Камера для автономных поездов распознает объекты на расстоянии до 1 км

камера для автономного поезда

Разработчики Perceptin создали камеру для автономных поездов, которая распознает объекты и препятствия на расстоянии 1000 метров при скорости движения поезда до 300 км / час.

Компания позиционирует разработку как универсальное средство визуального восприятия для автономного транспорта и альтернативу лидарам. Лидары — это лазерные датчики, которые измеряют данные о глубине сцены и формируют трехмерную карту окружающего пространства чтобы распознавать объекты. Они используются в автономных автомобилях Waymo и Uber, но имеют ограниченный диапазон распознавания, от 200 до 300 метров, и подвержены помехам от дождя, тумана, пыли и снега.

Читайте: Как стирается граница между цифровой камерой и лидаром

«Лидарные датчики страдают от недостатка семантической информации и дальности обнаружения, что делает их непригодными для высокоскоростных приложений. В настоящее время визуальное восприятие является лучшим решением, которое можно использовать в высокоскоростных сценариях», — сказал Шаошан Лю, основатель и генеральный директор Perceptin.

Для достижения высокой точности обнаружения объектов на больших расстояниях, разработчики объединили алгоритмы обработки сигналов, восприятия изображений и распознавания объектов. Устройство также оснащено специально спроектированным объективом и вычислительными устройствами на базе Nvidia Jetson. Технология основана на модульном оборудовании Perceptin для компьютерного зрения DragonFly, которое компания уже использует в автономных автомобилях.

Еще одно преимущество разработки в том, что её можно модифицировать для разных расстояний. Компания выпустила версию для распознавания объектов и препятствий на расстоянии 300 метров, что является общим требованием для автономных грузовых автомобилей.


Интересные статьи 

Новые датасеты для оценки позы в 3D

Оценка позы в 3D — фундаментальная задача компьютерного зрения. Способность компьютера распознавать людей на изображениях и видео применяется в беспилотном вождении, распознавании действий, взаимодействии человека с компьютером, дополненной реальности и робототехнике. В последние годы ученые добились прогресса в оценке позы в 2D. Важный фактор успеха —…
lidar

Как стирается граница между цифровой камерой и лидаром

Когда Ouster начали разрабатывать свой лидар три года назад, было очевидно, что исследования в сфере глубокого обучения для камер превзошли исследования по лидарам. Данные лидара обладают невероятными преимуществами: богатая пространственная информация и высокая светочувствительность. Однако им не хватает исходного разрешения и эффективной структуры массива…
плохая оценка глубины изображения в AR

Метод оценки глубины сцены и текстуры невидимых частей изображения

Как предсказать то, что скрыто? Исследователи из Калифорнийского университета, Беркли и Google предложили любопытный подход к рендерингу трехмерного пространства (оценки глубины сцены) по одному 2D изображению, основанный на многоуровневом обучении. Цель — получить информацию о текстурах окклюдированных (невидимых) частях изображения и о расстоянии до них.…
depth estimation using neural networks

Оценка глубины на изображении при помощи Encoder-Decoder сетей

От современных автономных мобильных роботов, например, беспилотных автомобилей, требуется глубокое понимание окружения. Полнота и точность модели окружающей среды играют ключевую роль для безопасности и эффективности работы. Камеры или датчики? В то время как датчики, такие как LIDAR, Radar, Kinect предоставляют 3D-данные, включая все пространственные размеры,…