Son yıllarda kamera İnternetteki derin öğrenme araştırmaları çok güçlü bir şekilde gelişiyor. Tersine, Lidar (LiDAR) Çok fazla akademik ilerleme yok.
Ancak lidar tarafından toplanan verilerin birçok avantajı vardır. gibi Mekansal bilgi Zengin, örneğin Yetersiz ışık Algıyı vb. Etkilemez.
Tabii ki var Dezavantaj . Lidar verileri, RGB görüntülerinin eksikliği Yerel çözünürlük Ve verimli Dizi yapısı (Dizi Yapısı). ve, 3B nokta bulutu Sinir ağında olmak zor kodlama .
Lidar ve kamerayı birleştirebilirseniz, Bir cihaz ol Yeter.
Lidar üreticisi Ouster , Quanergy'nin eski kurucu ortağı Angus Pacala tarafından kurulan yeni bir şirkettir.
Ouster'ın kurucu ortağı ve CEO'su
Geçen yıl Kasım ayında şirket lanse edildi OS-1 Lidar, buradan başlamak istiyorum sözünü kesmek Lidar ve kamera limit .
Ana fikir, lidar verilerinin yeterince iyi İçin tasarlanmış olsa bile RGB görüntüsü Yeni derin öğrenme algoritması da kullanılabilir.
Pacala, OS-1'in artık Gerçek zamanlı çıktı Sabit çözünürlük Derinlik resmi (Derinlik Resmi), Sinyal görüntüsü (Sinyal Resmi) ve Çevresel imaj (Ortam Görüntüsü).
Bu görevler Kamera gerekmez Katılım.
Yüksek hızlı bağıl hareket sırasında jöle etkisi yaratmak kolaydır
Veri katmanı ile veri katmanı arasında Uzamsal korelasyon nın-nin. Ateş etmek Yüksek hızlı hareket Nesnelerin üretilmesi kolay değil Jöle etkisi (Deklanşör Efektleri).
Ek olarak, OS-1 açıklık , Çoğu SLR kameranın açıklığından daha büyük olan, yetersiz ışıklı sahneler için uygundur.
Ekip ayrıca düşük ışık hassasiyeti geliştirdi Foton sayma ASIC , Düşük ışıkta toplandı çevre görüntü.
Yukarıdan aşağıya: ortam, yoğunluk, aralık görüntüsü ve nokta bulutu
Ekipman olabilir Kızılötesine yakın Bant yakalama sinyal karşı Çevresel bilgiler , Elde edilen veriler ve olağan Görülebilir ışık Görüntü pek farklı değil.
Bu şekilde, RGB görüntülerini analiz etmek için kullanılan algoritmalar aynı zamanda lidar verilerini de işleyebilir.
Arkadaşlar ayrıca Ouster'ı da kullanabilir (şimdi ürün yazılımı yükseltmesi) Açık kaynak sürücüsü Verileri 360 derece panoramik dinamiğe dönüştürün:
Hareketli görüntü sıkıştırılır
Sensör çıktı verileri, Ön işlem gerektirmez , Böyle bir etkidir.
Daha önce de belirtildiği gibi, veriler yeterince iyi olduğu sürece, derin öğrenme yapmak için kameralar için geliştirilen bu algoritmaları kullanabilirsiniz.
Koymak derinlik , gücü ile Çevresel bilgiler , Bir vektöre kodlanmış. Tıpkı RGB görüntüsü Olarak kodlanabilir Kırmızı, yeşil ve mavi kanallar aynı.
Peki, OS-1'in veri kalitesi nedir?
Veriler çok mutlu bir şekilde çalıştı
Pacala, kullandıkları algoritmaların ve Lidar ile işbirliğinin çok hoş olduğunu söyledi.
Kestane ver, eğitmişler Piksel anlamsal sınıflandırıcı , Sürülebilen yolları, diğer arabaları, yayaları ve bisikletleri ayırt etmek.
Burası San Francisco, sınıflandırıcıyı NVIDIA GTX 1060 üzerinde çalıştırıyor ve gerçek zamanlı olarak böyle bir ** semantik segmentasyon ** etkisi yaratıyor:
Anlamsal bölümleme: yol arabadır, arabadır
Bu ekip tarafından yapılan ilk uygulama.
Veriler piksel pikseldir, böylece sorunsuz bir şekilde entegre edilebilir 2D çevirmek 3 boyutlu Sınırlayıcı Kutu Tahmini gibi gerçek zamanlı işleme için çerçeveler.
Ekip ayrıca derinliği, sinyali ve çevreyi de entegre etti. ayrı , tek başına Sinir ağına koyun ve çalıştırın.
SuperPoint projesinde kullanılan bir kestane Ön eğitim Sinir ağı, gel ve koş gücü ile derinlik görüntü.
Ağ, RGB görüntüleri üzerine eğitilmiştir ve asla lidar / derinlik verilerine maruz kalmamıştır. İlk tanıştığımda, öncekiyle aynıydı:
Hala anlamsal segmentasyon, sadece yoğunluk (üst) ve derinlik (alt) verilerini ayrı ayrı çalıştırdı
Pacala dedi ki, Lidar Tüneller ve otoyollar gibi düzenli bir geometrik ortamda aralık değiştirmek pek de mutlu olmayabilir; ve Vizyon Doku ve ışıkta değişiklik olmadığında, aralıklar bir kayıp olacaktır.
OS-1 için Çok modlu İki yöntemi birleştirerek iyileştirici etki farklıdır.
1 + 1 > 2. Muhtemelen Ouster'ın ifade etmek istediği şey budur.
2015'in başlarında Angus Pacala, Quanergy'den ayrıldı.
Aynı yıl Silikon Vadisi'nde Ouster kuruldu.
Mütevazı değil
Aralık 2017'de şirket, 27 milyon ABD doları Bir tur finansman ve fiyatı da başlattı 3,500 ABD doları OS-1.
Tempo hızlı değil ama gidecek yolu bulduğu da düşünülüyor.
Görüntü semantik bölümleme algoritması başlangıçta sonuçlarını onayladı.
Ancak kamera özelliklerini bünyesinde barındıran lidarın otonom araçlarda nasıl performans göstereceği hala bilinmiyor.
Orta orijinal portal:
https://medium.com/ouster/the-camera-is-in-the-lidar-6fcf77e7dfa6
GitHub Portalı:
https://github.com/ouster-LIDAR
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! İlgili ayrıntılar için lütfen QbitAI diyalog arayüzünde "işe alım" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin