自动驾驶:追求交叉口检测的完美

  • 0 replies
  • 277 views
*

sisiy

  • *****
  • 173
    • 查看个人资料
自动驾驶:追求交叉口检测的完美
« 于: 五月 11, 2019, 11:29:33 am »
在交通灯控制的十字路口行驶似乎是例行公事。但当英伟达BB8自动测试车去年首次完成这项任务时,工程师都笑了。

这是因为仅使用NVIDIA基于人工智能的实时感知深度神经网络,车辆就能够检测、停车并通过十字路口。它做到了非常精确。

该方法采用基于人工智能的场景理解方法,对交叉口进行实时感知和分类。NVIDIA的研究人员没有试图检测和拼凑单个特征——停车标志、交通灯、车道标记等——作为交叉口的证据,而是使用WaitNet深度神经网络完成了基于场景的检测和分类。

WaitNet的命名源于它的使命:检测自动驾驶汽车必须停下来等待的情况。它是一种卷积神经网络,通过训练摄像头图像数据来推断各种等待情况——比如十字路口、施工区域和收费站——并对它们进行分类。

这些结果可以作为更高层次的自动驾驶车辆软件模块的输入,如映射和行为规划组件。

类似于人类探测

WaitNet的交集检测和分类过程类似于人类检测交集的过程。整个场景由许多特征组成,而不是单个的指示器,例如一个停车标志、一个交通灯或在不寻常的位置或位置上存在的车道标记。这个视觉系统会同时感知到这个场景,以检测十字路口的存在(或不存在)及其类型。


基于场景的交叉检测使用WaitNet DNN(黄色显示)。交通信号灯检测用紫色表示。

使用人工智能进行基于场景的感知的优点是什么?它不需要手动确定哪些视觉特性与总体交叉口感知相关或无关,也不需要为每种交叉口类型组合它们编写硬编码规则。这种逐个案例的蛮力方法的复杂性并不能很好地扩展——世界上有太多的交叉点。

此外,通过不过度依赖单个特征,可以减少特征级检测错误的潜在传播,例如,无法检测到停止标志就会导致无法检测到整个交叉口。通过不完全依赖指定交集位置或类型的映射,可以减轻不完整或错误映射可能带来的脆弱性。

发布下一个驱动软件版本

WaitNet能够同时检测十字路口和到十字路口的距离,这一能力已经从一个内部开发项目变成了将在未来几周内作为NVIDIA DRIVE软件9.0发行版的一部分发布的软件。

使用驱动Hyperion工具包(英伟达的自动驾驶汽车传感器和计算平台)和基于waitnet的感知,可以探测到150米以外的大多数十字路口。这使得使用增加的检测范围的汽车制动舒适,因为它接近十字路口。

对于近距交叉口,WaitNet输出精确的交叉口停止点位置检测。这在半城市和城市环境中尤其有价值,在这些环境中GPS信号的精度由于多路径效应而趋于下降。

基于waitnet的功能也将在未来的软件版本中发布,包括每帧图像检测多个十字路口、交通灯和交通标志等等。

通过基于人工智能的实时感知,使用场景和上下文理解来导航十字路口的能力,为驾驶软件增加了一层重要的鲁棒性,帮助我们实现更好、更安全的自动驾驶体验。