新的数据集可帮助火车在冬季自动驾驶

 智能工业机器人     |      2020-02-13 12:06

导读:虽然最先进的无人驾驶汽车在公共道路上可以像冠军一样应对恶劣的天气和风暴,但某些类型的雨仍然对它们构成挑战,如雪这是因为雪覆盖了对汽车自我感知至关重要的摄像头,并诱导传

虽然最先进的无人驾驶汽车在公共道路上可以像冠军一样应对恶劣的天气和风暴,但某些类型的雨仍然对它们构成挑战,如雪这是因为雪覆盖了对汽车自我感知至关重要的摄像头,并诱导传感器感知不存在的障碍物,还因为雪覆盖了路标和其他通常用作导航地标的建筑。

为了刺激能在寒冷天气下行驶的汽车的发展,初创公司Scalai本周发布了加拿大反向驾驶条件(CADC)的源代码。数据集包含56,000幅图像,包括滑铁卢大学和多伦多大学创造的降雪条件。到目前为止,尽管已经发表了一些带有雪传感器样本的语料库,包括林雪平大学的AMUSE和Mappipel Vistas数据集,但国际汽车协会称,CADC是第一个关注汽车“真实世界”驾驶员的下雪天气的国家。

“开车进入雪地很难——许多司机都知道这一点然而,因为雪会影响驱动它的关键硬件和人工智能算法,寒冷的环境对无人驾驶汽车来说尤其困难,”Scale AI的首席执行官亚历山大·王在他的博客中写道“熟练的司机可以在任何天气走同一条路——但是今天的反车辆模式不能以同样的方式提升他们的体验。为此,他们需要更多的数据“

AI Scale表示,在CADC捕获的路线是根据交通水平和障碍物(例如,汽车、行人、卡车、公共汽车、带轮子的垃圾箱、交通引导物体、自行车、马和手推车以及动物)以及最重要的降雪来选择的多伦多滑铁卢大学与滑铁卢大学的人工智能实验室(TRAIL)和滑铁卢智能系统工程实验室(WISE实验室)共同创建了自治平台自治OSE。工程师团队驾驶装备有林肯MKZ混合激光雷达、惯性传感器、全球定位系统和视觉传感器(包括8个广角相机)沿着20公里(12.4英里)的滑铁卢路行驶。

比例人工智能使用其数据注释平台(将人工工作和审查与智能工具、统计置信度检查和机器学习检查相结合)来标记每个生成的相机图像、7000次激光雷达扫描和75个50-100帧的场景它声称,相对于七个不同的标注质量区域,其准确度“远远高于”通过人工或合成标记技术独立获得的准确度。滑铁卢大学的Krzysztof Czarnecki教授希望这个数据集能让更广泛的研究团体与在冬季测试自动驾驶汽车的公司(包括Alphabet的Waymo、Argo和Yandex)平起平坐虽然阿尔戈和韦莫都发布了开源驱动数据集,但它们不包含CADC降雪的传感器读数

Czarnecki说:“我们想让研究团体参与进来,产生新的想法,实现创新。””“这是解决真正困难问题的方法。这些问题太大了,任何人都无法自己解决。“


  • 共2页:
  • 上一页
  • 1
  • 2
  • 下一页