<mark id="oztn4"></mark>
1
| 本文作者： 張偉 | 2016-09-14 09:00 | 專題：GPU引爆中國新興企業(yè)——GTC CHINA2016大會(huì)專題 |
前英特爾中國研究院院長(zhǎng)、馭勢(shì)科技CEO吳甘沙在Nvidia GTC大會(huì)上演講
當(dāng)吳甘沙的身份變成馭勢(shì)科技CEO之后，他也成為各類自動(dòng)駕駛論壇的常客，此次Nvidia在京舉辦的GPU技術(shù)大會(huì)，便有他的主題演講。從現(xiàn)場(chǎng)的幻燈片來看，大致內(nèi)容與以往相比無太大變化，有一些小更新，我們來回顧一下。
與業(yè)界多數(shù)人觀點(diǎn)一致，吳甘沙認(rèn)為人工智能是未來大趨勢(shì)，2016年的人工智能相當(dāng)于1996年的互聯(lián)網(wǎng)和1976年的PC，后兩者分別引領(lǐng)了20年的數(shù)字化和網(wǎng)絡(luò)化，接下來的20年將是人工智能波瀾壯闊的20年。
篤定智能駕駛的未來
在吳甘沙看來，未來5到10年，智能駕駛的市場(chǎng)輻射規(guī)模將是最大的，而且社會(huì)效應(yīng)也會(huì)最卓著。因?yàn)樵?020這個(gè)重要的時(shí)間節(jié)點(diǎn)，多數(shù)車廠都會(huì)推出新的車型，帶動(dòng)激光雷達(dá)的訂單增長(zhǎng)，從而將單價(jià)從75000美元壓縮到500美元以內(nèi)，推動(dòng)自動(dòng)駕駛汽車的量產(chǎn)。
在過往的多次演講中，吳甘沙已經(jīng)闡述了其對(duì)智能駕駛發(fā)展階段的界定：
吳甘沙眼中的智能駕駛發(fā)展階段，這一次他沒提203X年（制表：雷鋒網(wǎng)）
目前我們還只經(jīng)歷了前兩個(gè)階段：從駕駛輔助到輔助駕駛。二者的技術(shù)要求也有很大不同。
1、駕駛輔助重要的是誤報(bào)率要低，而漏報(bào)率則并沒有那么重要。
2、輔助駕駛漏報(bào)率必須是0，同時(shí)其誤報(bào)率也必須非常低。
因?yàn)橐淮温﹫?bào)就可能車毀人亡，而莫名其妙緊急剎車則非常影響體驗(yàn)，同時(shí)很危險(xiǎn)。
1、駕駛輔助只需要視覺傳感器來做感知。
2、輔助駕駛需要視覺、毫米波/超聲波雷達(dá)等多傳感器融合來做感知、規(guī)劃、決策及控制等一系列動(dòng)作。
▼
如今，多數(shù)廠商都想在輔助駕駛上做得更好。
吳甘沙照例以特斯拉在5月份的首起自動(dòng)駕駛撞車事故為例闡述了目前解決方案的一些弊端：因?yàn)閿z像頭和激光雷達(dá)存在不可避免的缺陷（比如不能清晰辨別出前方是車身還是橋梁）而釀成悲劇。目前特斯拉也正在不斷升級(jí)其輔助駕駛系統(tǒng)。
針對(duì)此，吳甘沙給出的方案是：
1、通過深度學(xué)習(xí)算法，進(jìn)行車輛識(shí)別、行人識(shí)別、標(biāo)識(shí)牌識(shí)別以及車道線識(shí)別，無論遠(yuǎn)近、類型、角度還是有無遮擋都能識(shí)別，感知環(huán)境能力更強(qiáng)。但是當(dāng)其他車輛從本車的側(cè)后方出現(xiàn)時(shí)，很難識(shí)別出來，這個(gè)時(shí)候，深度學(xué)習(xí)算法也是有缺陷的。
2、基于立體視覺的算法，通過立體攝像頭進(jìn)行車輛捕捉和識(shí)別，深度學(xué)習(xí)算法的缺陷就被彌補(bǔ)了。并且還能識(shí)別出不平整的道路表面。
三目立體攝像頭（左中右三個(gè)攝像頭）
3、建立一個(gè)多任務(wù)的識(shí)別網(wǎng)絡(luò)，將深度學(xué)習(xí)算法和立體視覺算法組合在一起，系統(tǒng)性對(duì)行人、車輛、標(biāo)示、車道線等進(jìn)行識(shí)別。
而且，他正在建立一個(gè)全面的世界模型，可以識(shí)別不同國家、地區(qū)道路上的突發(fā)狀況（例如澳大利亞袋鼠跳到路上、中東地區(qū)的駱駝闖入道路等），同時(shí)將深度學(xué)習(xí)算法融合進(jìn)去，令輔助駕駛表現(xiàn)得更好。
全面世界模型
除去以上路面檢測(cè)部分，還有可行駛區(qū)域（道路的可行駛范圍）以及非結(jié)構(gòu)化道路（雪天的道路邊界被掩埋）的檢測(cè)，這個(gè)時(shí)候也需要深度學(xué)習(xí)算法來讓檢測(cè)更加精確。
▼
識(shí)別與檢測(cè)方案給出后，接下來要解決定位與地圖的問題：達(dá)到分米甚至厘米的精度。
定位方案
目前很多廠商使用慣性導(dǎo)航系統(tǒng)與GPS RTK（高精度GPS）作為解決方案，可以給出準(zhǔn)確的定位信息。但是目前慣導(dǎo)系統(tǒng)基本上價(jià)格非常昂貴，并不是最優(yōu)解。
吳甘沙認(rèn)為，使用視覺里程計(jì)代替慣性導(dǎo)航系統(tǒng)，也能實(shí)現(xiàn)不錯(cuò)的效果，準(zhǔn)確率很高。目前他的團(tuán)隊(duì)正在做這件事。
地圖方案
區(qū)別于Google和其他地圖廠商的高精度地圖，目前吳甘沙給出的地圖方案是：
1、基于Landmark（即道路標(biāo)識(shí)：道路兩旁的標(biāo)牌）；
2、基于Lanemark（上帝視角鳥瞰“Bird View”道路表面的標(biāo)線），精度達(dá)到10cm的級(jí)別。
這種方案的地圖采集設(shè)備價(jià)格較低、定位設(shè)備價(jià)格較低且實(shí)時(shí)更新，是為自動(dòng)駕駛專門制作的地圖。
▼
吳甘沙還提到，目前攝像頭還有很多創(chuàng)新的機(jī)會(huì)，可以借鑒自然界一些鬼斧神工的創(chuàng)造比如：蒼蠅的腹眼、老鷹的超遠(yuǎn)距離眼、變色龍的360度環(huán)視眼、哈士奇的夜視眼。
未來，一輛車身上將有6-8個(gè)高精度攝像頭，分辨率超過750萬像素，與毫米波/激光雷達(dá)更好地進(jìn)行融合，在異構(gòu)視覺融合方面做得更出色，服務(wù)于自動(dòng)駕駛甚至無人駕駛。
最后，他認(rèn)為，并不是最好的深度學(xué)習(xí)算法就是最適合解決問題的（方案），軟件和硬件要針對(duì)問題進(jìn)行適配。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
