机器视觉检测在自动驾驶领域中的应用
时间:2017-10-20 来源:本文转载于网络,由机器视觉检测设备厂家创盈时代整理,欢迎转载,转载请注明出处 点击:922
目前汽车行业正在经历着一场巨大的变革,前不久,深圳已经有自动驾驶的公交车了,其自动驾驶的原理就是利用机器视觉检测,随着技术的发展,未来10年的变化将超过过去50年的发展。其中最大的一个改变就是半自动和全自动车辆,也就是我们常说的自动驾驶汽车。变革的程度仍然取决于每个人认识的程度,自动驾驶汽车会是汽车行业的最大破坏者吗?还是汽车行业变革过程中一个关键的节点?
自动驾驶汽车的发展是循序渐进的,我们需要不断达到各种阶段或者里程碑。但是目前我们可以预测到这个发展轨迹是2016年的辅助驾驶、2021年自动驾驶、2025年全自动汽车的出现。
机器视觉处理对于自动驾驶汽车的重要性
机器视觉处理多年来一直存在于卷积神经网络的应用中,这些算法能够从传感器的输入的数据提取有用的信息。对于场景的分析CNN是非常高效的,能够分辨出很多对象如汽车、人、动物、道路标志、道路交叉点、路边标志(物体),能够确定场景中的相关现实对象。所有这些操作都是实时的,只要传感器部分设置完成后,后续的融合/决策操作就会发生。无论是一个还是所有传感器(LIDAR(激光探测与测量)、雷达、摄像头、红外传感器)的输入数据有所改变,系统就会立刻做出最佳的决策。比如刹车的场景(远超过驾驶员的反应时间),汽车自动驾驶系统会立刻分析距离、感应速度,做出刹车操作的反应时间是任何人为操作所不能及的。
CNN的网络部分是由很多“层”来组成的,将图像识别的问题进行分解——从边沿、角落、圆圈的查找逐渐能够辨别道路标志,进而能够识别道路标志的意思。为了能够让这个网络正常工作需要经历一系列的训练阶段,输入大量相关图像的数据集,这样CNN才能够学习辨别各种物体。通过数据集的学习这个网络会设置不同的权重。训练过程属于计算密集型操作,可能会持续数个小时或者几天。
即使这个网络系统部署在汽车上了,它也是会不断的进行训练推理,这样能够让网络学习不同的实时场景,更新权重系数,提供更加精确的决策。通过训练掌握了大量的标志识别,CNN能够提取出有用的信息并反馈给决策层,这样从LIDAR、雷达和摄像头输入的传感器数据能够实现融合和场景分析,最后让汽车做出正确的反应,这一列的决策可以显示在汽车的显示屏上或者对汽车操作进行实际的干预,比如刹车或者变道。
深圳市创盈时代科技有限公司是一家专注于机器视觉,视觉检测设备,CCD光学检测设备,机器视觉检测,视觉方案定制,非标自动化设备的研发生产和销售于一体的国家高新技术企业。
原文地址:http://www.chytime-ccd.com/hyxw/247.html
本文关键字:机器视觉检测 自动驾驶 无人驾驶