目標(biāo)識別的案例
基于深度學(xué)習(xí)的機(jī)器人目標(biāo)識別和跟蹤
智能體對目標(biāo)識別和跟蹤在工業(yè)生產(chǎn)、偵察安全防控以及人們生活中都擁有者廣泛的應(yīng)用前景，其也是機(jī)器人領(lǐng)域的重要研究方向之一。當(dāng)前，深度學(xué)習(xí)技術(shù)的飛速發(fā)展以及工業(yè)相機(jī)、激光雷達(dá)等傳感技術(shù)不斷提高，給目標(biāo)識別奠定了良好的基礎(chǔ)。本文基于深度學(xué)習(xí)方法研究了機(jī)器人的目標(biāo)識別和跟蹤進(jìn)行了研究。1 深度學(xué)習(xí)目標(biāo)識別算法國內(nèi)外研究現(xiàn)狀
國內(nèi)對目標(biāo)識別技術(shù)的相關(guān)研究相對于西方一些國家起步較晚。上世紀(jì)八十年代，相關(guān)科研工作者提出將反向傳播算法用于神經(jīng)網(wǎng)絡(luò)中，并首次提出了卷積神經(jīng)網(wǎng)絡(luò)的概念。隨著時(shí)代的進(jìn)步發(fā)展， Krizhevsky 等人提出了基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)識別算法，該算法在著名 ImageNet 數(shù)據(jù)集上的檢測效果比第二名手工特征提取算法高了十幾個(gè)百分比，在當(dāng)時(shí)取得了最好的檢測效果。深度學(xué)習(xí)也因?yàn)?ILSVC 賽事的推動(dòng)下快速發(fā)展，通過賽事對目標(biāo)識別加以一定的要求，使得大量學(xué)者開始使用當(dāng)下較為熱門的深度學(xué)習(xí)相關(guān)技術(shù)去對目標(biāo)識別算法進(jìn)行研究。如今，全球有好多高校已經(jīng)專門設(shè)立了人工智能與計(jì)算機(jī)視覺研究實(shí)驗(yàn)室。并成功開發(fā)出了許多運(yùn)用目標(biāo)識別算法的實(shí)用應(yīng)用軟件。此外，一些著名公司如微軟、微軟公司等，也開始投入大量資金和精力，進(jìn)行智能識別的相關(guān)研究，使得目標(biāo)識別算法逐步開始在工業(yè)生產(chǎn)中應(yīng)用起來。國內(nèi)在目標(biāo)識別技術(shù)和深度學(xué)習(xí)研究比國外起步較晚，但近些年發(fā)展的勢頭卻很迅猛。近年來，在一大批優(yōu)秀科研技術(shù)人員的努力下，取得了很多豐碩的成果。涌現(xiàn)出了一大批相關(guān)產(chǎn)業(yè)的科技公司，如大疆、科大訊飛等。2 機(jī)器人視覺國內(nèi)外研究現(xiàn)狀機(jī)器視覺技術(shù)的產(chǎn)生最早是在歐美及日本等國家，最早的一批較為有名的機(jī)器視覺相關(guān)產(chǎn)業(yè)公司也在這些國家，如光源供應(yīng)商日本 Moritex、鏡頭廠家美國 Navitar、德國 Schneider等。不難發(fā)現(xiàn)，對于上個(gè)世紀(jì)歐美等較發(fā)達(dá)國家在該技術(shù)上有一個(gè)較為超前的地位。
展開 計(jì)算機(jī)視覺必讀：目標(biāo)跟蹤、網(wǎng)絡(luò)壓縮、圖像分類、人臉識別等
孿生網(wǎng)絡(luò)(siamese network)和人臉識別的思路類似，使用二元或三元(++-)輸入，訓(xùn)練模型使相似樣本之間的距離盡可能小，而不相似樣本之間的距離盡可能大。
目標(biāo)跟蹤(object tracking)
目標(biāo)跟蹤旨在跟蹤一段視頻中的目標(biāo)的運(yùn)動(dòng)情況。通常，視頻第一幀中目標(biāo)的位置會(huì)以包圍盒的形式給出，我們需要預(yù)測其他幀中該目標(biāo)的包圍盒。目標(biāo)跟蹤類似于目標(biāo)檢測，但目標(biāo)跟蹤的難點(diǎn)在于事先不知道要跟蹤的目標(biāo)具體是什么，因此無法事先收集足夠的訓(xùn)練數(shù)據(jù)以訓(xùn)練一個(gè)專門的檢測器。
孿生網(wǎng)絡(luò) 類似于人臉驗(yàn)證的思路，利用孿生網(wǎng)絡(luò)，一支輸入第一幀包圍盒內(nèi)圖像，另一支輸入其他幀的候選圖像區(qū)域，輸出兩張圖的相似度。我們不需要遍歷其他幀的所有可能的候選區(qū)域，利用全卷積網(wǎng)絡(luò)，我們只需要前饋整張圖像一次。通過互相關(guān)操作(卷積)，得到二維的響應(yīng)圖，其中最大響應(yīng)位置確定了需要預(yù)測的包圍盒位置。基于孿生網(wǎng)絡(luò)的方法速度快，能處理任意大小的圖像。
CFNet 相關(guān)濾波通過訓(xùn)練一個(gè)線性模板來區(qū)分圖像區(qū)域和它周圍區(qū)域，利用傅里葉變換，相關(guān)濾波有十分高效的實(shí)現(xiàn)。
展開 經(jīng)緯恒潤智能駕駛開發(fā)、測試評估平臺——傳感器對標(biāo)評估系統(tǒng)
圖4 真值傳感器和測試傳感器識別目標(biāo)物軌跡對比和實(shí)車測試圖
核心功能：識別目標(biāo)數(shù)統(tǒng)計(jì)
? 真值傳感器和測試傳感器的識別總數(shù)統(tǒng)計(jì)
? 測試傳感器識別目標(biāo)漏報(bào)率統(tǒng)計(jì)
? 測試傳感器識別目標(biāo)誤報(bào)率統(tǒng)計(jì)
圖5 識別目標(biāo)數(shù)統(tǒng)計(jì)報(bào)告（示例）
核心功能：識別目標(biāo)物信息統(tǒng)計(jì)分析
? 可以分析真值和測試傳感器識別目標(biāo)物的角度分布
? 可以分析真值和測試傳感器識別目標(biāo)物的距離分布
? 可以分析真值和測試傳感器識別目標(biāo)物的距離差分布。可分別統(tǒng)計(jì)兩種傳感器識別的目標(biāo)物相對速度重合區(qū)的分布或者非重合區(qū)的分布
? 可以分析真值和測試傳感器識別目標(biāo)物的角度差分布。可分別統(tǒng)計(jì)兩種傳感器識別的目標(biāo)物相對速度重合區(qū)的分布或者非重合區(qū)的分布
? 可以分析真值和測試傳感器識別目標(biāo)物的角度、距離、相對速度分布，并進(jìn)行三維展示
圖6 識別目標(biāo)物信息統(tǒng)計(jì)分析報(bào)告（示例）
展開 水上無人系統(tǒng)研究進(jìn)展及其面臨的挑戰(zhàn)
有文獻(xiàn)提出了一種針對中/長波紅外圖像的多源信息融合識別方法。首先提取出目標(biāo)及其特征利用基于灰色理論的目標(biāo)關(guān)聯(lián)度計(jì)算得到基本概率賦值，再運(yùn)用D-S證據(jù)理論組合規(guī)則對多個(gè)觀測樣本的信任度進(jìn)行決策融合，得到較好識別效果。有文獻(xiàn)提出一種弱小紅外目標(biāo)融合檢測方法，通過將多光譜探測器獲得的同一場景的多光譜信息組合到一起，利用它們在時(shí)空上的相關(guān)性及信息上的互補(bǔ)性，提高了檢測性能。有文獻(xiàn)提出了一種多波段紅外視覺成像系統(tǒng)融合的偽彩色表示算法，在兩個(gè)不同的紅外波段中利用目標(biāo)信號之間的相關(guān)性來構(gòu)造一個(gè)雜波較少的融合紅外圖像，然后將融合的紅外圖像與假彩色RGB表示的視覺圖像結(jié)合起來，實(shí)現(xiàn)了弱小目標(biāo)的識別。
目前在弱小目標(biāo)識別研究方面，大多數(shù)文獻(xiàn)都是以陸上目標(biāo)為背景，在海上弱小目標(biāo)識別方面還有很多問題沒有得到很好解決，有的問題是陸上和海上弱小目標(biāo)識別存在的共性問題，有的是海上弱小目標(biāo)識別存在的特殊問題：
⑴水上無人系統(tǒng)高速航行時(shí)，為了保證充分的反應(yīng)時(shí)間，一般要求在較遠(yuǎn)的距離上就能檢測到目標(biāo)。而遠(yuǎn)距離目標(biāo)成像面積很小，可能只有幾十個(gè)像素甚至幾個(gè)像素。與常規(guī)目標(biāo)相比，弱小目標(biāo)不但缺乏形狀、顏色和紋理等輔助識別信息，而且經(jīng)常受到海浪遮蔽，其檢測一直是個(gè)難點(diǎn)問題，還有待于深入研究。
⑵水上弱小目標(biāo)識別與陸上弱小目標(biāo)識別相比有不同特點(diǎn)。我國海域位于太平洋多霧區(qū)，海域內(nèi)弱小目標(biāo)識別經(jīng)常受到霧氣的顯著影響。所以基于可見光圖像檢測弱小目標(biāo)存在很大局限。此外，采用可見光圖像還要克服復(fù)雜環(huán)境條件的影響，包括海浪的起伏、日光的反射折射和雨雪的干擾。所以，通常采用紅外方法或者多源信息融合方法進(jìn)行海上弱小目標(biāo)識別。目前的識別率和可靠性還遠(yuǎn)達(dá)不到期望的水平。
