“小”麻煩？揭底自動駕駛面臨的真挑戰
OFweek新能源汽車網訊 配備“千里眼”和“最強大腦”，自動駕駛汽車毫無疑問已經初具無障礙行駛的能力了。
據瞭解，目前，主流自動駕駛汽車對車輛、行人或是動物的識別準確率日漸提升，這得益於它們裝備的不同的傳感設備和演算法系統。但多數人沒想到的是，道路上那些最輕、最安靜、最靈活的小車，可能成為自動駕駛在未來的最大挑戰。
背景：“小”麻煩
“自行車可能成為自動駕駛系統面臨的，最艱難的檢測難題”，來自加州大學伯克利分校的研究工程師Steven Shladover如是說。
加州大學的視覺計算專家Nuno Vasconcelos也表達了類似的觀點，他認為自行車正因相對小巧、靈活並且結構特殊，可能會使自動駕駛汽車面臨一種複雜的計算難題。“汽車就像一個‘龐然大物’，但自行車的品質就小得多，而且它們的外形各不相同——比如不同形狀、不同顏色、不同掛飾等等。”
這也解釋了一個問題，就是為什麼近年來自動駕駛車對汽車的檢測正確率已經超過了自行車。當然，其中也包括一些演算法訓練的原因。目前自動駕駛汽車的路況檢測演算法，一大部分是基於圖像的深度學習，而主要的“學習”物件是汽車特徵，自行車則相對較少。
轉機：演算法顛覆
話說到這兒，就要祭出一個近期剛剛發佈的神秘演算法了。這個“神秘”更多不在於演算法本身，而是其頗為有趣的研究團隊陣容。我們瞭解到，去年年底，這幾位研究人員發佈了他們名為“Deep3DBox”的演算法論文。
從上圖就看得出，論文由三人合力完成，其中一人來自喬治?梅森大學，而另外兩位，則來自極盡低調之能卻被炒得聲名在外的，無人駕駛汽車創業公司Zoox。
瞭解這一領域的人應該對Zoox多少有所耳聞，這家座標美國矽谷的初創公司致力於無人駕駛汽車研發。去年10月，一筆高達5000萬融資過後，Zoox身價已經一躍達到了10億美元。雖然Zoox可能壓根兒沒有“外宣”部門，但它的技術員工陣容十分強大，一些資料顯示，部分員工曾供職于穀歌、蘋果、特斯拉等公司。
回到三人共同研發的最新演算法“Deep3DBox”，用頗為外行的話解釋，就是這種演算法獨創了一種方式，能夠從2D照片中提取3D的目標檢測和姿態估計。測試資料顯示，Deep3DBox能夠識別89%的車輛，而之前這一記錄保持者（學術方向）的成績是70%。
據瞭解，目前，主流自動駕駛汽車對車輛、行人或是動物的識別準確率日漸提升，這得益於它們裝備的不同的傳感設備和演算法系統。但多數人沒想到的是，道路上那些最輕、最安靜、最靈活的小車，可能成為自動駕駛在未來的最大挑戰。
背景：“小”麻煩
“自行車可能成為自動駕駛系統面臨的，最艱難的檢測難題”，來自加州大學伯克利分校的研究工程師Steven Shladover如是說。
加州大學的視覺計算專家Nuno Vasconcelos也表達了類似的觀點，他認為自行車正因相對小巧、靈活並且結構特殊，可能會使自動駕駛汽車面臨一種複雜的計算難題。“汽車就像一個‘龐然大物’，但自行車的品質就小得多，而且它們的外形各不相同——比如不同形狀、不同顏色、不同掛飾等等。”
這也解釋了一個問題，就是為什麼近年來自動駕駛車對汽車的檢測正確率已經超過了自行車。當然，其中也包括一些演算法訓練的原因。目前自動駕駛汽車的路況檢測演算法，一大部分是基於圖像的深度學習，而主要的“學習”物件是汽車特徵，自行車則相對較少。
轉機：演算法顛覆
話說到這兒，就要祭出一個近期剛剛發佈的神秘演算法了。這個“神秘”更多不在於演算法本身，而是其頗為有趣的研究團隊陣容。我們瞭解到，去年年底，這幾位研究人員發佈了他們名為“Deep3DBox”的演算法論文。
從上圖就看得出，論文由三人合力完成，其中一人來自喬治?梅森大學，而另外兩位，則來自極盡低調之能卻被炒得聲名在外的，無人駕駛汽車創業公司Zoox。
瞭解這一領域的人應該對Zoox多少有所耳聞，這家座標美國矽谷的初創公司致力於無人駕駛汽車研發。去年10月，一筆高達5000萬融資過後，Zoox身價已經一躍達到了10億美元。雖然Zoox可能壓根兒沒有“外宣”部門，但它的技術員工陣容十分強大，一些資料顯示，部分員工曾供職于穀歌、蘋果、特斯拉等公司。
回到三人共同研發的最新演算法“Deep3DBox”，用頗為外行的話解釋，就是這種演算法獨創了一種方式，能夠從2D照片中提取3D的目標檢測和姿態估計。測試資料顯示，Deep3DBox能夠識別89%的車輛，而之前這一記錄保持者（學術方向）的成績是70%。