沃卡惠自动驾驶汽车将彻底改变交通——然而，它们的成功实施依赖于准确识别和应对外部威胁的能力。从信号处理和图像分析算法到与物联网基础设施集成的深度学习智能系统，必须利用一系列技术，以便自动驾驶汽车在各种地形上提供安全操作。随着这些尖端汽车变得越来越普及，为确保乘客安全不受影响，需要开发能够快速可靠地有效检测潜在危险的稳健方法。
自动驾驶汽车依靠激光雷达、雷达和 RGB 摄像头等高科技传感器生成大量信息，以正确识别行人、其他驾驶员和潜在危险。将先进的计算能力和物联网 (IoT) 集成到这些自动驾驶汽车中，可以在现场快速处理这些数据，以便更有效地导航各个区域和物体。最终，这使得自动驾驶汽车能够以比传统人类驾驶员更高的准确性做出瞬间决策。
自动驾驶技术的巨大进步
韩国仁川国立大学 Gwanggil Jeon 教授及其国际团队进行的开创性研究标志着自动驾驶技术向前迈出了一大步。他们开发的创新智能物联网端到端系统允许使用深度学习实时检测 3D 对象，使其比以往任何时候都更加可靠和高效。它可以更准确地检测到更多的物体，即使面对具有挑战性的环境，例如光线不足或异常的天气条件——这是其他系统无法做到的。这些功能可以在各种交通场景中实现更安全的导航，提高自动驾驶系统的标准，并有助于改善全球道路安全。
这项研究发表在《IEEE 智能交通系统汇刊》杂志上。
“对于自动驾驶汽车，环境感知对于回答一个核心问题至关重要，‘我周围有什么?’ 自动驾驶汽车必须能够有效、准确地了解其周围的条件和环境，以便执行响应操作，”Jeon 教授解释道。“我们基于著名的识别算法 YOLOv3 设计了一个检测模型。该模型首先用于 2D 物体检测，然后针对 3D 物体进行修改，”他继续说道。
基于YOLOv3的模型
该团队将收集到的 RGB 图像和点云数据输入YOLOv3，然后 YOLOv3 输出分类标签和带有置信度分数的边界框。随后使用 Lyft 数据集对其性能进行了测试，早期结果表明，YOLOv3 对 2D 和 3D 对象均实现了极高的检测准确率 (>96%)。该模型优于各种最先进的检测模型。
这种新开发的方法可用于自动驾驶汽车、自动泊车、自动送货和未来的自动机器人。它还可用于需要物体和障碍物检测、跟踪和视觉定位的应用。
“目前，自动驾驶正在通过基于激光雷达的图像处理进行，但预计未来将由通用摄像头取代激光雷达的作用。因此，自动驾驶汽车中使用的技术每时每刻都在发生变化，而我们处于最前沿，”全教授说。“基于要素技术的发展，安全性更高的自动驾驶汽车应该在未来 5-10 年内问世。”