⑶在過去的十幾年里，得益于計(jì)算機(jī)技術(shù)的進(jìn)步，圖像識別技術(shù)得到了快速發(fā)展。
展開 
外媒猜測FC-31改進(jìn)型將成為航母艦載機(jī)
同時(shí)在招標(biāo)要求中，還明確要求了該組件必須具備一定的隱身能力以及對目標(biāo)探測、定位和跟蹤的功能，同時(shí)還需要具備對地/海面目標(biāo)的遠(yuǎn)距離激光測距功能。
2018年12月27日發(fā)出的另一份招標(biāo)公告涉及目標(biāo)識別設(shè)備。產(chǎn)品功能要求具有深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）目標(biāo)識別功能（輸入為視頻流）以及具有模板匹配目標(biāo)識別功能（輸入為視頻流），兩種功能識別速度均應(yīng)不小于30幀/秒、適用于多類型、多尺度目標(biāo)及具備視頻中定位、跟蹤功能。
報(bào)道稱，沈飛集團(tuán)是生產(chǎn)殲-15、殲-11和殲-16戰(zhàn)機(jī)的公司，其中殲-15是蘇-33的衍生機(jī)型，已在中國人民解放軍海軍第一艘航母“遼寧”號上使用。
此外，沈飛集團(tuán)還設(shè)計(jì)并制造了中型隱形戰(zhàn)機(jī)FC-31，后者在2014年珠海航展上首次公開亮相。
報(bào)道指出，鑒于FC-31是沈飛集團(tuán)唯一的隱形戰(zhàn)機(jī)，招標(biāo)生產(chǎn)與這一平臺兼容的設(shè)備公告讓外界認(rèn)為它是專供這款隱形戰(zhàn)機(jī)所用的。
報(bào)道稱，中國人民解放軍海軍顯然需要一種比殲-15更先進(jìn)的戰(zhàn)機(jī)來執(zhí)行航母任務(wù)，而且據(jù)評估，要么選擇殲-20的海軍版，要么是FC-31的衍生機(jī)。自2017年底以來，越來越多的人猜測，F(xiàn)C-31將為該計(jì)劃所采用。（編譯/鄔眉）
資料圖片：2016年珠海航展上獻(xiàn)藝的中國FC-31隱身戰(zhàn)機(jī)。
展開 淺析駕駛輔助系統(tǒng)硬件在環(huán)仿真技術(shù)
圖1 典型駕駛輔助系統(tǒng)構(gòu)成及原理圖
傳感器目標(biāo)探測原理
1、毫米波雷達(dá)目標(biāo)識別原理
車載毫米波雷達(dá)主要分為脈沖式和連續(xù)調(diào)頻式，由于脈沖信號在近距離探測目標(biāo)時(shí)對硬件計(jì)算速度要求較高，因此不適用于車載近距離探測目標(biāo)的需求。連續(xù)調(diào)頻毫米波雷達(dá)采用雷達(dá)波調(diào)制的方式發(fā)送探測電磁波，通過調(diào)制發(fā)射電磁波信號與雷達(dá)天線接收到的目標(biāo)反射雷達(dá)信號進(jìn)行混頻，利用傅里葉變換算法對混頻信號進(jìn)行解析，可解析出雷達(dá)與目標(biāo)的相對距離和相對速度，并根據(jù)雷達(dá)接收天線陣列參數(shù)計(jì)算相對角度信息。
2、攝像頭目標(biāo)識別原理
作為ADAS的核心傳感器之一，車載攝像頭需要最大限度地適應(yīng)不同的光照條件，能夠更加快速、精確地感知路況信息，并加強(qiáng)對圖像噪點(diǎn)的抑制。攝像頭和攝像頭后處理芯片端原理，如圖2所示。攝像頭的光感原件識別外界圖像信息并轉(zhuǎn)化為電信號，根據(jù)編碼協(xié)議編碼圖像信號，通過低電壓差分信號（LVDS）傳輸方式將圖像傳輸至圖像處理芯片（ECU），經(jīng)過圖像信號質(zhì)量處理后，再傳遞至圖像處理單元（GPU），利用深度學(xué)習(xí)或機(jī)器學(xué)習(xí)算法識別圖像中不同層次目標(biāo)（道路、行人、車輛、障礙物）。目標(biāo)識別效果依賴于深度學(xué)習(xí)的樣本的類型和數(shù)量，因此深度學(xué)習(xí)目標(biāo)識別的樣本需要不斷迭代和更新。
圖2 攝像頭目標(biāo)識別原理圖
3、超聲波雷達(dá)探測原理
