历史上的今天
今天是：2025年07月24日（星期四）
2020年07月24日 | 美研究人员研发一种解锁大量自动驾驶数据的新方法
2020-07-24 来源：eefocus
为了安全起见，自动驾驶汽车必须能够准确地跟踪周围的行人、自行车和其他车辆的运动。现在，据外媒报道，美国卡内基梅隆大学（Carnegie Mellon University）研发了一种新方法，可更高效地训练此类跟踪系统。
一般而言，用于训练跟踪系统的道路数据和交通数据越多，结果就会越好。为此，卡内基梅隆大学的研究人员研发了一种新方法，用于解锁大量的自动驾驶数据。
大多数自动驾驶汽车主要依赖一种称为激光雷达的传感器进行导航。激光雷达是一种产生有关车辆周围环境3D信息的激光设备，此种3D信息不是图像，而是点云。车辆采用一种称为场景流的技术了解此类数据，其中包括计算每个3D点云的速度和轨迹。一起移动的点云组通过场景流被释义为车辆、行人或其他移动的物体。
过去，训练此类系统最先进的方法是需要使用带有标记的数据集，此类传感器数据已经被注释，随着时间推移，会跟踪每个3D点云。但是，手动标记此类数据集既费力又昂贵，因此，几乎没有标记好的数据存在。相反，场景流训练通常利用模拟数据进行，效率更低，之后会利用少量已标注好的真实世界数据进行微调。
卡内基梅隆大学的研究人员则采用了不同的方法，采用未经标记的数据进行场景流训练。因为通过在汽车上安装激光雷达，并让车辆四处行驶，生成未标记的数据相对简单，而且数据不会短缺。
该种方法的关键是研发一种方法，让系统能够在场景流中探测到自己的错误。在每一个瞬间，该系统都尝试预测每一个3D点云的移动方向和移动速度。在下一个瞬间，该系统就能够测量出点云预测位置与靠近点云预测位置最近的实际位置之间的距离，该距离就是一种错误，需要尽可能实现最小化。
然后，该系统会将该过程逆转，从预测的点云位置开始，向后映射出点云的起始位置。因此，会测量预测位置与实际起始位置之间的距离，从而产生了第二种错误。
然后，该系统会纠正此类错误。
虽然听起来很复杂，不过研究人员发现此种方法很有效。研究人员们计算出，利用合成数据训练集执行场景流训练的精度只有25%。当采用了少量的真实世界经标记数据微调合成数据时，准确率提高至31%；当加入大量未标记的数据以利用他们的方法训练系统时，场景流的精度跃升至46%。
史海拾趣
|
现在正是年后,各种招聘会招聘广告铺天盖地,我们很多的大学生们又该忙找工作了。我作为一个人到中年的职场油子,今天跟大家谈谈招聘，希望能对大家的择业有所帮助吧。 首先要解开一个误区，那就是应届的大学毕业生很难找工作。 对于 ...… 查看全部问答＞ |
|
请问各位大虾有移植过usb转网络的驱动的吗？请指点一下，我现在从别人那搞过来一个手机上的usb转网络的在主机上的程序(名字叫做usbnet),我现在想把它移植到我们自己的手机开发板上，需要怎么移植呢？也就是说具体需要改哪些参数呢？希望高手能比较 ...… 查看全部问答＞ |
|
本帖最后由 dontium 于 2015-1-23 13:40 编辑 最近学习了一篇介绍芯海科技的高性能ADC设计的文章，感觉收获颇丰。特别是觉得其中有几个创新设计思路有一定的参考价值，贴出来给和我一样的学习者分享下吧，有经验的高手们也可以来点评一下： ...… 查看全部问答＞ |
|
目前，在连续型流程生产自动控制（PA）或习惯称之谓工业过程控制中，有三大控制系统，即PLC可编程逻辑控制器、DCS分散控制系统和FCS现场总线控制系统。它们各自的基本特点如下： 2．1 PLC可编程逻辑控制器 （1）从 ...… 查看全部问答＞ |