Мало знаний, большой вызов! Эта статья участвует в "Необходимые знания для программистов«Творческая деятельность.
Есть надежда реализовать автоматизацию дорожного движения.Многие дорожно-транспортные происшествия происходят из-за человеческой халатности или плохого вождения.Каждый год люди становятся причиной аварий и приносят огромные экономические потери.
Сегодня существует тенденция, что компьютеры заменяют мозг для принятия правильных решений при вождении, и у компьютеров есть много преимуществ. С малой задержкой, 360-градусным восприятием, вычисления человеческого мозга имеют ограничения, говорящие о том, что нам нужно постоянно переключать наше внимание, чтобы понять окружающую среду. Компьютер будет полностью поглощен всем процессом и не будет открывать чат для проверки информации. Таким образом, автономное вождение может обеспечить более удобную, безопасную и экономичную автоматизацию транспорта.
Что делает Tesla уникальной, так это то, что она использует постепенный подход к автономному вождению. Клиенты уже используют предоставленный им пакет беспилотного вождения, и миллионы автомобилей уже наслаждаются дополнительной безопасностью и удобством беспилотного вождения. И команда работает над полной автономией.
Далее следует видео о беспилотном вождении, бета-версия FSD, которая была разослана 2000 клиентам, и видео о том, как клиент едет по Сан-Франциско, показывая край дороги, «Это тренировочное поле», показывая линии разметки. и некоторые предметы на дороге. Это процесс вождения с нулевым вмешательством, и время вождения достаточно велико, во всем процессе отсутствует вмешательство, и право вождения передается FSD.
Далее идет видео о вождении Waymo, которое на самом деле довольно старое видео, записанное много лет назад. Хотя две сцены выглядят одинаково, системы восприятия, стоящие за ними, совершенно разные.
Что касается реализации восприятия на основе радара или камеры, технология без водителя делится на два метода, и используется метод добавления лидара к карте высокой четкости.Среда генерирует облако точек, рисует карту высокой четкости с помощью предварительной сканирование, а затем необходимо интегрировать камеру для распознавания сигналов светофора и полос движения в эту карту высокой четкости, что может вызвать проблемы.
Подход Теслы во многом основан на видении. Основываясь на видео восьми камер вокруг автомобиля, мы можем понять все вокруг автомобиля, по какой полосе сейчас движется, где находится светофор и какова связь между этими дорожными знаками и транспортным средством.
Действительно, относительно трудно добиться понимания окружающего для зрения. По сравнению с количеством лидаров высокой четкости система машинного зрения нейронной сети обладает большей универсальностью, и для рисования карт высокой четкости требуется много базовой работы, а данные о количестве лидаров высокой четкости трудно собрать, создавать и поддерживать, а стоимость Филиппа не высока.
Как я уже упоминал, Tesla не использует ни карты высокого разрешения, ни лидары, а только видеокамеры. На самом деле, визуальные автономные системы, которые Tesla создала за последние несколько лет, работали так хорошо, что вы можете чувствовать себя уверенно, оставляя другие датчики позади, с точки зрения восприятия, которое вы видите в автомобиле, камеры, выполняющие большую часть тяжелой работы.