傳感器內(nèi)的超聲波傳感器發(fā)射出超聲波，由接收傳感器接收經(jīng)障礙物反射回來的超聲波，根據(jù)超聲波反射接收的時(shí)間差，由控制單元內(nèi)的CPU處理換算成距離。
展開 4D雷達(dá)之多徑問題探討
需要注意的是，我們一般認(rèn)為多徑虛假目標(biāo)具有動(dòng)態(tài)屬性，也就是說，一般靜態(tài)目標(biāo)不做多徑行為分析。這里的動(dòng)靜態(tài)是依據(jù)大地坐標(biāo)系而非車輛坐標(biāo)系。
基于模型的方法（model based）
首先是基于幾何的多徑識別，這類方法依賴于電磁傳播的幾何表示，并總結(jié)歸納出所有可能的傳播路徑。在此基礎(chǔ)上識別目標(biāo)多徑傳播路線。這類方法應(yīng)用于車載效果不是很好，主要原因在于車載行駛環(huán)境多樣性使得幾何表示往往與實(shí)際真實(shí)情況不符。
▲ 多徑傳播，幾何表示
另一條常見思路就是識別環(huán)境道路邊界。比如高速護(hù)欄，隧道邊界，橋邊界等等。可以先求解邊界，然后將邊界外符合某些特征的運(yùn)動(dòng)目標(biāo)視作ghost。至于如何識別道路邊界，一般的方法還是基于道路邊界反射的靜態(tài)點(diǎn)做多項(xiàng)式擬合，從而獲得到道路邊界估計(jì)。這類方法對邊界估計(jì)的穩(wěn)定性，魯棒性要求較高。
另外，這類方法的適應(yīng)范圍也比較窄，往往要求實(shí)際環(huán)境能夠形成清晰的反射邊界。
▲ 基于道路邊界的多徑目標(biāo)識別
▲ 道路邊界識別
另外，4D雷達(dá)具有較高的分辨率，同一目標(biāo)往往具有多個(gè)反射點(diǎn)。Daimler AG聯(lián)合Ulm基于高分辨雷達(dá)設(shè)計(jì)了一種多徑ghost識別算法。由于真實(shí)目標(biāo)range-doppler map表征的doppler分布應(yīng)該與shape估計(jì)的orientation基本一致。算法基于多徑ghost的運(yùn)動(dòng)狀態(tài)（Motion State）與其反射點(diǎn)的多普勒分布(Doppler Distribution)不匹配這一特征來可靠識別ghost，感興趣的可以參考文獻(xiàn)[1]。不過該方法適應(yīng)場景類別也比較少。
展開 聯(lián)結(jié)主義AI技術(shù)在Tesla Vision技術(shù)體系中的地位和未來
也可以采用ensembles部署方式，設(shè)計(jì)各自獨(dú)立存在的標(biāo)記子網(wǎng)絡(luò)分別對目標(biāo)數(shù)據(jù)（video clip）做標(biāo)記識別之后，再進(jìn)行整合，從而實(shí)現(xiàn)盡可能不遺漏數(shù)據(jù)中的目標(biāo)物體標(biāo)記。
同時(shí)正因?yàn)槭请x線系統(tǒng)，所以在執(zhí)行目標(biāo)物體標(biāo)記時(shí)，標(biāo)記網(wǎng)絡(luò)可以做到不僅知道歷史和當(dāng)下信息，還可以掌握video clip內(nèi)目標(biāo)上下文的“未來”信息，因此理論上有更好的把握實(shí)現(xiàn)對于目標(biāo)物體的標(biāo)記。與此同時(shí)，還可以利用輔助異構(gòu)傳感器（比如毫米波雷達(dá)）的上報(bào)數(shù)據(jù)，作為現(xiàn)實(shí)標(biāo)記參考；再加上對于極端罕見場景的專門人類團(tuán)隊(duì)的審核……這一系列手段，確保了Tesla在技術(shù)上有機(jī)會(huì)實(shí)現(xiàn)對于大量候選video clip的準(zhǔn)確標(biāo)記，為后續(xù)上車的關(guān)鍵識別模塊的訓(xùn)練提供足夠clean的訓(xùn)練數(shù)據(jù)集。
圖五【Tesla FSD beta v9-40.png】來自：
https://www.youtube.com/watch?v=NSDTZQdo6H8&t=977s截圖；
