или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Технология определения пешеходов для беспилотных авто от Google

schedule 30.05.2015 в 10:30 link беспилотники БПТС Google ICRA ICRA 2015
Автомобили-роботы Google ездят по солнечным дорогам Маунтин-Вью, штат Калифорния. Но они по-прежнему не надежны касательно пешеходов. На Международной конференции по робототехнике и автоматизации ICRA в Сиэтле, которая прошла 27 мая,посетители имели возможность получить вкратце информацию о новой функции безопасности, над которой работает информационный гигант, - передает Robotics.ua.



Анелия Ангелова (Anelia Angelova), научный сотрудник Google, которая работает над компьютерным зрением и машинным обучением, представила новую систему обнаружения пешеходов, которая работает на основе видео изображений. Распознавание, отслеживание и избегание людей является критически важным для любой беспилотной машины, и транспортные средства компании Google должным образом оснащены лидарами, радарами и камерами, чтобы гарантировать, что они определяют людей за сотни метров.

Но технологии датчиков являются дорогостоящими. В частности, вращающийся блок лидар на крыше может стоить около $ 10,000. Если автономные транспортные средства могут надежно определить людей, используя дешевые камеры, было бы неплохо снизить их стоимость и войти в эпоху роботов-автомобилистов, защищенных от аварий. Но видеокамеры имеют свои проблемы. «Визуальная информация дает более широкое представление, чем радары, но медленнее обрабатывает данные», - сказала Ангелова.

Медленно, но уверенно

Лучшие системы видеоанализа используют глубокие алгоритмы сети машинного обучения, которые могут быть обучить автомобиль классифицировать изображения и другие виды данных крайне осторожно. Глубокие нейронные сети полагаются на несколько слоев обработки между слоями ввода и вывода. Для распознавания изображений, входной слой узнает особенности пикселей изображения. Следующий слой узнает комбинации этих функций, и так далее через промежуточные слои с более сложными корреляциями. Выходной слой делает предположение о том, что видит система.

Современные глубокие сети могут превзойти людей в таких задачах, как распознавание лиц с уровнем точности более 99,5 процентов. Но традиционные глубокие сети, применяемые для обнаружения пешеходов очень медленны в работе, разделяя каждый образ на 100000 или более крошечных пятен, а затем анализируя каждое из них. Это может занять несколько секунд или даже минут, что является бесполезным для навигации по улицам города. Пока датчики с помощью такого подхода выявят пешехода, который внезапно возникает на пути,автомобиль, возможно, уже наедет на него.

Принцип работы нового детектора

Новый, высокоскоростной детектор имеет три отдельных этапа обработки информации. Первый – это  глубокие сети, которые режут изображение в сетке на только несколько десятков, а не на десятки тысяч фрагментов. Эта сеть может сделать несколько обнаружений одновременно в нескольких местах, выбирая то, что является пешеходом. Второй этап – это другая сеть, которая уточняет полученный результат, и третий – это традиционная глубокая сеть, которая доставляет последнее слово автомобилю при появлении человека.

Тем не менее, поскольку это медленный процесс, глубокая сеть только анализирует небольшую часть изображения, где пешеходы, вероятно, будут находиться, а весь процесс проходит гораздо быстрее, в 60 и 100 раз, чем предыдущие сети. Технология может определить пешеходов примерно за 0,25 секунды. (Исследователи используют хорошо известную базу данных пешеходных изображений, а не видео из автомобилей Google, потому что это позволяет им сравнивать свои результаты с предыдущими технологиями).



«Это все еще не 0,07 секунд, необходимые для определения пешеходов в реальном времени», говорит Ангелова. «Но это означает, что новая система может быть взаимодополняющей в случае выхода других датчиков из строя».

Поскольку более мощные процессоры становятся доступными и способность нейронной сети возрастает, Ангелова ожидает, что производительность этих технологий будет улучшаться. «Для сетей с более крупными полями зрения можно рассчитывать даже на большую скорость», говорит она.

К тому времени, пока автомобили самостоятельного вождения станут доступны для широкой общественности, их отличительные технологии радаров могут и вовсе исчезнуть.

Комментарии: