您所在的位置:荣鼎彩 > 人工智能 > 业界动态 > 美研发新网络架构预测其他车辆姿态与形状 助力自动驾驶

美研发新网络架构预测其他车辆姿态与形状 助力自动驾驶

2020-10-31
来源:EEWORLD

  驾驶员在要变道时,就会注意确保没有车辆出现在盲区,而这种意识对于自动驾驶系统而言也非常重要。因此,自动驾驶技术需要依赖强大的感知中枢,而该中枢预计可以识别环境中所有相关的主体,包括预测道路上其他车辆的精确“姿态和形状”。

 

1603966605111681.png

  (图片来源:Argo AI

  现在,自动驾驶汽车系统可以利用最常见的传感模式之一——激光雷达的数据来观察周围情况。据外媒报道,自动驾驶汽车技术公司Argo AI、微软和卡内基梅隆大学(CMU)的研究人员合作,推出了一个全新的网络架构,可以通过部分激光雷达的观测信息估计车辆的形状和姿态。

  现在用于预测姿态和形状的SOTA法通常会首先估计局部点云的姿态,然后在部分输入信息中加入该姿态,再预测形状。不过,此种编码—姿态解码以及编码-形状解码架构会导致形状估计误差,最终的性能很差。此外,部分输入的信息被冗余编码两次。

  因此,为何不使用一个共享式编码网络以估计姿态和形状呢?

  研究人员采用该策略,将编码合并到一个过程中,以减少冗余,并在共享式编码网络中实现稳定的姿态和形状估计。

  训练该共享式编码网络可分为两部分。首先,对编码器和补全解码器进行形状补全训练。接下来,冻结编码器,并采用冻结编码器产生的代码对姿态解码器进行训练。冻结是通过逐步冻结隐藏层来加速神经网络训练的常用技术。与基线网络相比,用此种方法训练的姿态估计器的精度得到显著提高。

  未来,Argo AI会在追踪等下游模块中利用该形状估计模型,并在实时系统中采用该种新型架构。


本站内容除特别声明的原创文章之外,转载内容只为传递更多信息,并不代表本网站赞同其观点。转载的所有的文章、图片、音/视频文件等资料的版权归版权所有权人所有。本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如涉及作品内容、版权和其它问题,请及时通过电子邮件或电话通知我们,以便迅速采取适当措施,避免给双方造成不必要的经济损失。联系电话:010-82306116;邮箱:aet@66ycgl.com。
秒速牛牛登陆 荣鼎彩娱乐 秒速牛牛计划 秒速牛牛计划 秒速牛牛登陆 荣鼎彩注册 秒速牛牛计划 秒速牛牛登陆 秒速赛车官方网站 荣鼎彩网