借由龐大的Tesla Fleet，一些極端的corner case場景，甚至很難在仿真平臺上模擬的極限場景，Karpathy和他的團(tuán)隊(duì)卻不難發(fā)現(xiàn)、觸發(fā)上報(bào)，并最終在標(biāo)記后擁有這一切。上述的三個(gè)場景中，從上到下第一行，分別是narrow camera、main camera和fisheye camera所捕捉到的陽光直射鏡頭方向的目標(biāo)識別和跟蹤場景；第二行是前車突然暴起煙塵遮擋目標(biāo)識別和跟蹤場景；第三行是雪天積雪干擾下的目標(biāo)識別和跟蹤場景。
展開 中國航天科工三院在空地?zé)o人系統(tǒng)協(xié)同技術(shù)領(lǐng)域獲重大突破
空地協(xié)同搜索科目比賽中，302所HW-X210六旋翼無人機(jī)一鍵自主起飛，按照自主規(guī)劃的航線，飛至比賽指定的目標(biāo)區(qū)域內(nèi)執(zhí)行遍歷任務(wù)，進(jìn)行目標(biāo)搜索和識別。目標(biāo)區(qū)域范圍較廣，而且目標(biāo)隱蔽性較強(qiáng)，對參賽無人機(jī)的飛行性能和載荷性能均是極大的考驗(yàn)。
HW-X210六旋翼無人機(jī)識別目標(biāo)后迅速定位，將目標(biāo)位置信息傳輸至無人車系統(tǒng)，無人車根據(jù)目標(biāo)位置信息進(jìn)行路徑自主規(guī)劃，并自主向目標(biāo)位置移動(dòng)。在無人車捕捉目標(biāo)的過程中，目標(biāo)還會(huì)進(jìn)行較快速的移動(dòng)，需無人機(jī)進(jìn)行實(shí)時(shí)動(dòng)態(tài)跟蹤并將目標(biāo)位置傳輸給無人車。因此無人機(jī)需從控制性能、通訊性能等各個(gè)方面保障動(dòng)態(tài)目標(biāo)跟蹤的穩(wěn)定性和目標(biāo)位置回傳的實(shí)時(shí)性。
HW-X210六旋翼無人機(jī)系統(tǒng)是可以攜帶偵察和處置型載荷無人機(jī)系統(tǒng)，具有安全性能高、響應(yīng)速度快、載荷模塊化換裝、使用靈活等特點(diǎn)，可裝載可見光吊艙、紅外吊艙和聲光吊艙，用于反恐偵察、目標(biāo)監(jiān)視、災(zāi)害應(yīng)急等任務(wù)。
HW-X210產(chǎn)品圖
比賽規(guī)定，每個(gè)參賽隊(duì)伍必須在規(guī)定時(shí)間內(nèi)完成任務(wù)科目，且目標(biāo)搜索時(shí)存在與目標(biāo)特征極為相似的干擾項(xiàng)，因此，無人機(jī)需具備較快的遍歷搜索速度及準(zhǔn)確的目標(biāo)識別能力。302所與北京理工大學(xué)組成的“特立篤行隊(duì)”是多個(gè)參賽隊(duì)伍中以最短時(shí)間成功完成正確目標(biāo)搜索和識別的隊(duì)伍，是唯一一個(gè)成功完成所有比賽任務(wù)的隊(duì)伍。2018年，302所在無人機(jī)產(chǎn)業(yè)上理清思路，開拓市場，凝心聚力，在軍用、民用產(chǎn)業(yè)方面多點(diǎn)開花，此次比賽的勝利是三院無人機(jī)行業(yè)在空地?zé)o人系統(tǒng)協(xié)同技術(shù)領(lǐng)域的重大突破。
展開 一種基于目標(biāo)的可解釋的自動(dòng)駕駛預(yù)測和規(guī)劃策略
如果新狀態(tài) s^ι 達(dá)到自車目標(biāo) Gε，我們計(jì)算反向傳播的獎(jiǎng)勵(lì)為 r ← Rε (s^t:n)。如果搜索達(dá)到其最大深度 dmax 而沒有碰撞或?qū)崿F(xiàn)目標(biāo)，我們設(shè)置 r ← rterm，它可以是一個(gè)常數(shù)或基于類似于 A* 搜索的啟發(fā)式獎(jiǎng)勵(lì)估計(jì)。
總結(jié)
本文介紹了一種通過理性逆向規(guī)劃進(jìn)行目標(biāo)識別和多模態(tài)軌跡預(yù)測的方法。通過將目標(biāo)識別與MCTS 計(jì)劃相結(jié)合，為自車生成優(yōu)化計(jì)劃。在模擬城市駕駛場景中的評估顯示準(zhǔn)確的目標(biāo)識別、提高的駕駛效率以及解釋預(yù)測和自我計(jì)劃的能力。
魔視智能宣布輔助自動(dòng)駕駛產(chǎn)品領(lǐng)先在一線乘用車主機(jī)廠正式量產(chǎn)，并發(fā)布量產(chǎn)級自動(dòng)泊車方案
