康奈尔大学研究人员鸟瞰识别物体 让立体摄像头成为自动驾驶汽车激光雷达的低成本替代品

（图片来源：康奈尔大学官网）

盖世汽车讯 据外媒报道，目前，用于探测自动驾驶汽车行驶路径中三维物体的激光传感器体积庞大、外形丑陋、价格昂贵、能效低，但是精度高。此类激光探测和测距（激光雷达）传感器通常都安装在汽车车顶上，从而增加了风阻，对电动汽车来说是个缺点，而且会让一辆车的成本增加约1万美元（约合67181元人民币）。但尽管存在很多缺点，大多数专家认为激光雷达传感器是自动驾驶汽车安全地感知行人、汽车和道路上其他危险的唯一可行方法。

如今，康奈尔大学（Cornell）的研究人员发现了一种更简单的方法，只要使用挡风玻璃两侧的两个便宜摄像头，就可探测到物体，而且探测精度接近激光雷达，而成本只有其一小部分。研究人员发现，鸟瞰而不是从传统的正面视角来分析捕捉到的图像时，准确度提高了两倍以上，从而使得立体摄像头可以成为激光雷达的低成本替代品。

康奈尔大学计算机科学系副教授兼该论文的资深作者Kilian Weinberger表示：“自动驾驶汽车的基本问题之一是要去识别周围的物体，这显然是汽车能够在驾驶环境中实现导航的关键。人们普遍认为，没有激光雷达，就无法生产自动驾驶汽车。而我们已经证明，至少在原则上证明了，这是有可能的。”

激光雷达传感器利用激光创建有关周围环境的三维点图，通过光速测量物体距离。而立体摄像头跟人眼一样，利用两个视角确定深度，看起来非常具有发展前景。但是他们识别物体的准确度非常低，传统看法是他们太不精确了。

该论文第一作者，康奈尔大学计算机科学系博士生Yan Wang与合作伙伴仔细查看了立体摄像头的数据，惊讶地发现，立体摄像头获取的信息与激光雷达的精确度一样，但是他们发现，在分析立体摄像头的数据时，就出现了精确度的差异。

对于大多数自动驾驶汽车来说，摄像头或传感器捕获的数据都是使用卷积神经网络进行分析的，卷积神经网络是一种机器学习算法，可通过采用过滤器识别与图像相关的模式，从而识别图像。此类卷积神经网络已经被证明非常擅长识别标准彩色照片中的物体，但是如果从正面识别，会扭曲照片中的三维信息。因此，Wang和同事们将图像从正面视角转为了鸟瞰角度观察到的点云，准确度就提高了两倍多。

Weinberger表示，最终，立体摄像头可能会成为低成本汽车识别物体的主要方法，或者是已经配备了激光雷达的高端汽车识别物体的备用方法。