NVIDIA 研究人員透過雷達與光達的數據訓練神經網路,希望讓 2D 影像也能判讀空間距離

2019.06.21 03:04PM
387
Car, Street, Urban area, Screenshot, Desktop Wallpaper, Metropolitan area, Kolej Tuanku Ja'afar, Morning, Biome, Computer, urban area, Lane, Metropolitan area, Atmospheric phenomenon, Town, Green, Urban area, Residential area, Road, Neighbourhood, Thoroughfare

對開車的人來說,抓準車輛與其它路上的人、事、物的距離是相當重要的大前提,這對於有著一雙足以讓大腦建構 3D 空間、具高解析度的眼睛的人類而言看是相當簡單的,不過若要在自動駕駛判讀正確的距離,即便是搭載模擬眼睛的雙相機也沒那麼容易。

這是由於自動駕駛系統所搭載的雙相機雖然可如人眼一般建構 3D 空間,但卻可能因為影像訊號不同不,導致資訊落差後,使得距離評估失準,其實這樣的情況就如同 3D 頭盔為何要設定在超越人眼理論更新率的 90fps 的情形類似。

NVIDIA 的研究人員正在進行一項研究,他們希望透過單一相機所得到的平面影像就能推估正確的 3D 距離;單鏡頭的測距技術在輔助駕駛並不是新鮮事,不過早期的技術只能判讀在相同平面的相對距離,在於一旦前方的物體的位置有高有低,就無法透過正確的方式得到正確的資訊,當上坡就會得到比實際遠的錯誤資訊,如此一來很容易引發自動駕駛失靈、緊急煞車故障等狀況。

Light, Distance, Blog, Infrastructure, Judge, , Nvidia, Human, Google Drive, Technology, light, Road, Lane, Light, Mode of transport, Tunnel, Infrastructure, Freeway, Lighting, Night, Highway

▲藉由搭配雷達、光達的距離數據建立 AI 模型,使單鏡頭不僅分辨車輛物體還能取得正確的空間距離

當然畢竟是 NVIDIA 的研究計畫,如何活用 AI 技術就是它們的強項, NVIDIA 研究團隊利用捲積神經網路與單鏡頭資訊,透過 DNN 把雷達、光達所獲取的真實世界距離數據用來搭配影像進行 AI 模型訓練,藉此建構能夠因應上下坡變化的單鏡頭測距模型。

新聞來源: NVIDIA Blog

回應 0

0 則回應