新算法|加州理工学院开发新算法有助于改进自动驾驶导航系统自动驾驶导航系统|汽车|车|新

盖世汽车讯没有GPS，自动系统很容易迷路。据外媒报道，加州理工学院（Caltech ）开发了一种新的算法，可让自动系统通过观察周围地形，识别其所在位置，且不受地形季节性变化影响。

文章图片
（图片来源：加州理工学院）
视觉地形相对导航（VTRN）可使自动系统通过比较附近地形和高分辨率卫星图像，从而确定自己的位置。为了使其工作，当前一代的VTRN需要所观察的地形与数据库中的图像紧密匹配。任何改变或模糊地形的物体，如积雪或落叶，都会导致图像不匹配，并扰乱系统。因此，除非具备各种条件下的景观图像数据库，否则VTRN系统很容易混淆。
为了克服这一挑战，加州理工学院Soon-Jo Chung教授实验室的团队转向了深度学习和AI，以消除阻碍当前VTRN系统的季节性因素。科学家Anthony Fragoso表示，“来自卫星和自动驾驶汽车的两幅图像必须具有相同的内容，当前的技术才能发挥作用。系统仅能处理图像色调差异，然而，在真实系统中，情况会随着季节的变化而发生巨大变化，图像不再包含相同的物体，不能直接进行比较。”
由Chung和研究人员Fragoso、Connor Lee和Austin mccoy合作开发算法使用的是“自我监督学习”。虽然大多数计算机视觉策略都依赖人工注释，人工注释员会整理大型数据集，教算法如何识别看到的物体，但该算法会让算法自己学习。AI通过梳理出可能被人类忽略的细节和特征，从而寻找图像中的模式。
使用新系统补充当前一代VTRN，可以产生更精确的定位。在一项实验中，研究人员试图使用基于相关VTRN技术定位夏季树叶图像和冬季树叶图像。测试发现50%的尝试都会导致导航失败。相比之下，在VTRN中插入新算法，92%的尝试被正确匹配，剩下的8%可被提前识别为有问题的，可使用其他已建立的导航技术轻松管理。
Lee表示，“计算机可以发现我们眼睛看不到的模糊模式，甚至可以发现最小的趋势。在普遍但具有挑战性的环境中，VTRN正面临挑战，而我们可以解决这一挑战。”该系统不仅可用于无人驾驶飞机，还可用于太空任务。接下来，Fragoso、Lee和Chung将扩展这项技术，以适应天气的变化。如果成功，该项工作将有助于改进自动驾驶汽车的导航系统。
【以上内容转自“盖世汽车”，不代表本网站观点。如需转载请取得盖世汽车网许可，如有侵权请联系删除。】
【新算法|加州理工学院开发新算法有助于改进自动驾驶导航系统】
0

新算法|加州理工学院开发新算法 有助于改进自动驾驶导航系统

新算法|加州理工学院开发新算法有助于改进自动驾驶导航系统