计算机视觉技术帮助自动驾驶汽车解决的问题

上传人 :曼孚科技
时间 :2021年10月26日

计算机视觉技术帮助自动驾驶汽车解决的问题

计算机视觉在自动驾驶领域上的应用有一些比较直观的例子,比如交通标志和信号灯的识别,高速公路车道的检测定位。
现在,基于激光雷达信息实现的一些功能模块其实也可以用摄像头基于计算机视觉来实现。
计算机视觉在自动驾驶场景中解决的最主要问题可以分为两大类:物体的识别与跟踪,以及车辆本身的定位。


一.物体的识别与跟踪:
通过深度学习的方法,无人车可以识别在行驶途中遇到的物体,比如行人、空旷的行驶空间、地上的标注、红绿灯,以及旁边的车辆等。行人及旁边的车辆等物体都是在运动的,我们需要跟踪这些物体以达到防止碰撞的目的,这就会涉及光流等运动预测的算法。


二.车辆本身的定位:
通过基于拓扑与地标的算法,或者基于几何的视觉里程计算法,无人车可以实时地确定本身的位置,以满足自主导航的需求。
计算机视觉技术满足解决上述问题的需要,背后也需要数据标注行业的支撑。无论是物体的识别与跟踪还是车辆本身的定位,机器学习在初期都需要海量的真实道路数据做支撑,而且数据集体量越大、越精准,识别与定位的准确率就越高。
自动驾驶可能是计算机视觉发展的一次难得的机遇,无人车产业爆发带来的资源,无人车收集的大量真实世界的数据和激光雷达提供的高精度三维信息,意味着计算机视觉将要迎来“大数据”和“大计算”带来的红利,数据的极大丰富和算法的迭代提高相辅相成,会推动计算机视觉研究的前进,从而在自动驾驶中起到不可或缺的作用。