![Remekül sikerült a Ganz tavalyi éve](https://autopro.cscdn.hu/img/lead/1029021/Ganz-forgogep_941c2e94304a6ef5e1e60b4a3892e83c.jpg)
![Remekül sikerült a Ganz tavalyi éve](https://autopro.cscdn.hu/img/lead/1029021/Ganz-forgogep_941c2e94304a6ef5e1e60b4a3892e83c.jpg)
Trend 3D-s térképalkotás fejlesztheti az önvezetést
Fotó: Freepik
Előrelépést jelenthet az önvezető autók számára egy olyan új fejlesztés, amivel a mesterséges intelligencia (MI) több kamera 2D-s képeit felhasználva jobb minőségben tudja leképezni a 3D-s tereket. A technológia hatékonysága miatt alacsony számítási teljesítményt igényel, így az önvezető autók navigációs képességeinek fejlődését hozhatja.
Tianfu Wu, a fejlesztésről szóló tanulmány szerzője és az Észak-Karolinai Állami Egyetem villamossági és számítástechnikai docense elmondta, hogy az önvezető autókban többségében olyan MI-t használó programok működnek, amelyek több kamerából származó 2D-s képek segítségével képesek újraalkotni a jármű körüli területet 3D-ben. „Bár mindegyik MI-program más megközelítést alkalmaz, még mindig sok lehetőség van a fejlődésre” – tette hozzá Wu.
„A mi eljárásunk, név szerint a Multi-View Attentive Contextualization (MvACon), egy könnyen beépíthető kiegészítő, ami a már meglévő vizualizációs szoftverekkel együtt használható azok 3D-s térképalkotásának fejlesztésére. A vizualizációs szoftverek nem kapnak ezáltal több adatot a kameráktól, csupán jobban tudják használni ezeket az adatokat” – mondta el Wu.
Az új fejlesztés módosítja a tavaly kiadott Patch-to-Cluster (PaCa) módszert is, ami hatékonyabbá és effektívebbé teszi a vizualizációs MI-k tárgyfelismerését. „A fő fejlesztést itt az jelenti, hogy a több kamerát használó 3D-s térképalkotásban is alkalmazzuk azt, amit a PaCa-val bemutattunk” – tette hozzá.
Az MvACon teljesítményének tesztelésére a kutatók három vizualizációs szoftvert használtak, név szerint a BEVFormer-t, annak DFA3D változatát, valamint a PETR-t. Ezek mindegyike hat kamerából gyűjtötte az adatokat. Az MvACon mindhárom esetben jelentősen javította a vizualizációs szoftverek teljesítményét, ami Wu elmondása szerint leginkább a tárgyak helyzetének, sebességének és irányának meghatározásánál volt megfigyelhető. „Az MvACon hozzáadásával elhanyagolható mértékben nőtt az igényelt számítási teljesítmény mennyisége” – tette hozzá Wu.
A fejlesztők következő lépései közé tartozik az MvACon további tesztelése viszonyítási alapot jelentő adathalmazokat, valamint önvezető autókból származó, valódi videóanyagokat felhasználva. „Ha az MvACon a továbbiakban is túlteljesíti a létező vizualizációs szoftvereket, akkor bizakodók lehetünk a széles körű elterjedésével kapcsolatban” – idézi Wu-t a The Engineer.
Tetszett ez a hír? Ne maradjon le a legfontosabb járműipari hírekről, iratkozzon fel hírlevelünkre ezen a linken!
Kiemelt Partnereink