2025年10月31日
TE2025年10月30日
罗克韦尔2025年10月24日
采埃孚2025年10月24日
兆易创新2025年10月24日
欣旺达2025年10月27日
魏德米勒
2025年10月22日
倍福
2025年10月16日
罗克韦尔
2025年10月16日
明珞装备
2025年10月11日
EMAG
2025年10月31日
海克斯康
2025年10月24日
Melexis
2025年10月24日
倍加福
2025年10月23日
科尔摩根
2025年10月23日
海康机器人
对于自动驾驶汽车而言，能够快速检测到道路上的其他车辆或行人至关重要。卡耐基梅隆大学（Carnegie Mellon University）研究人员发现，帮助车辆识别其看不到的物体，可以显著提高检测精度。
很明显，人类视线中的物体会遮挡或模糊更前方的物体。但卡耐基梅隆大学机器人研究所博士Peiyun Hu表示，自动驾驶汽车通常不是这样判断周围物体的。
自动驾驶汽车使用激光雷达3D数据将物体表示为点云，然后将这些点云与物体3D表示库匹配。Hu表示，问题在于，车辆激光雷达3D数据并不非真正的3D，传感器无法看到物体被遮挡的部分，而目前的算法也无法推断出被遮挡的部分。Hu表示，“感知系统必须知道被遮挡的物体。”
Hu的研究使自动驾驶汽车感知系统能够在推断传感器所看到的东西时考虑可见性。事实上，关于可见性的推理已经被一些公司用于构建数字地图。
卡耐基梅隆大学机器人学副教授Deva Ramanan解释称，“地图构建从根本上解释了哪些地方是空的，哪些地方被占用了。但对以交通速度移动的障碍物进行实时处理时，这并不常用。”
在计算机视觉和模式识别（CVPR）大会上，Hu及其同事们借鉴地图制作技术，帮助系统在识别物体时推断物体的可见性。 在标准基准测试中，他们的方法表现优于之前的技术，对小汽车的检测提高了10.7%，对行人的检测提高了5.3%，对卡车的检测提高了7.4%，对公共汽车的检测提高了18.4%，对拖车的检测提高了16.7%。
以往的系统没有考虑到可见性，原因之一可能是考虑到计算时间。但Hu表示，其团队的方法只需要24毫秒，而激光雷达每次扫描时间位100毫秒。
官方微信号
官方视频号
