使用基于深度学习的目标检测系统增强自动驾驶汽车的安全性

长期以来，自动驾驶汽车或自动驾驶汽车一直被指定为下一代交通方式。为了使此类车辆能够在不同环境中自主导航，需要实施与信号处理、图像处理、人工智能深度学习、边缘计算和物联网相关的许多不同技术。

围绕自动驾驶汽车普及的最大担忧之一是安全性和可靠性。为了确保用户的安全驾驶体验，自动驾驶汽车必须准确、有效、高效地监控和区分周围环境以及对乘客安全的潜在威胁。

为此，自动驾驶汽车采用高科技传感器，例如光探测和测距(LiDaR)、雷达和RGB摄像头，它们会生成大量数据作为RGB图像和3D测量点，称为“点云”。

快速准确地处理和解释这些收集到的信息对于行人和其他车辆的识别至关重要。这可以通过将先进的计算方法和物联网(IoT)集成到这些车辆中来实现，从而可以更有效地对各种环境和障碍物进行快速、现场数据处理和导航。

在最近发表在IEEETransactionsofIntelligentTransportSystems上的一项研究中，由韩国仁川国立大学GwanggilJeon教授领导的一组国际研究人员现已开发出一种支持智能物联网的端到端系统，用于实时检测3D物体基于深度学习的时间，专门用于自动驾驶情况。

“对于自动驾驶汽车，环境感知对于回答一个核心问题至关重要，‘我周围有什么?’自动驾驶汽车必须能够有效、准确地了解其周围的条件和环境，以便执行响应操作，”Jeon教授解释说。

“我们基于著名的识别算法YOLOv3设计了一个检测模型。该模型首先用于2D对象检测，然后针对3D对象进行修改，”他详细说明。

该团队将收集到的RGB图像和点云数据作为输入提供给YOLOv3，YOLOv3进而输出分类标签和具有置信度分数的边界框。然后他们使用Lyft数据集测试了它的性能。早期的结果表明，YOLOv3对2D和3D物体都实现了极高的检测精度(>96%)，优于其他最先进的检测模型。

该方法可应用于自动驾驶汽车、自动泊车、自动送货和未来的自动机器人，以及需要物体和障碍物检测、跟踪和视觉定位的应用。

“目前，自动驾驶是通过基于激光雷达的图像处理来进行的，但预计未来通用摄像头将取代激光雷达的作用。因此，自动驾驶汽车使用的技术每时每刻都在变化，我们处于最前沿，”全教授说。“基于要素技术的发展，安全性更高的自动驾驶汽车应该在未来5-10年内问世。