)過一些簡單的測試和調(diào)整就可以達(dá)到理想的狀態(tài)。
同時，虛擬世界中獲得的自動駕駛視覺系統(tǒng)也可以作為真實視覺系統(tǒng)的一個有效初始狀態(tài)，加快訓(xùn)練過程。
最后，每一屆比賽結(jié)束后積累的經(jīng)驗也可以進(jìn)一步指導(dǎo)下一屆比賽準(zhǔn)備過程中虛擬環(huán)境中各種參數(shù)的選擇和設(shè)置，達(dá)到逐年提升的目的，形成虛擬世界與真實世界之間一個大的閉環(huán)優(yōu)化過程。
論文中，針對上述方法和理論進(jìn)行了實驗，同時結(jié)合歷年比賽數(shù)據(jù)分析，證明了系統(tǒng)的有效性。
拓展：中國智能車未來挑戰(zhàn)賽實踐與應(yīng)用
IVFC由中國自然基金委員會支持，是國家自然科學(xué)基金委員會重大研究計劃“視聽覺信息的認(rèn)知計算”的重要組成部分。IVFC創(chuàng)辦于2009年，如圖4所示，該賽事至今已經(jīng)分別在西安、鄂爾多斯、赤峰、常熟等地舉辦了十二屆，是世界范圍內(nèi)持續(xù)時間最長的無人車駕駛比賽[5] 。
圖4. IVFC歷屆賽事舉辦地（2009-至今，2021年由于疫情推遲舉辦）
目前，常熟已經(jīng)成為了IVFC的固定比賽站點，如圖5所示，為常熟測試場地中“田”字城鄉(xiāng)道路比賽場地的實際展示圖?？梢栽趫龅刂性谄叫幸曈X的指導(dǎo)下搭建出各種各樣不同的真實交通場景，以測試自動駕駛汽車對城市和鄉(xiāng)村道路中各種常見場景和長尾場景的處理能力。另外，常熟測試中心還設(shè)有近十公里長的高架道路，用于檢驗無人車在高速行進(jìn)間的異常處理能力。
圖5. IVFC常熟測試基地
參考文獻(xiàn)
  1. 王飛躍. 平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制[J]. 控制與決策, 2004, 19(005):485-489,514.
  2. Wang F.-Y. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications[J]. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3):630-638.
  3. Wang K, Gou C, Zheng N, Rehg J. M, Wang F.-Y . Parallel vision for perception and understanding of complex scenes: methods, framework, and perspectives[J]. Artificial Intelligence Review, 2017, 48(3): 299-329.
  4. Li X, Wang Y, Yan L, Wang K, Deng F, Wang F.-Y. ParallelEye-CS: A New Dataset of Synthetic Images for Testing the Visual Intelligence of Intelligent Vehicles[J]. IEEE Transactions on Vehicular Technology, 2019, 68(10): 9619-9631.
  5. Li L, Wang X, Wang K, Lin Y, Xin J, Chen L, Xu L, Tian B, Ai Y, Wang J, Cao D, Liu Y, Wang C, Zheng N, Wang F.-Y. Parallel testing of vehicle intelligence via virtual-real interaction[J]. Science Robotics 4, no. 28 (2019).
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25