国际团队在自动驾驶车技术方面取得重大突破

自动驾驶车辆即将革新交通运输方式 —— 然而，其成功实施取决于能够准确识别和应对外部威胁的能力。从信号处理和图像分析算法到集成物联网基础设施的深度学习智能系统，需要利用一系列技术，以便自动驾驶汽车能够在多种地形上提供安全的操作。为了确保乘客安全不会在这些尖端汽车变得更加普遍时受到损害，需要开发强大的方法来快速、可靠地检测潜在的危险。

自动驾驶车辆依赖于高科技传感器，如LiDAR、雷达和RGB摄像头，生成大量信息，以便正确识别行人、其他驾驶员和潜在的危险。将高级计算能力和物联网（IoT）集成到这些自动驾驶汽车中，使得能够快速处理这些数据，以便更高效地导航各种区域和物体。最终，这使得自动驾驶车辆能够做出比传统人类驾驶员更准确的瞬间决定。

自动驾驶技术取得巨大进步

仁川国立大学（Incheon National University）韩国的Gwanggil Jeon教授及其国际团队进行的开创性研究标志着自动驾驶技术取得了巨大的进步。他们开发的创新智能IoT启用的端到端系统允许使用深度学习实时进行3D物体检测，使其比以往任何时候都更可靠、更高效。它可以更准确地检测到更多的物体，即使在低光照或特殊天气条件等具有挑战性的环境中 —— 其他系统无法做到这一点。这些功能使得自动驾驶车辆能够更安全地在各种交通场景中导航，提高了自动驾驶系统的标准，并为全球道路安全做出了贡献。

该研究发表在期刊IEEE Transactions of Intelligent Transport Systems上。

“对于自动驾驶车辆，环境感知至关重要，以回答一个核心问题，‘我周围有什么？’对于自动驾驶车辆来说，能够有效地、准确地理解其周围的条件和环境以执行响应动作至关重要，”Jeon教授解释道。“我们根据YOLOv3开发了一个检测模型，YOLOv3是一种著名的识别算法。该模型最初用于2D物体检测，然后修改为3D物体，”他继续说。

基于YOLOv3的模型

该团队将收集的RGB图像和点云数据输入YOLOv3，然后输出带有置信度得分的分类标签和边界框。其性能随后使用Lyft数据集进行了测试，初步结果表明YOLOv3在2D和3D物体检测方面实现了极高的准确率（>96%）。该模型的性能优于各种最先进的检测模型。

这种新开发的方法可以用于自动驾驶车辆、自动停车、自动送货和未来自动机器人。它还可以应用于需要物体和障碍物检测、跟踪和视觉定位的应用中。

“目前，自动驾驶是通过基于LiDAR的图像处理来实现的，但预计普通摄像头将在未来取代LiDAR的作用。因此，自动驾驶车辆中的技术每时每刻都在变化，我们处于前沿，”Jeon教授说。“基于元件技术的发展，未来5-10年内将会有更安全的自动驾驶车辆问世。”