AUTO TEST HEIHE 
蒙彼利埃号轻巡洋舰 www.mrpat.com.cn
黑河試車網
純虛擬數據助力自動駕駛 | 密歇根&福特聯合組建自動駕駛研究中心
來源:智車科技 | 作者:趙佳 | 發布時間: 2019-08-29 | 304 次瀏覽 | 分享到:
      今天要介紹的是密歇根大學和福特汽車公司聯合組建的UM&Ford自動駕駛汽車中心(FCAV)。FCAV成立的初心是基于L4自動駕駛,利用純虛擬數據來感知路況并決策規劃,以加速自動駕駛汽車研究,探索更安全的自動駕駛和更廣闊的汽車未來。

      復雜城市交叉路口行人3D姿態度量估計的基準數據集

      在2018年,FCAV首先發布了一項“復雜城市交叉路口行人3D姿態度量估計的基準數據集”。


      這個數據集“PedX”是一種大型的復雜城市十字路口行人多模態集合。PedX由5000多對高分辨率(12MP)立體圖像和激光雷達數據組成,并提供行人的2D和3D標簽。同時,提出了一種新的3D模型擬合算法,用于不同模式和新形狀和時間先驗約束的自動3D標記。所有帶注釋的3D行人都被定位到真實空間中,生成的3D模型通過配置在受控室外環境中的mocap系統來模擬城市十字路口的行人進行驗證。實驗表明,先進的自動標簽方法可以取代手工標記2D標簽,從而促進大規模數據集的自動生成。


      多輛車裝配貨物的路徑選題方法
      此后,FCAV驗證了一種多輛車裝配貨物的路徑選題方法(Multiple VehicleRouting Problem for Pickup and Delivery,MVPDP)。


      該算法的目的是最小化在完成客戶提貨和交付任務時產生的運輸成本。為此,該方法構建了一個新的0-1整數二次規劃(IQP)問題來精確地求解MVPDP。與最先進的混合整數線性規劃(MILP)問題的表述相比,本方法需要的約束和決策變量相對更少。為了確保MVPDP的IQP公式能夠以計算有效的方式求解,還設計了一組充分條件。總而言之,通過實現驗證,該方法具有比MILP更好的計算效率。

      校準生成的合成圖像

        注:來自KITTI基準數據集(左上)、Cityscapes數據集(右上)、VirtualKITTI(左下)和Grand Theft Auto (右下)的圖像比較。注意,每個數據集不同的顏色轉換、亮度和細節。

      對于生成合成圖像,FCAV也做出了自己獨特的貢獻以改善真實和合成數據的深度視覺(ImproveVisual Learning from Synthetic Data,LVLSD)。研究人員通過研究攝像機建模以增加城市場景中學習視覺任務的訓練數據的大小和可變性。然而,很少有人處理傳感器領域的建模變化。傳感器效應會降低真實圖像的質量,在基于合成數據的訓練和真實環境測試的視覺任務通用性上限制了網絡性能。研究人員提出了一種有效的、自動的、基于物理的增強管道,用于改變合成圖像的傳感器效果色差、模糊、曝光、噪聲和色溫。特別地,本文說明了使用該管道對合成訓練數據集進行擴充,可以減少城市駕駛場景中目標檢測任務的合成域與真實域之間的域差。

      在KITTI上測試的基線非增廣數據(左)和我們提出的方法(右)的目標檢測示例。藍色方框顯示正確的檢測;紅色框表示基線方法沒有檢測到,但是FCAV提出的基于傳感器的圖像增強方法檢測到了。

      本次介紹的密歇根大學和福特汽車公司聯合組建的UM&Ford自動駕駛汽車中心(FCAV)也是在自動駕駛取得了令人矚目的實驗成果。FCAV成立的初心是基于L4自動駕駛,利用純虛擬數據來感知路況并決策規劃,以加速自動駕駛汽車研究,探索更安全的自動駕駛和更廣闊的汽車未來。后續還將繼續推送相關項目介紹。 

百变泥匠赚钱么 山东十一选五走势图 股票分析师一个月多少钱 七星彩历史开奖号码 开元手机棋牌 双色球开奖直播 波克棋牌手机完整版下载 微信彩票投诉 体彩河南11选5开奖结果查询 手机网络怎样赚钱吗 山东十一选五开奖助手 拍完了戏怎样赚钱 陕西11选5基本走势图 28岁女学什么技术赚钱 新疆11选5走势图表一手机版下载 185选号