助力自动驾驶“检测进度”，推理性传感器构建数字地图

　　能够快速检测到道路上的其他车辆或行人，对自动驾驶汽车来说是至关重要的，卡内基梅隆大学的研究人员表明，他们可以通过帮助车辆识别看不见的物体来显着提高“检测精度”。

　　很明显，人类视线中的物体会遮挡或模糊更前方的物体。但卡耐基梅隆大学机器人研究所博士 Peiyun Hu 表示，自动驾驶汽车通常不是这样判断周围物体的。

图源：卡耐基梅隆大学

　　与人不同，自动驾驶汽车周围的物体的存在使他可以更准确地工作。这些工具使用来自 LIDAR 传感器的数据将对象定义为“云”，然后尝试将这些云与 3D 数据库中的对象进行匹配，但是 Hu 需要引起注意的部分是：来自传感器的 3D 数据可能不是真正的 3D。根据博士生的描述，车辆的传感器可能无法看到物体视野之外的立面，并且现有算法无法在这种情况下进行推理。

　　Hu 的研究使自动驾驶汽车感知系统能够在推断传感器所看到的东西时考虑可见性。事实上，关于可见性的推理已经被一些公司用于构建数字地图。

　　卡耐基梅隆大学机器人学副教授 Deva Ramanan 解释称，“地图构建从根本上解释了哪些地方是空的，哪些地方被占用了。但对以交通速度移动的障碍物进行实时处理时，这并不常用。”

　　在计算机视觉和模式识别（CVPR）大会上，Hu 及其同事们借鉴地图制作技术，帮助系统在识别物体时推断物体的可见性。在标准基准测试中，他们的方法表现优于之前的技术，对小汽车的检测提高了 10.7%，对行人的检测提高了 5.3%，对卡车的检测提高了 7.4%，对公共汽车的检测提高了 18.4%，对拖车的检测提高了 16.7%。

　　以往的系统没有考虑到可见性，原因之一可能是考虑到计算时间。但 Hu 表示，其团队的方法只需要 24 毫秒，而激光雷达每次扫描时间位 100 毫秒。