繼2016年11月領(lǐng)先完成在車規(guī)級FPGA SOC 實(shí)現(xiàn)基于深度學(xué)習(xí)的目標(biāo)識別系統(tǒng)，和2017年9月領(lǐng)先完成在車規(guī)級FPGA SOC實(shí)現(xiàn)并行的深度學(xué)習(xí)目標(biāo)識別和基于語義分割的可行駛區(qū)域識別，2018年魔視智能在新技術(shù)創(chuàng)新上，又實(shí)現(xiàn)了新的突破。
在本次發(fā)布會(huì)上，魔視智能正式公布了新的基于FPGA SOC和深度學(xué)習(xí)的量產(chǎn)級自動(dòng)泊車產(chǎn)品，可以大大提高自動(dòng)泊車的智能化程度和復(fù)雜泊車場景覆蓋。魔視智能聯(lián)合創(chuàng)始人/CEO虞正華博士介紹，這套基于魔視智能嵌入式深度學(xué)習(xí)的完整自動(dòng)泊車方案，通過多目視覺感知和超聲傳感器融合，大幅增加了停車位檢測的成功率，從而提高了泊車入位的成功率和準(zhǔn)確度，實(shí)現(xiàn)半自動(dòng)和全自動(dòng)泊車控制，以及一鍵式遙控泊車。這套系統(tǒng)同時(shí)提供360°全景環(huán)視，協(xié)助駕駛員檢測車輛位置與周邊環(huán)境障礙物，消除復(fù)雜泊車情形下的視覺死角和事故風(fēng)險(xiǎn)，大大減輕和緩解駕駛壓力。通過魔視智能獨(dú)有的基于深度學(xué)習(xí)的智能計(jì)算引擎，具有在多角度多目標(biāo)情況下，檢測速度快，準(zhǔn)確率高，復(fù)雜場景適應(yīng)性好，夜視能力強(qiáng)等特點(diǎn)。它同時(shí)具有小型化，低功耗，高可靠性的特點(diǎn)，它的高度智能的多角度多目標(biāo)識別能力，可以直接使用現(xiàn)有360環(huán)視系統(tǒng)的魚眼攝像頭，結(jié)合超聲波傳感器融合，覆蓋更為復(fù)雜的泊車場景，提供更安全的自動(dòng)泊車操作功能。這套基于深度學(xué)習(xí)和車規(guī)級嵌入式平臺的自動(dòng)泊車方案，已經(jīng)在和多個(gè)主機(jī)廠及TIE1 進(jìn)行產(chǎn)品測試和驗(yàn)證，將進(jìn)一步鞏固魔視智能在中國自動(dòng)駕駛市場和技術(shù)的領(lǐng)先地位。
展開 
五年無人駕駛工作總結(jié)及展望
第一次看到密密麻麻的點(diǎn)云數(shù)據(jù)，真的是一臉懵逼，這到底是啥啊，我就靠這些點(diǎn)能識別出障礙物嗎？搞笑呢吧。為了實(shí)現(xiàn)目標(biāo)，去學(xué)習(xí)了pcl庫。通過閱讀pcl庫的某些源代碼，了解了點(diǎn)云的處理方式和一些基礎(chǔ)算法。最后使用了歐式聚類，實(shí)現(xiàn)了在城市道路上的目標(biāo)檢測。這種目標(biāo)檢測有很多的局限性。1. 得先識別地面，然后去掉地面。2. 需要去掉空中的點(diǎn)，比如樹冠等，因?yàn)槲抑魂P(guān)心車輛前方道路上和道路兩側(cè)的低空障礙物。3. 歐式聚類設(shè)置一個(gè)距離閾值，只有點(diǎn)與點(diǎn)間的距離小于閾值時(shí)才算做同一個(gè)障礙物。如果兩個(gè)障礙物距離近，將會(huì)有很大概率識別成同一個(gè)物體，也就會(huì)將路邊停的一排家用車識別成一個(gè)大平板。識別距離是40米，縱向誤差小于0.5米，橫向誤差小于0.3米。算是達(dá)到了預(yù)期效果。實(shí)驗(yàn)過程中發(fā)現(xiàn)了一些問題，首先，16線激光雷達(dá)更適合補(bǔ)盲，線太少，如果作為主要傳感器，探測距離太近，在40米外的障礙物可能只是一條水平直線。其次，在障礙物密集的場景，運(yùn)算速度下降。最后，由于沒有識別道路邊界，無法識別障礙物是否在前方道路內(nèi)。
時(shí)間來到了2019年，目標(biāo)是：1. 提高激光雷達(dá)目標(biāo)識別精度、距離、運(yùn)算速度；2. 識別道路邊界，擬合邊界曲線
