Первый и единственный набор данных, содержащий полный набор датчиков для автономных транспортных средств
Новый полноценный набор датчиков для крупномасштабного автономного вождения
Это краткое изложение исследования – лишь одно из многих, которые еженедельно публикуются в информационном бюллетене для ученых, занимающихся искусственным интеллектом. Чтобы начать получать еженедельную рассылку, зарегистрируйтесь здесь.
Предполагается, что автономное вождение может спасти множество жизней. Беспилотные автомобили не могут так сильно отвлекаться от вождения, как водители-люди, что приводит к сотням автомобильных аварий.
Но обнаружение и отслеживание объектов в реальном времени, которые имеют основополагающее значение для современной реализации технологии автономных транспортных средств, все еще далеки от совершенства. Они продолжают все больше полагаться на глубокое обучение, что, в свою очередь, вызывает потребность в стандартных наборах контрольных данных на основе изображений для высококлассного обучения и оценки.
Проблема заключается в отсутствии крупномасштабных мультимодальных наборов данных, которые имеют решающее значение, поскольку сам по себе ни один датчик не является достаточным, а типы датчиков требуют некоторой гармонизации.
NuScenes: новый мультимодальный набор данных для беспилотных автомобилей
Новое исследование представило крупномасштабный набор данных для автономного вождения, который впервые включает полный набор датчиков, включая 5 радаров, 1 лидар, 6 камер, IMU и GPS. Сцены NuTonomy (NuScenes) содержат в 7 раз больше и в 100 раз больше изображений, чем набор данных KITTI, охватывающий 23 категории, включая различные транспортные средства, типы пешеходов, мобильные устройства и другие объекты.
Исследователи также определили новый 3D-подход для объединения различных аспектов и задач обнаружения объектов, включая размер, классификацию, ориентацию, локализацию, скорость и оценку атрибутов. Анализ наборов данных и базовая производительность лидарных методов обнаружения и методов обнаружения на основе изображений показывают, что, хотя детекторы, использующие только лидар или только изображения, обеспечивают многообещающие результаты обнаружения, сети, использующие только лидары, в настоящее время обеспечивают превосходную производительность.
Возможное использование и эффекты
NuScenes улучшит обнаружение объектов, ускорив исследования и разработку технологии автономных транспортных средств, и может помочь приблизить эту технологию к практичности. Мне понравилось, что исследователи поощряют дальнейшее изучение NuScenes, чтобы сделать возможным использование всех данных датчиков, а также использовать семантические карты для еще большей производительности, поскольку каждый модальность датчика предоставляет дополнительные функции для обучения обнаружению 3D-объектов.
Кроме того, исследование способствовало проведению первого испытания обнаружения nuScenes, которое будет запущено в апреле 2019 года. Победители и результаты конкурса будут объявлены на семинаре по автономному вождению.
Дополнительная информация и код были доступны и могут быть доступны здесь.
Спасибо за чтение. Пожалуйста, комментируйте, делитесь и не забывайте подписаться! Кроме того, подписывайтесь на меня в Twitter и LinkedIn. Не забудьте поставить 👏, если вам понравилась эта статья. Ваше здоровье!
