国际团队在自动驾驶车辆技术方面取得了巨大的进步

自动驾驶车辆即将革新交通运输业，但其成功实施取决于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来确保自动驾驶汽车在不同地形上提供安全操作。为了确保乘客安全不会被损害，因为这些尖端汽车变得更加普遍，需要开发强大的方法来快速可靠地检测潜在危险。

自驾驶汽车依赖于高科技传感器，如LiDAR、雷达和RGB摄像头，来生成大量信息，以正确识别行人、其他驾驶员和潜在危险。将高级计算能力和物联网集成到这些自动驾驶汽车中，使得能够快速处理这些数据，以便更高效地导航不同区域和物体。最终，这使得自动驾驶汽车能够做出比传统人类驾驶员更准确的瞬间决策。

自动驾驶技术的巨大进步

仁川国立大学的Jeon Gwanggil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的巨大进步。他们开发的创新智能物联网端到端系统使用深度学习实现实时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物体，即使在低光照或异常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。这些功能使得在各种交通场景中导航更安全，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、准确地理解其周围环境和条件以执行响应动作至关重要，”Jeon教授解释道。“我们设计了一个基于YOLOv3的检测模型，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到YOLOv3中，YOLOv3然后输出带有置信度评分的分类标签和边界框。其性能随后使用Lyft数据集进行测试，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%）。该模型在检测方面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，自动驾驶主要是通过基于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，自动驾驶车辆使用的技术每时每刻都在变化，我们处于前沿，”Jeon教授说。“基于元素技术的发展，未来5-10年内将会有更安全的自动驾驶车辆问世。”