。首先是目標(biāo)識別，之前看了一篇關(guān)于凸平面分割障礙物的文章，覺得特別有道理，重要的是可以分割的很精確。沿著這個(gè)方向查了相關(guān)資料，發(fā)現(xiàn)了一篇論文《Object Partitioning using Local Convexity》，閱讀淪為，并搞懂了算法原理。文章中給出了在pcl庫中的實(shí)現(xiàn)，名字叫LCCP，可惜使用在圖像上。圖像和點(diǎn)云有很強(qiáng)的相似性，都是由點(diǎn)組成，只不過一個(gè)是像素，一個(gè)是xyz。像素點(diǎn)在經(jīng)過相機(jī)內(nèi)參和外參變換后，就會(huì)映射到三維空間。算法上也有很多相通點(diǎn)，我所知道的特征提取還有金字塔算法都可以通用，只需要將點(diǎn)云在三維空間中結(jié)構(gòu)化，比方說八叉樹等。
展開 人工智能對導(dǎo)彈武器裝備發(fā)展及未來戰(zhàn)爭影響
6)智能突防和抗干擾技術(shù)：對環(huán)境有智能感知的能力，可以在受到干擾和威脅時(shí)進(jìn)行快速的分析、評估和決策，對敵方識別系統(tǒng)進(jìn)行欺騙，使其無法獲得己方真實(shí)信息，并且識別敵方干擾，實(shí)施精確打擊。
7)導(dǎo)彈智能化基礎(chǔ)技術(shù)：包括模糊邏輯理論和應(yīng)用技術(shù)、仿生技術(shù)、智能信息處理技術(shù)等。
8)自維護(hù)系統(tǒng)技術(shù)：導(dǎo)彈在飛行階段或者作戰(zhàn)過程中發(fā)生故障或出現(xiàn)損傷時(shí)，具備對自身進(jìn)行診斷、檢測、分析、定位的能力，制定維護(hù)方案，實(shí)現(xiàn)自修復(fù)，并且仍能繼續(xù)完成作戰(zhàn)任務(wù)。
2.3 智能化導(dǎo)彈發(fā)展構(gòu)想
在未來戰(zhàn)場中所使用的導(dǎo)彈將會(huì)實(shí)現(xiàn)完全的智能化。從探測、跟蹤、尋的、攔截到成功摧毀目標(biāo)，整個(gè)過程中的制導(dǎo)和作戰(zhàn)都將完全自主實(shí)現(xiàn)。
實(shí)時(shí)獲取戰(zhàn)場信息，并將有用信息從海量信息數(shù)據(jù)中分析提取出來，同時(shí)對當(dāng)前態(tài)勢進(jìn)行提前化的準(zhǔn)確預(yù)測，在縝密分析和判斷后做出決策并且執(zhí)行。
不再依賴衛(wèi)星導(dǎo)航，在無衛(wèi)星定位導(dǎo)航服務(wù)條件下，仍能通過其他信息輔助導(dǎo)航技術(shù)進(jìn)行導(dǎo)航，完成作戰(zhàn)任務(wù)。量子導(dǎo)航技術(shù)若在近年內(nèi)可以得到迅速發(fā)展，由于其依靠光波進(jìn)行傳輸，同時(shí)具有保密性強(qiáng)、抗干擾能力強(qiáng)、隱秘性好的特點(diǎn)，將其運(yùn)用于智能化導(dǎo)彈的導(dǎo)航系統(tǒng)中將是很好的選擇。
具有超強(qiáng)模式識別能力，可以實(shí)現(xiàn)高精度的威脅識別、障礙物識別、目標(biāo)識別、敵我識別。
有一定的聯(lián)合作戰(zhàn)能力，從單體作戰(zhàn)轉(zhuǎn)向群體作戰(zhàn)，從協(xié)調(diào)作戰(zhàn)轉(zhuǎn)向協(xié)同作戰(zhàn)，從小規(guī)模戰(zhàn)術(shù)層面轉(zhuǎn)向大規(guī)模戰(zhàn)略層面。多彈與無人平臺之間協(xié)同作戰(zhàn)[16]，最終實(shí)現(xiàn)群體協(xié)同作戰(zhàn)完全具有自主能力。群體中的每一個(gè)組成部分既能單獨(dú)執(zhí)行任務(wù)，又能組成編隊(duì)集體執(zhí)行任務(wù)。類似于“蜂群”、“鳥群”、“魚群”的集群導(dǎo)彈將會(huì)是未來戰(zhàn)場的中堅(jiān)力量。
展開 人工智能對導(dǎo)彈武器裝備發(fā)展及未來戰(zhàn)爭影響
6)智能突防和抗干擾技術(shù)：對環(huán)境有智能感知的能力，可以在受到干擾和威脅時(shí)進(jìn)行快速的分析、評估和決策，對敵方識別系統(tǒng)進(jìn)行欺騙，使其無法獲得己方真實(shí)信息，并且識別敵方干擾，實(shí)施精確打擊。
7)導(dǎo)彈智能化基礎(chǔ)技術(shù)：包括模糊邏輯理論和應(yīng)用技術(shù)、仿生技術(shù)、智能信息處理技術(shù)等。
8)自維護(hù)系統(tǒng)技術(shù)：導(dǎo)彈在飛行階段或者作戰(zhàn)過程中發(fā)生故障或出現(xiàn)損傷時(shí)，具備對自身進(jìn)行診斷、檢測、分析、定位的能力，制定維護(hù)方案，實(shí)現(xiàn)自修復(fù)，并且仍能繼續(xù)完成作戰(zhàn)任務(wù)。
