DRIVE Labs – NVIDIA 技術博客

利用雷達網探測障礙物和可行駛自由空間

Mon, 13 Mar 2023 04:32:14 +0000

檢測可駕駛自由空間是高級駕駛員輔助系統（ ADAS ）和自動駕駛汽車（ AV ）感知的關鍵組成部分。障礙物檢測通常用于檢測一組特定的動態障礙物，如車輛和行人。相比之下，自由空間檢測是一種更通用的障礙物檢測方法。它使自動駕駛汽車能夠安全地繞過許多類型的障礙物，如樹木或路緣石，即使沒有經過明確的訓練來識別特定的障礙物類別。傳統上，攝像機系統已經被用來解決這一任務。然而，在惡劣的天氣和弱光條件下，或者在識別距離車輛更遠的物體時，攝像頭的感知性能可能會受到影響。為了克服這些挑戰，我們開發了一種使用雷達的自由空間探測系統。它在應對天氣和照明挑戰方面非常強大，并且能夠直接測量距離。我們的系統作為 ADAS 和 AV 感知的一部分工作，以檢測可駕駛的自由空間，并在多傳感器融合過程中進一步改善 3D 感知。更具體地說， RadarNet 是一種深度神經網絡（ DNN ），

Source

]]>

基于 AI 的自動駕駛汽車潛在事故場景生成

Thu, 23 Feb 2023 03:01:24 +0000

自動駕駛汽車（ AVs ）必須能夠安全地處理現實世界中可能遇到的任何類型的交通場景。這包括危險的近距離事故，交通中其他道路使用者的意外操作可能導致碰撞。然而，在這些類型的場景中開發和測試 AV 具有挑戰性。真實世界中的碰撞數據是稀疏的，在真實世界中重新創建這種情況是危險的，并且難以擴展。要了解 NVIDIA 的最新研究，該研究使用 AI 在模擬中自動生成事故場景，以進行安全和可擴展的 AV 測試，請觀看下面的 NVIDIA DRIVE Labs video 。我們將以工程為重點，關注各個自動駕駛汽車挑戰以及 NVIDIA DRIVE 團隊如何應對這些挑戰。趕上在 AV 堆棧中， planner module 負責決定自我車輛應該如何駕駛。徹底測試計劃器需要模擬潛在事故交通場景的真實和多樣的數據集。

Source

]]>

使用停車標志輔助功能提升自動代客泊車功能

Wed, 25 May 2022 03:30:00 +0000

這是 NVIDIA DRIVE Labs 系列中的最新視頻。這些視頻以工程為重點，介紹了各個自主車輛的挑戰以及 NVIDIA 驅動團隊如何應對這些挑戰。掌握更多 NVIDIA DRIVE 內容。自動停車涉及一系列復雜的感知和決策算法，傳統上依賴高清（ HD ）地圖來檢索停車信息。然而，地圖覆蓋率和較差或過時的本地化信息可能會限制此類系統。除此之外，系統還必須理解和解釋不同地區的停車規則。在這個 DRIVE Labs 的帖子中，我們展示了基于 AI 的實時感知如何幫助將自動停車擴展到全球各個地區。對停車規則的理解和解釋可能會比表面上看起來更加微妙。可以覆蓋有效區域內的不同停車規則。例如，“禁止停車”可以覆蓋“禁止泊車” 此外，非停車相關標志可以推斷停車規則。例如，在德國，

Source

]]>