「目前中國 ADAS （高級駕駛輔助系統）領域的短板是行人即時檢測，辨識率不到 70%，基本上還沒有進入可商用的階段。主要原因是技術門檻較高，演算法複雜。」創來科技創始人陳茂告訴記者，這家公司從事的是以汽車前裝為主的 ADAS 業務。
時至今日，汽車防碰撞系統和實驗性質的無人駕駛汽車，依靠的是雷達等感測器來檢測路上的行人。來自加州大學聖地牙哥分校的工程師，則研發了一套基於視覺信號，進行即時探測的行人檢測系統，這套影像系統能使智慧汽車更精準檢測行人，成本也更加便宜。
基於視覺的汽車安全系統在應用中仍然難以實現，一方面，通過電腦視覺演算法，能快速檢測路上的行人，但是在區分行人和類似物體等複雜情況下，依然不夠成熟。另一方面，機器學習演算法（又稱深度神經網路）仿照人腦行為，研究人員能夠訓練出比之前方法更富辨別力，處理複雜的模式識別，但是在即時的行人檢測上處理的效率太慢。
加州大學聖地牙哥分校電氣工程教授 Nuno
Vasconcelos ，和他的團隊研究的新演算法，可以通過每秒 2 至 4 幀的速度，檢測行人的變化，有效避免行人突然停止移動而出現的緊急刹車或造成意外事故。
這套系統的關鍵在於——可以辨識更加複雜的路況。與其他類似的系統相比，該演算法的系統出錯率只有前者的一半，而且計算能力更加突出，能在遠處對行人的移動進行預判。研究小組計畫未來讓系統變得更加實用：不僅應用於車輛，還能應用於機器人、安全攝影機等設備。
「在此之前，沒有演算法能夠在行人檢測的準確性，和速度上做到優化和平衡，我們通過新演算法能得到更好的即時、準確的行人檢測結果。」Vasconcelos 說道。
在早期的分析中，新演算法從相對簡單的演算法開始，過濾掉比如天空等非行人部分的圖像，然後進行更為成熟的深度學習和神經網路分析，最後通過該演算法來檢測物體的精度性和複雜性。
目前谷歌的無人駕駛汽車依靠的是雷達、雷射雷達等感測器來探測路上的行人。如果去掉成本高昂的設備如雷射雷達（成本 7 萬美元），可使無人駕駛汽車成本下降，更早投入商用。
谷歌在去年便開始研發基於影像的行人監測系統，其採用的便是深度學習演算法，能在 0.25 秒內準確辨識路上的行人。在谷歌負責電腦視覺和機器學習的研究科學家 Anelia Angelova 表示，「視覺資訊相比雷達資料，可以給車描摹一個更廣闊的視域，但是整個處理過程要慢一些。」因此傳統深度神經網路技術，在行人檢測場景的應用，一直比較緩慢。
陳茂告訴記者，行人辨識的實現方式有很多種，當前最流行的是深度學習。國際上也有基於模式辨識的演算法，辨識率在 85% 左右，而深度學習的辨識率能做到 90% 以上，這也是當前各公司追捧它的原因。
對於在使用過程中存在少量的誤報，或漏報等檢測失效的情況，則是因為路況比如逆光刺眼、路面積水反光、車道標線模糊等原因造成的。
所以汽車廠商對於汽車安全特別謹慎和保守：任何技術都有其罩門，沒有絕對完美的技術。「自行駕駛融合了很多互補的技術，當一種技術失靈時，會啟用另外一種技術來檢測。汽車在技術上是有冗餘和備份的。這是因為一旦出現任何事故，車主只會找汽車廠商，而不會找供應商。」陳茂解釋道。
0 comments:
張貼留言