2.3 智能化導(dǎo)彈發(fā)展構(gòu)想
在未來戰(zhàn)場中所使用的導(dǎo)彈將會(huì)實(shí)現(xiàn)完全的智能化。從探測、跟蹤、尋的、攔截到成功摧毀目標(biāo)，整個(gè)過程中的制導(dǎo)和作戰(zhàn)都將完全自主實(shí)現(xiàn)。
實(shí)時(shí)獲取戰(zhàn)場信息，并將有用信息從海量信息數(shù)據(jù)中分析提取出來，同時(shí)對當(dāng)前態(tài)勢進(jìn)行提前化的準(zhǔn)確預(yù)測，在縝密分析和判斷后做出決策并且執(zhí)行。
不再依賴衛(wèi)星導(dǎo)航，在無衛(wèi)星定位導(dǎo)航服務(wù)條件下，仍能通過其他信息輔助導(dǎo)航技術(shù)進(jìn)行導(dǎo)航，完成作戰(zhàn)任務(wù)。量子導(dǎo)航技術(shù)若在近年內(nèi)可以得到迅速發(fā)展，由于其依靠光波進(jìn)行傳輸，同時(shí)具有保密性強(qiáng)、抗干擾能力強(qiáng)、隱秘性好的特點(diǎn)，將其運(yùn)用于智能化導(dǎo)彈的導(dǎo)航系統(tǒng)中將是很好的選擇。
具有超強(qiáng)模式識別能力，可以實(shí)現(xiàn)高精度的威脅識別、障礙物識別、目標(biāo)識別、敵我識別。
有一定的聯(lián)合作戰(zhàn)能力，從單體作戰(zhàn)轉(zhuǎn)向群體作戰(zhàn)，從協(xié)調(diào)作戰(zhàn)轉(zhuǎn)向協(xié)同作戰(zhàn)，從小規(guī)模戰(zhàn)術(shù)層面轉(zhuǎn)向大規(guī)模戰(zhàn)略層面。多彈與無人平臺之間協(xié)同作戰(zhàn)[16]，最終實(shí)現(xiàn)群體協(xié)同作戰(zhàn)完全具有自主能力。群體中的每一個(gè)組成部分既能單獨(dú)執(zhí)行任務(wù)，又能組成編隊(duì)集體執(zhí)行任務(wù)。類似于“蜂群”、“鳥群”、“魚群”的集群導(dǎo)彈將會(huì)是未來戰(zhàn)場的中堅(jiān)力量。
展開 高級自動(dòng)駕駛系統(tǒng)的新型三大感知能力要素分析
其次
是，攝像頭采用了高清攝像頭，其分辨率的巨大提升使得其更加容易探測出更小的目標(biāo)。
最后
，是激光雷達(dá)從原始的機(jī)械式激光雷達(dá)向MEMS甚至Flash激光雷達(dá)的轉(zhuǎn)變。
本文將針對如上三類傳感器的轉(zhuǎn)變詳細(xì)說明其對自動(dòng)駕駛系統(tǒng)探測能力到底有哪些提升。
4D毫米波雷達(dá)優(yōu)勢
從當(dāng)前已經(jīng)出過得自動(dòng)駕駛事故（無論是特斯拉的大卡車相撞還是蔚來汽車主裝上高速作業(yè)車）中不難看出，高速自動(dòng)駕駛最容易出現(xiàn)事故的地方就是在于傳感器對于靜止目標(biāo)的識別上。當(dāng)前，駕駛輔助系統(tǒng)架構(gòu)常采用攝像頭融合毫米波雷達(dá)的方式進(jìn)行檢測，而對于靜止目標(biāo)的識別主要是依靠攝像頭的視覺檢測，由于視覺感知的目標(biāo)都必須經(jīng)過模塊或算法訓(xùn)練，而數(shù)據(jù)模型中無法涵蓋所有類型目標(biāo)數(shù)據(jù)，且識別過程中通常采用的圖像分割會(huì)把靜止目標(biāo)當(dāng)成背景區(qū)域而過濾到，因此，視覺檢測很難做到對目標(biāo)的有效識別。
這時(shí)，很多情況下會(huì)依靠傳統(tǒng)毫米波雷達(dá)進(jìn)行靜止目標(biāo)檢測。而由于當(dāng)前的毫米波雷達(dá)是不具備測高能力的，這就意味著其檢測過程中難以判斷前方靜止物體是在地面還是在空中，無法細(xì)化剎車場景，容易出現(xiàn)如下情況的誤檢測導(dǎo)致AEB誤制動(dòng)或漏制動(dòng)。
高階自動(dòng)駕駛系統(tǒng)采用了4D毫米波雷達(dá)，其原理是指在原有距離、方位、速度的基礎(chǔ)上增加了對目標(biāo)的高度維數(shù)據(jù)解析，能夠?qū)崿F(xiàn)“3D+速度”四個(gè)維度的信息感知。
展開 