当前位置：首页 > 新技术 > 正文

Cambridge Consultants开发AI系统低成本生成高分辨率深度数据

盖世汽车罗珊 2020-07-03 15:17:23

核心提示：Cambridge Consultants开发出用于自动驾驶车辆的突破性AI系统EnfuseNet，能将低成本传感器和摄像头数据进行融合，生成高分辨率的深度数据。

盖世汽车讯据外媒报道，Capgemini Group旗下的Cambridge Consultants开发出用于自动驾驶车辆的突破性AI系统EnfuseNet，将低成本传感器和摄像头数据进行融合，生成高分辨率的深度数据。

Cambridge Consultants开发AI系统低成本生成高分辨率深度数据

（图片来源：Cambridge Consultants）

高技术成本意味着汽车行业很难将ADAS推向除豪华车辆以外的主流市场。而且，为获取真实世界的训练数据必须累积数百万英里的驾驶里程，这仅有利于一小部分早期领先者，而阻碍了新进入者。在这种背景下，Cambridge Consultants开发了低成本、高分辨率的车辆感知技术EnfuseNet，将帮助汽车制造商和移动出行技术供应商以更低的成本解决自动驾驶系统的一个关键问题，并将自动驾驶进一步推向汽车行业。

构建精确而详细的深度点云，即围绕车辆的3D视图，对于自动驾驶决策至关重要。目前的自动驾驶车辆使用2D摄像头输入，结合激光雷达或雷达来解析深度数据。激光雷达是最精确的方法，但机械旋转激光雷达设备的单价通常为数千美元。虽然雷达的成本较低，但不能提供足够的深度点来构建高分辨率图像。EnfuseNet从标准RGB摄像头和单价为数十美元的低分辨率深度传感器获取数据，并利用神经网络，以更高的分辨率预测深度。其独特之处在于，深度信息针对每个图像像素，使系统能够为图像中每个物体提供深度数据和可信度预测。

在虚拟学习环境中使用合成数据训练EnfuseNet，这样EnfuseNet在真实世界的数据测试中表现出色。这使得OEM和汽车零部件供应商能够克服收集真实世界数据的时间、复杂性和成本限制，从而训练ADAS感知算法。EnfuseNet可生成高质量的深度点云，并将可信度细化到像素级，提高了可解释性和可追溯性，降低了安全关键应用中黑箱（black box）决策的风险。其底层模型基于一种全新的架构，该架构融合卷积神经网络（CNNs）、全卷积神经网络（FCNs）、预训练元素、迁移和多目标学习等方法，从而优化深度预测性能。

Cambridge Consultants交通和基础设施负责人Thomas Carmody表示，“我们首先需要解决ADAS系统和技术的高成本问题。为了实现这一突破，我们将30年的传感器系统设计经验与前沿AI相结合。EnfuseNet以非常低的成本实现了较高的性能，有助于使自动驾驶成为主流。”

本文共计1000字开通高级账号后继续阅读

登录后获取已开通的账号权益